CN116663333B - 一种基于仿真模型的星载sar成像优化方法、设备及介质 - Google Patents

Abstract

本说明书实施例公开了一种基于仿真模型的星载SAR成像优化方法、设备及介质，涉及雷达技术领域，方法包括：获取星载合成孔径雷达的当前发射参数、指定仿真位置和全球地物分类数据；对全球地物分类数据中的地物类型进行重分类，得到指定数量个类型的地物分类数据，以通过地物分类数据确定当前地物类型，对初始雷达散射截面仿真模型进行修正，得到修正后的优化雷达散射截面仿真模型，以确定当前地物类型对应的当前优化雷达散射截面仿真模型，将当前发射参数输入至当前优化雷达散射截面仿真模型中，得到对应的当前预测雷达散射截面，通过当前预测雷达散射截面和当前发射参数，确定雷达接收机的增益控制参数，实现星载SAR成像的优化。

Description

一种基于仿真模型的星载SAR成像优化方法、设备及介质

技术领域

本说明书涉及雷达技术领域，尤其涉及一种基于仿真模型的星载SAR成像优化方法、设备及介质。

背景技术

星载合成孔径雷达（Synthetic Aperture Radar, SAR）具有全天候、全天时和高分辨率成像能力，广泛应用于军事和民用各个领域。根据合成孔径雷达的组成特点，为确保地面雷达回波信号强度在接收机最佳动态范围内，保证SAR图像质量，需要正确设置星上雷达接收机增益控制参数。

在SAR卫星发射前，需要根据SAR参数和全球地物雷达散射截面（Radar Crosssection，RCS），计算每次SAR成像，星上雷达接收机增益控制参数数值。雷达散射截面是描述地物与雷达波之间相互作用的重要参数，表征了目标在雷达波照射下所产生的回波强度。然而，不同波段、不同入射角、不同极化方式以及不同地物的雷达散射截面差异巨大，目前的地物分类较多，无法贴近实际的地物分布，传统的散射模型中可预测的地物类型有限，无法满足多种典型地物的仿真需求，难以对雷达散射截面准确预测，进而导致星载SAR成像质量无法满足要求。

发明内容

本说明书一个或多个实施例提供了一种基于仿真模型的星载SAR成像优化方法、设备及介质，用于解决如下技术问题：目前的地物分类较多，无法贴近实际的地物分布，传统的散射模型中可预测的地物类型有限，无法满足多种典型地物的仿真需求，难以对雷达散射截面准确预测，进而导致星载SAR成像质量无法满足要求。

本说明书一个或多个实施例采用下述技术方案：

本说明书一个或多个实施例提供一种基于仿真模型的星载SAR成像优化方法，所述方法包括：获取星载合成孔径雷达的当前发射参数、指定仿真位置和全球地物分类数据，其中，所述发射参数包括当前雷达波段、当前入射角和当前极化方式，所述全球地物分类数据中包括预设数量个类型的地物；对所述全球地物分类数据中的地物类型进行重分类，得到指定数量个类型的地物分类数据，以通过所述指定数量个类型的地物分类数据，确定所述指定仿真位置的当前地物类型，其中，所述指定数量小于所述预设数量；对预先构建的初始雷达散射截面仿真模型进行修正，得到修正后的优化雷达散射截面仿真模型，以确定所述当前地物类型对应的当前优化雷达散射截面仿真模型，其中，所述优化雷达散射截面仿真模型包括所述指定数量个类型的地物仿真模型，以及每个地物类型的地物仿真模型对应的至少一个修正参数；将所述当前发射参数输入至所述当前优化雷达散射截面仿真模型中，得到对应的当前预测雷达散射截面，通过所述当前预测雷达散射截面和所述当前发射参数，确定雷达接收机的增益控制参数，实现星载SAR成像的优化。

进一步地，对所述全球地物分类数据中的地物类型进行重分类，得到指定数量个类型的地物分类数据，具体包括：获取所述全球地物分类数据中的分类栅格数据，以确定指定仿真位置在所述全球地物分类数据中的原始地物类型，其中，所述原始地物类型包括云、水体、林地、草地、灌木、建筑、裸地、雪/冰、淹没植被和耕地中的任意一项；当所述原始地物类型为云时，获取所述指定仿真位置对应的云像素位置，基于所述云像素位置，进行外延区域像素读取，确定像素数量最多的指定地物类型，其中，所述指定地物类型包括水体、林地、草地、灌木、建筑、裸地、雪/冰、淹没植被和耕地中的任意一项；当所述指定地物类型不为云时，将所述指定地物类型作为所述指定仿真位置对应的重分类地物类型。

进一步地，基于所述云像素位置，进行外延区域像素读取，确定像素数量最多的指定地物类型，具体包括：以所述云像素位置为中心，建立像素窗口，其中，所述像素窗口的尺寸为预设初始尺寸；根据所述全球地物分类数据，统计所述像素窗口内各个地物类型对应的像素个数；当所述像素窗口内各个地物类型对应的像素个数均相同时，对所述像素窗口进行扩大，得到扩展像素窗口；根据所述全球地物分类数据，统计所述扩展像素窗口内各个地物类型对应的像素个数，将所述像素窗口内像素个数最多的地物类型作为指定地物类型。

进一步地，对预先构建的初始雷达散射截面仿真模型进行修正，得到修正后的优化雷达散射截面仿真模型，具体包括：获取不同入射参数对应的不同地物的历史雷达散射截面数据范围；对所述历史雷达散射截面数据范围进行数据分析，获取所述历史雷达散射截面数据范围中的每种地物类型对应的多个指定雷达散射截面数据，其中，每个所述指定雷达散射截面数据包括波动最大值和波动最小值；建立所述指定雷达散射截面数据、仿真入射参数和地物类型的映射关系；基于所述映射关系，对所述预先构建的初始雷达散射截面仿真模型进行修正，得到修正后的优化雷达散射截面仿真模型。

进一步地，基于所述映射关系，对所述预先构建的初始雷达散射截面仿真模型进行修正，得到修正后的优化雷达散射截面仿真模型，具体包括：基于所述映射关系，获取所述指定雷达散射截面数据中的波动最大值和波动最小值，确定所述波动最大值对应的第一仿真入射参数、所述波动最小值对应的第二仿真入射参数和对应的地物类型；将所述第一仿真入射参数，输入至所述地物类型对应的初始雷达散射截面仿真模型中，得到第一仿真雷达散射截面数据；将所述第二仿真入射参数，输入至所述地物类型对应的初始雷达散射截面仿真模型中，得到第二仿真雷达散射截面数据；通过所述波动最大值、所述第一仿真雷达散射截面数据、所述波动最小值和所述第二仿真雷达散射截面数据，对所述初始雷达散射截面仿真模型进行修正，得到修正后的优化雷达散射截面仿真模型。

进一步地，通过所述波动最大值、所述第一仿真雷达散射截面数据、所述波动最小值和所述第二仿真雷达散射截面数据，对所述初始雷达散射截面仿真模型进行修正，得到修正后的优化雷达散射截面仿真模型，具体包括：根据所述波动最大值和所述第一仿真雷达散射截面数据，确定第一误差数据；根据所述波动最小值和所述第二仿真雷达散射截面数据，确定第二误差数据；当所述第一误差数据和所述第二误差数据中的任意一个大于预设阈值时，以所述波动最大值和所述波动最小值作为约束条件，对所述初始雷达散射截面仿真模型中的仿真参数进行修正，得到修正后的优化雷达散射截面仿真模型。

进一步地，所述预先构建的初始雷达散射截面仿真模型包括水体散射截面仿真模型和其他地物散射截面仿真模型；所述水体散射截面仿真模型由以下公式表示：；所述其他地物散射截面仿真模型由以下公式表示：；其中，/>为散射截面，，/>为雷达入射角，f是雷达工作频率，A和β₀为不同地物类型对应的待修正仿真参数。

进一步地，对预先构建的初始雷达散射截面仿真模型进行修正，得到修正后的优化雷达散射截面仿真模型之后，所述方法还包括：获取雷达系统的发射参数，其中，所述发射参数包括波段类型、极化方式和入射角；将所述发射参数中的所述波段类型和所述极化方式设置为固定值，将所述入射角度设置为指定角度范围中的多个指定入射角度，以得到多个输入发射参数；将每个所述输入发射参数输入至每种地物类型对应的优化雷达散射截面仿真模型中进行仿真实验，得到每种地物类型对应的不同入射角度下输出雷达散射截面；基于每种地物类型对应的不同入射角度下输出雷达散射截面和对应的多个所述指定入射角度，生成雷达散射截面曲线，以通过所述雷达散射截面曲线，确定不同地物类型下的参考入射角度。

本说明书一个或多个实施例提供一种基于仿真模型的星载SAR成像优化设备，包括：

至少一个处理器；以及，

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够：

获取星载合成孔径雷达的当前发射参数、指定仿真位置和全球地物分类数据，其中，所述发射参数包括当前雷达波段、当前入射角和当前极化方式，所述全球地物分类数据中包括预设数量个类型的地物；对所述全球地物分类数据中的地物类型进行重分类，得到指定数量个类型的地物分类数据，以通过所述指定数量个类型的地物分类数据，确定所述指定仿真位置的当前地物类型，其中，所述指定数量小于所述预设数量；对预先构建的初始雷达散射截面仿真模型进行修正，得到修正后的优化雷达散射截面仿真模型，以确定所述当前地物类型对应的当前优化雷达散射截面仿真模型，其中，所述优化雷达散射截面仿真模型包括所述指定数量个类型的地物仿真模型，以及每个地物类型的地物仿真模型对应的至少一个修正参数；将所述当前发射参数输入至所述当前优化雷达散射截面仿真模型中，得到对应的当前预测雷达散射截面，通过所述当前预测雷达散射截面和所述当前发射参数，确定雷达接收机的增益控制参数，实现星载SAR成像的优化。

本说明书一个或多个实施例提供的一种非易失性计算机存储介质，存储有计算机可执行指令，所述计算机可执行指令设置为：

获取星载合成孔径雷达的当前发射参数、指定仿真位置和全球地物分类数据，其中，所述发射参数包括当前雷达波段、当前入射角和当前极化方式，所述全球地物分类数据中包括预设数量个类型的地物；对所述全球地物分类数据中的地物类型进行重分类，得到指定数量个类型的地物分类数据，以通过所述指定数量个类型的地物分类数据，确定所述指定仿真位置的当前地物类型，其中，所述指定数量小于所述预设数量；对预先构建的初始雷达散射截面仿真模型进行修正，得到修正后的优化雷达散射截面仿真模型，以确定所述当前地物类型对应的当前优化雷达散射截面仿真模型，其中，所述优化雷达散射截面仿真模型包括所述指定数量个类型的地物仿真模型，以及每个地物类型的地物仿真模型对应的至少一个修正参数；将所述当前发射参数输入至所述当前优化雷达散射截面仿真模型中，得到对应的当前预测雷达散射截面，通过所述当前预测雷达散射截面和所述当前发射参数，确定雷达接收机的增益控制参数，实现星载SAR成像的优化。

本说明书实施例采用的上述至少一个技术方案能够达到以下有益效果：通过上述技术方案，通过对全球地物分类数据进行重分类，使得重分类后的地物类型可以满足实际的地物分类情况，由于每类地物都具有独特的散射特性，需要针对性地进行模拟和预测，对地物进行分析和归纳，形成存在差异的九种地物类型，具有整体覆盖性，更加贴切星载SAR应用场景；同时考虑地物类型、波段和入射角等多个因素对雷达散射截面的影响，从而可以更加准确地预测不同地物的雷达散射截面，基于修正仿真模型和地物分类数据，结合了地物分类数据和修正后模型，可以更加贴近实际地物分布，从而提高了雷达散射截面仿真结果的可靠性和实用性；进而提高了雷达接收机的增益控制参数的准确度和针对性，进一步实现了星载SAR成像的优化。

附图说明

为了更清楚地说明本说明书实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本说明书中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。在附图中：

图1为本说明书实施例提供的一种基于仿真模型的星载SAR成像优化方法的流程示意图；

图2为本说明书实施例提供的另一种基于仿真模型的星载SAR成像优化方法的流程示意图；

图3为本说明书实施例提供的一种林地雷达散射截面与雷达入射角之间的关系曲线；

图4为本说明书实施例提供的一种草地雷达散射截面与雷达入射角之间的关系曲线；

图5为本说明书实施例提供的一种灌木雷达散射截面与雷达入射角之间的关系曲线；

图6为本说明书实施例提供的一种建筑雷达散射截面与雷达入射角之间的关系曲线；

图7为本说明书实施例提供的一种裸地雷达散射截面与雷达入射角之间的关系曲线；

图8为本说明书实施例提供的一种雪/冰雷达散射截面与雷达入射角之间的关系曲线；

图9为本说明书实施例提供的一种淹没植被雷达散射截面与雷达入射角之间的关系曲线；

图10为本说明书实施例提供的一种耕地雷达散射截面与雷达入射角之间的关系曲线；

图11为本说明书实施例提供的一种水体雷达散射截面与雷达入射角之间的关系曲线；

图12为本说明书实施例提供的一种基于仿真模型的星载SAR成像优化设备的结构示意图。

具体实施方式

为了使本技术领域的人员更好地理解本说明书中的技术方案，下面将结合本说明书实施例中的附图，对本说明书实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本说明书一部分实施例，而不是全部的实施例。基于本说明书实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都应当属于本说明书保护的范围。

星载合成孔径雷达（Synthetic Aperture Radar, SAR）具有全天候、全天时和高分辨率成像能力，广泛应用于军事和民用各个领域。根据合成孔径雷达的组成特点，为确保地面雷达回波信号强度在接收机最佳动态范围内，保证SAR图像质量，需要正确设置星上雷达接收机增益控制参数。

在SAR卫星发射前，需要根据SAR参数和全球地物雷达散射截面（Radar Crosssection，RCS），计算每次SAR成像，星上雷达接收机增益控制参数数值。雷达散射截面是描述地物与雷达波之间相互作用的重要参数，表征了目标在雷达波照射下所产生的回波强度。然而，不同波段、不同入射角、不同极化方式以及不同地物的雷达散射截面差异巨大，目前的地物分类较多，无法贴近实际的地物分布，传统的散射模型中可预测的地物类型有限，无法满足多种典型地物的仿真需求，难以对雷达散射截面准确预测，进而导致星载SAR成像质量无法满足要求。

本说明书实施例提供一种基于仿真模型的星载SAR成像优化方法，需要说明的是，本说明书实施例中的执行主体可以是服务器，也可以是任意一种具备数据处理能力的设备。图1为本说明书实施例提供的一种基于仿真模型的星载SAR成像优化方法的流程示意图，如图1所示，主要包括如下步骤：

步骤S101，获取星载合成孔径雷达的当前发射参数、指定仿真位置和全球地物分类数据。

在本说明书的一个实施例中，在星载合成孔径雷达发射之前，获取当前发射参数和指定仿真位置，此处的发射参数包括当前雷达波段、当前入射角和当前极化方式，此处的指定仿真位置为目标位置，并获取全球地物分类数据，该全球地物分类数据中包括预设数量个类型的地物。需要说明的是，此处的全球地物分类数据为Esri公司任意一年基于10m分辨率哨兵影像反演生成的全球土地覆盖数据，例如当前为2023年，可优先选择2022年的全球覆盖数据，Esri_Land_Cover_2022_10m全球土地覆盖数据，在Esri公司的Esri_Land_Cover_2022_10m数据的分类成果中，将地物分为十种类型，包括云、水体、林地、草地、灌木、建筑、裸地、雪/冰、淹没植被和耕地。

步骤S102，对全球地物分类数据中的地物类型进行重分类，得到指定数量个类型的地物分类数据，以通过指定数量个类型的地物分类数据，确定指定仿真位置的当前地物类型。

在本说明书的一个实施例中，全球地物分类数据中包含云类型，但是在实际的地物场景中，不包含云，因此，需要对全球地物分类数据进行重分类，得到不包含云的八种类型，即水体、林地、草地、灌木、建筑、裸地、雪/冰、淹没植被和耕地。

对该全球地物分类数据中的地物类型进行重分类，得到指定数量个类型的地物分类数据，具体包括：获取该全球地物分类数据中的分类栅格数据，以确定指定仿真位置在该全球地物分类数据中的原始地物类型，其中，该原始地物类型包括云、水体、林地、草地、灌木、建筑、裸地、雪/冰、淹没植被和耕地中的任意一项；当该原始地物类型为云时，获取该指定仿真位置对应的云像素位置，基于该云像素位置，进行外延区域像素读取，确定像素数量最多的指定地物类型，其中，该指定地物类型包括水体、林地、草地、灌木、建筑、裸地、雪/冰、淹没植被和耕地中的任意一项；当该指定地物类型不为云时，将该指定地物类型作为该指定仿真位置对应的重分类地物类型。

在本说明书的一个实施例中，图2为本说明书实施例提供的另一种基于仿真模型的星载SAR成像优化方法的流程示意图，如图2所示，重分类过程，即对ESRI分类数据处理，首先获取全球地物分类数据中的分类栅格数据，在分类栅格数据中包括每个像素点的像素值等像素属性以及各像素对应的地物类型。确定指定仿真位置在该全球地物分类数据中的原始地物类型，此处可以是指定仿真位置，也可以是全球任意一个指定位置，本说明书以指定仿真位置为例进行说明。当指定仿真位置在全球地物分类数据中的原始地物类型为云时，获取指定仿真位置对应的云像素位置。根据云像素位置进行区域外延，得到外延区域，以便于对外延区域内的各个像素点进行像素读取。由于在分类栅格数据中包括每个像素点对应的地物类型，此处的像素读取为读取外延区域内每种地物类型对应的像素数量，确定像素数量最多的指定地物类型，指定地物类型包括水体、林地、草地、灌木、建筑、裸地、雪/冰、淹没植被和耕地中的任意一项，当指定地物类型不为云时，将指定地物类型作为指定仿真位置对应的重分类地物类型。

基于该云像素位置，进行外延区域像素读取，确定像素数量最多的指定地物类型，具体包括：以该云像素位置为中心，建立像素窗口，其中，该像素窗口的尺寸为预设初始尺寸；根据该全球地物分类数据，统计该像素窗口内各个地物类型对应的像素个数；当该像素窗口内各个地物类型对应的像素个数均相同时，对该像素窗口进行扩大，得到扩展像素窗口；根据该全球地物分类数据，统计该扩展像素窗口内各个地物类型对应的像素个数，将该像素窗口内像素个数最多的地物类型作为指定地物类型。

在本说明书的一个实施例中，在进行外延区域像素读取时，以该云像素位置为中心建立3×3像素窗口，统计像素窗口内各个地物类型的的像素个数，并取像素窗口内像素个数最多的地物作为仿真位置的地物类型。若窗口内不同各地物类型（即不同像素值）对应的像素数量个数相等，则扩大像素窗口，得到扩展像素窗口，例如扩展为9×9，重新进行统计以确定地物类型，以此得到重分类结果，此处的重分类结果为指定数量个类型的地物分类数据，同样可以为分类栅格数据的形式。若3×3窗口内每个像素对应的地物类型均为云，则调用ESRI上一年分类数据进行判断，直至最终确定分类。例如，当前的全球地物分类数据为2022年的全球地物分类数据，则调用2021年的全球地物分类数据。

在本说明书的一个实施例中，由于在进行重分类时，以指定仿真位置为例进行了重分类过程，得到指定地物类型，可以直接通过指定数量个类型的地物分类数据，确定指定仿真位置的当前地物类型。若以其他仿真位置进行重分类，由于重分类的结果为分类栅格数据的形式，包括多个像素点和每个像素点对应的重分类后的地物类型，可以通过查找指定仿真位置对应的像素点，在重分类后的分类栅格数据中确定指定仿真位置对应的当前地物分类数据。

通过上述技术方案，通过对全球地物分类数据进行重分类，使得重分类后的地物类型可以满足实际的地物分类情况，由于每类地物都具有独特的散射特性，需要针对性地进行模拟和预测，对地物进行分析和归纳，形成存在差异的九种地物类型，具有整体覆盖性，更加贴切星载SAR应用场景。

步骤S103，对预先构建的初始雷达散射截面仿真模型进行修正，得到修正后的优化雷达散射截面仿真模型，以确定当前地物类型对应的当前优化雷达散射截面仿真模型。

其中，该优化雷达散射截面仿真模型包括该指定数量个类型的地物仿真模型，以及每个地物类型的地物仿真模型对应的至少一个修正参数。

对预先构建的初始雷达散射截面仿真模型进行修正，得到修正后的优化雷达散射截面仿真模型，具体包括：获取不同入射参数对应的不同地物的历史雷达散射截面数据范围；对该历史雷达散射截面数据范围进行数据分析，获取该历史雷达散射截面数据范围中的每种地物类型对应的多个指定雷达散射截面数据，其中，每个该指定雷达散射截面数据包括波动最大值和波动最小值；建立该指定雷达散射截面数据、仿真入射参数和地物类型的映射关系；基于该映射关系，对该预先构建的初始雷达散射截面仿真模型进行修正，得到修正后的优化雷达散射截面仿真模型。

在本说明书的一个实施例中，获取不同入射参数对应的不同地物的历史雷达散射截面数据范围；此处历史雷达散射截面数据可以通过现有雷达散射截面曲线图资料或真实SAR影像获取，选取TerraSAR-X以及COSMO-SkyMed两种X波段数据，通过ESA SNAP软件拾取，以获取不同入射角不同极化方式以及不同地物的雷达散射截面数据范围，需要说明的是，现有的资料中雷达散射截面数据为数据范围。对历史雷达散射截面数据范围进行数据分析，获取历史雷达散射截面数据范围中每种地物类型对应的指定雷达散射截面数据，即波动最大值和波动最小值。建立指定雷达散射截面数据、该数据对应的入射参数以及地物类型的映射关系，此处的入射参数包括入射角度、极化方式，此处可以通过固定极化方式，通过映射关系对该预先构建的初始雷达散射截面仿真模型进行修正，得到修正后的优化雷达散射截面仿真模型。

该预先构建的初始雷达散射截面仿真模型可以是Morchin模型，包括水体散射截面仿真模型和其他地物散射截面仿真模型；该水体散射截面仿真模型为；该其他地物散射截面仿真模型为/>；其中，/>为散射截面，/>，/>用于表示弧度角，便于转换为程序可识别的角度表达形式，/>为雷达入射角，/>为波长，f是雷达工作频率，与极化方式有关，A和β₀为不同地物类型对应的待修正仿真参数。初始的散射截面仿真模型中仅包括水体、草地、农田、森林、裸地和岩石的模型，草地、农田、森林、裸地和岩石对应的仿真模型为其他地物散射截面仿真模型，其区别在于A和β₀仿真参数的设置不同。

基于该映射关系，对该预先构建的初始雷达散射截面仿真模型进行修正，得到修正后的优化雷达散射截面仿真模型，具体包括：基于该映射关系，获取该指定雷达散射截面数据中的波动最大值和波动最小值，确定该波动最大值对应的第一仿真入射参数、该波动最小值对应的第二仿真入射参数和对应的地物类型；将该第一仿真入射参数，输入至该地物类型对应的初始雷达散射截面仿真模型中，得到第一仿真雷达散射截面数据；将该第二仿真入射参数，输入至该地物类型对应的初始雷达散射截面仿真模型中，得到第二仿真雷达散射截面数据；通过该波动最大值、该第一仿真雷达散射截面数据、该波动最小值和该第二仿真雷达散射截面数据，对该初始雷达散射截面仿真模型进行修正，得到修正后的优化雷达散射截面仿真模型。

在本说明书的一个实施例中，通过映射关系获取指定雷达散射截面数据中的波动最大值和波动最小值，确定波动最大值对应的第一仿真入射参数，并确定波动最小值对应的第二仿真入射参数和指定雷达散射截面数据对应的地物类型。通过地物类型确定与该地物类型的初始雷达散射截面仿真模型，将第一仿真入射参数输入至地物类型对应的初始雷达散射截面仿真模型中，得到输出值第一仿真雷达散射截面数据。同样地，将第二仿真入射参数输入至地物类型的初始雷达散射截面仿真模型中，得到输出值第一仿真雷达散射截面数据。

通过该波动最大值、该第一仿真雷达散射截面数据、该波动最小值和该第二仿真雷达散射截面数据，对该初始雷达散射截面仿真模型进行修正，得到修正后的优化雷达散射截面仿真模型，具体包括：根据该波动最大值和该第一仿真雷达散射截面数据，确定第一误差数据；根据该波动最小值和该第二仿真雷达散射截面数据，确定第二误差数据；当该第一误差数据和该第二误差数据中的任意一个大于预设阈值时，以该波动最大值和该波动最小值作为约束条件，对该初始雷达散射截面仿真模型中的仿真参数进行修正，得到修正后的优化雷达散射截面仿真模型。

在本说明书的一个实施例中，计算波动最大值和第一仿真雷达散射截面数据的差值，得到第一误差数据，计算波动最小值和第二仿真雷达散射截面数据，得到第二误差数据。当该第一误差数据和该第二误差数据中的任意一个大于预设阈值时，以波动最大值和波动最小值作为约束条件，对初始雷达散射截面仿真模型中的仿真参数进行修正，得到修正后的优化雷达散射截面仿真模型，此处的预设阈值可以根据需求设置。此外，分别对不同地物类型对应的初始散射截面仿真模型中的仿真参数A、β₀进行修正，由于初始的散射截面仿真模型中仅包括水体、草地、农田、森林、裸地和岩石的模型，对现有的草地、农田、森林、裸地和岩石的模型中的仿真参数A、β₀进行修正，对水体的s进行修正，得到各个类型对应的优化雷达散射截面仿真模型。针对雪/冰、淹没植被与耕地类型，使用其他地物散射截面仿真模型，对其中的仿真参数A、β₀进行赋值，得到雪/冰、淹没植被与耕地类型对应的优化雷达散射截面仿真模型，下表为修正后的仿真参数的参数值。

通过上述技术方案，研究现有模型参数的实际意义，对现有模型中任意一种地物参数进行分析，将实际结果作为先验信息对模型进行约束，通过调整模型内部参数，使得仿真值逼近于收集的先验信息值，从而更为准确地预测该地物在雷达系统中的雷达散射截面；同时考虑地物类型、波段和入射角等多个因素对雷达散射截面的影响，从而可以更加准确地预测不同地物的雷达散射截面，为雷达系统在增益控制、目标识别和环境监测等方面提供重要支持；其次，该仿真方法结合了地物分类数据和修正后的Morchin模型，可以更加贴近实际地物分布，从而提高了仿真结果的可靠性和实用性。

步骤S104，将当前发射参数输入至当前优化雷达散射截面仿真模型中，得到对应的当前预测雷达散射截面，通过当前预测雷达散射截面和当前发射参数，确定雷达接收机的增益控制参数，实现星载SAR成像的优化。

在本说明书的一个实施例中，将当前发射参数输入至当前优化雷达散射截面仿真模型中，输出对应的当前预测雷达散射截面，通过当前预测雷达散射截面和当前发射参数，确定雷达接收机的增益控制参数，以设置雷达接收机的增益控制参数，保证成像质量，实现星载SAR成像的优化。

通过上述技术方案，基于修正仿真模型和地物分类数据，同时考虑地物类型、波段和入射角等多个因素对雷达散射截面的影响，结合了地物分类数据和修正后模型，可以更加贴近实际地物分布，从而提高了雷达散射截面仿真结果的可靠性和实用性；进而提高了雷达接收机的增益控制参数的准确度和针对性，进一步实现了星载SAR成像的优化。

对预先构建的初始雷达散射截面仿真模型进行修正，得到修正后的优化雷达散射截面仿真模型之后，该方法还包括：获取雷达系统的发射参数，其中，该发射参数包括波段类型、极化方式和入射角；将该发射参数中的该波段类型和该极化方式设置为固定值，将该入射角度设置为指定角度范围中的多个指定入射角度，以得到多个输入发射参数；将每个该输入发射参数输入至每种地物类型对应的优化雷达散射截面仿真模型中进行仿真实验，得到每种地物类型对应的不同入射角度下输出雷达散射截面；基于每种地物类型对应的不同入射角度下输出雷达散射截面和对应的多个该指定入射角度，生成雷达散射截面曲线，以通过该雷达散射截面曲线，确定不同地物类型下的参考入射角度。

在本说明书的一个实施例中，通过本说明书实施例中的修正后的优化雷达散射截面仿真模型可以进行散射截面变化规律的性质研究，可以应用于对发射参数进行反向优化，以及各种雷达系统的应用研究。例如，可以研究指定波段、极化方式下不同入射参数对应的雷达散射截面的变化规律。获取雷达系统的发射参数，发射参数包括波段类型、极化方式和入射角；将发射参数中的波段类型和极化方式设置为固定值，选取特定波段Band值为X波段（频率取值9.6GHz）、特定极化方式Pol为水平HH极化，将入射角度设置为指定角度范围中的多个指定入射角度，特定入射角范围Cita为15°至55°，以得到多个输入发射参数。将每个输入发射参数输入至每种地物类型对应的优化雷达散射截面仿真模型中进行仿真实验，得到每种地物类型对应的不同入射角度下输出雷达散射截面。基于每种地物类型对应的不同入射角度下输出雷达散射截面和对应的多个该指定入射角度，生成雷达散射截面曲线，通过该雷达散射截面曲线，确定不同地物类型下的参考入射角度。图3为本说明书实施例提供的一种林地雷达散射截面与雷达入射角之间的关系曲线，图4为本说明书实施例提供的一种草地雷达散射截面与雷达入射角之间的关系曲线，图5为本说明书实施例提供的一种灌木雷达散射截面与雷达入射角之间的关系曲线，图6为本说明书实施例提供的一种建筑雷达散射截面与雷达入射角之间的关系曲线，图7为本说明书实施例提供的一种裸地雷达散射截面与雷达入射角之间的关系曲线，图8为本说明书实施例提供的一种雪/冰雷达散射截面与雷达入射角之间的关系曲线，图9为本说明书实施例提供的一种淹没植被雷达散射截面与雷达入射角之间的关系曲线，图10为本说明书实施例提供的一种耕地雷达散射截面与雷达入射角之间的关系曲线，图11为本说明书实施例提供的一种水体雷达散射截面与雷达入射角之间的关系曲线，如图3-11所示，可以实现对指定波段、极化方式下不同入射参数对应的雷达散射截面的变化规律的研究。同样地，当需要研究其他发射参数对雷达散射截面的变化规律的影响时，通过控制变量的方式根据仿真模型模拟即可实现。

通过上述技术方案，通过对全球地物分类数据进行重分类，使得重分类后的地物类型可以满足实际的地物分类情况，由于每类地物都具有独特的散射特性，需要针对性地进行模拟和预测，对地物进行分析和归纳，形成存在差异的九种地物类型，具有整体覆盖性，更加贴切星载SAR应用场景；同时考虑地物类型、波段和入射角等多个因素对雷达散射截面的影响，从而可以更加准确地预测不同地物的雷达散射截面，基于修正仿真模型和地物分类数据，结合了地物分类数据和修正后模型，可以更加贴近实际地物分布，从而提高了雷达散射截面仿真结果的可靠性和实用性；进而提高了雷达接收机的增益控制参数的准确度和针对性，进一步实现了星载SAR成像的优化。

本说明书实施例还提供一种基于仿真模型的星载SAR成像优化设备，如图12所示，设备包括：至少一个处理器；以及，与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够：获取星载合成孔径雷达的当前发射参数、指定仿真位置和全球地物分类数据，其中，该发射参数包括当前雷达波段、当前入射角和当前极化方式，该全球地物分类数据中包括预设数量个类型的地物；对该全球地物分类数据中的地物类型进行重分类，得到指定数量个类型的地物分类数据，以通过该指定数量个类型的地物分类数据，确定该指定仿真位置的当前地物类型，其中，该指定数量小于该预设数量；对预先构建的初始雷达散射截面仿真模型进行修正，得到修正后的优化雷达散射截面仿真模型，以确定该当前地物类型对应的当前优化雷达散射截面仿真模型，其中，该优化雷达散射截面仿真模型包括该指定数量个类型的地物仿真模型，以及每个地物类型的地物仿真模型对应的至少一个修正参数；将该当前发射参数输入至该当前优化雷达散射截面仿真模型中，得到对应的当前预测雷达散射截面，通过该当前预测雷达散射截面和该当前发射参数，确定雷达接收机的增益控制参数，实现星载SAR成像的优化。

本说明书实施例还提供一种非易失性计算机存储介质，存储有计算机可执行指令，计算机可执行指令设置为：获取星载合成孔径雷达的当前发射参数、指定仿真位置和全球地物分类数据，其中，该发射参数包括当前雷达波段、当前入射角和当前极化方式，该全球地物分类数据中包括预设数量个类型的地物；对该全球地物分类数据中的地物类型进行重分类，得到指定数量个类型的地物分类数据，以通过该指定数量个类型的地物分类数据，确定该指定仿真位置的当前地物类型，其中，该指定数量小于该预设数量；对预先构建的初始雷达散射截面仿真模型进行修正，得到修正后的优化雷达散射截面仿真模型，以确定该当前地物类型对应的当前优化雷达散射截面仿真模型，其中，该优化雷达散射截面仿真模型包括该指定数量个类型的地物仿真模型，以及每个地物类型的地物仿真模型对应的至少一个修正参数；将该当前发射参数输入至该当前优化雷达散射截面仿真模型中，得到对应的当前预测雷达散射截面，通过该当前预测雷达散射截面和该当前发射参数，确定雷达接收机的增益控制参数，实现星载SAR成像的优化。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置、设备、非易失性计算机存储介质实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。

本说明书实施例提供的设备和介质与方法是一一对应的，因此，设备和介质也具有与其对应的方法类似的有益技术效果，由于上面已经对方法的有益技术效果进行了详细说明，因此，这里不再赘述设备和介质的有益技术效果。

本领域内的技术人员应明白，本说明书的实施例可提供为方法、系统、或计算机程序产品。因此，本说明书可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本说明书可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质（包括但不限于磁盘存储器、CD-ROM、光学存储器等）上实施的计算机程序产品的形式。

本说明书是参照根据本说明书实施例的方法、设备（系统）、和计算机程序产品的流程图和／或方框图来描述的。应理解可由计算机程序指令实现流程图和／或方框图中的每一流程和／或方框、以及流程图和／或方框图中的流程和／或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的步骤。

在一个典型的配置中，计算设备包括一个或多个处理器 (CPU)、输入/输出接口、网络接口和内存。

内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器 (RAM) 和/或非易失性内存等形式，如只读存储器 (ROM) 或闪存(flash RAM)。内存是计算机可读介质的示例。

计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存 (PRAM)、静态随机存取存储器 (SRAM)、动态随机存取存储器 (DRAM)、其他类型的随机存取存储器 (RAM)、只读存储器 (ROM)、电可擦除可编程只读存储器 (EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘 (DVD) 或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体 (transitory media)，如调制的数据信号和载波。

还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。

以上所述仅为本说明书的一个或多个实施例而已，并不用于限制本说明书。对于本领域技术人员来说，本说明书的一个或多个实施例可以有各种更改和变化。凡在本说明书的一个或多个实施例的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本说明书的权利要求范围之内。

Claims (5)

1.一种基于仿真模型的星载SAR成像优化方法，其特征在于，所述方法包括：

获取星载合成孔径雷达的当前发射参数、指定仿真位置和全球地物分类数据，其中，所述发射参数包括当前雷达波段、当前入射角和当前极化方式，所述全球地物分类数据中包括预设数量个类型的地物；

对所述全球地物分类数据中的地物类型进行重分类，得到指定数量个类型的地物分类数据，以通过所述指定数量个类型的地物分类数据，确定所述指定仿真位置的当前地物类型，其中，所述指定数量小于所述预设数量；

对预先构建的初始雷达散射截面仿真模型进行修正，得到修正后的优化雷达散射截面仿真模型，以确定所述当前地物类型对应的当前优化雷达散射截面仿真模型，其中，所述优化雷达散射截面仿真模型包括所述指定数量个类型的地物仿真模型，以及每个地物类型的地物仿真模型对应的至少一个修正参数；

将所述当前发射参数输入至所述当前优化雷达散射截面仿真模型中，得到对应的当前预测雷达散射截面，通过所述当前预测雷达散射截面和所述当前发射参数，确定雷达接收机的增益控制参数，实现星载SAR成像的优化；对所述全球地物分类数据中的地物类型进行重分类，得到指定数量个类型的地物分类数据，具体包括：

获取所述全球地物分类数据中的分类栅格数据，以确定指定仿真位置在所述全球地物分类数据中的原始地物类型，其中，所述原始地物类型包括云、水体、林地、草地、灌木、建筑、裸地、雪/冰、淹没植被和耕地中的任意一项；

当所述原始地物类型为云时，获取所述指定仿真位置对应的云像素位置，基于所述云像素位置，进行外延区域像素读取，确定像素数量最多的指定地物类型，其中，所述指定地物类型包括水体、林地、草地、灌木、建筑、裸地、雪/冰、淹没植被和耕地中的任意一项；

当所述指定地物类型不为云时，将所述指定地物类型作为所述指定仿真位置对应的重分类地物类型；基于所述云像素位置，进行外延区域像素读取，确定像素数量最多的指定地物类型，具体包括：

以所述云像素位置为中心，建立像素窗口，其中，所述像素窗口的尺寸为预设初始尺寸；

根据所述全球地物分类数据，统计所述像素窗口内各个地物类型对应的像素个数；

当所述像素窗口内各个地物类型对应的像素个数均相同时，对所述像素窗口进行扩大，得到扩展像素窗口；

根据所述全球地物分类数据，统计所述扩展像素窗口内各个地物类型对应的像素个数，将所述像素窗口内像素个数最多的地物类型作为指定地物类型；对预先构建的初始雷达散射截面仿真模型进行修正，得到修正后的优化雷达散射截面仿真模型，具体包括：

获取不同入射参数对应的不同地物的历史雷达散射截面数据范围；

对所述历史雷达散射截面数据范围进行数据分析，获取所述历史雷达散射截面数据范围中的每种地物类型对应的多个指定雷达散射截面数据，其中，每个所述指定雷达散射截面数据包括波动最大值和波动最小值；

建立所述指定雷达散射截面数据、仿真入射参数和地物类型的映射关系；

基于所述映射关系，对所述预先构建的初始雷达散射截面仿真模型进行修正，得到修正后的优化雷达散射截面仿真模型；基于所述映射关系，对所述预先构建的初始雷达散射截面仿真模型进行修正，得到修正后的优化雷达散射截面仿真模型，具体包括：

基于所述映射关系，获取所述指定雷达散射截面数据中的波动最大值和波动最小值，确定所述波动最大值对应的第一仿真入射参数、所述波动最小值对应的第二仿真入射参数和对应的地物类型；

将所述第一仿真入射参数，输入至所述地物类型对应的初始雷达散射截面仿真模型中，得到第一仿真雷达散射截面数据；

将所述第二仿真入射参数，输入至所述地物类型对应的初始雷达散射截面仿真模型中，得到第二仿真雷达散射截面数据；

通过所述波动最大值、所述第一仿真雷达散射截面数据、所述波动最小值和所述第二仿真雷达散射截面数据，对所述初始雷达散射截面仿真模型进行修正，得到修正后的优化雷达散射截面仿真模型；通过所述波动最大值、所述第一仿真雷达散射截面数据、所述波动最小值和所述第二仿真雷达散射截面数据，对所述初始雷达散射截面仿真模型进行修正，得到修正后的优化雷达散射截面仿真模型，具体包括：

根据所述波动最大值和所述第一仿真雷达散射截面数据，确定第一误差数据；

根据所述波动最小值和所述第二仿真雷达散射截面数据，确定第二误差数据；

当所述第一误差数据和所述第二误差数据中的任意一个大于预设阈值时，以所述波动最大值和所述波动最小值作为约束条件，对所述初始雷达散射截面仿真模型中的仿真参数进行修正，得到修正后的优化雷达散射截面仿真模型。

2.根据权利要求1所述的一种基于仿真模型的星载SAR成像优化方法，其特征在于，所述预先构建的初始雷达散射截面仿真模型包括水体散射截面仿真模型和其他地物散射截面仿真模型；

所述水体散射截面仿真模型由以下公式表示：

；

所述其他地物散射截面仿真模型由以下公式表示：

；

其中，为散射截面，/>，/>为雷达入射角，f是雷达工作频率，A和β₀为不同地物类型对应的待修正仿真参数。

3.根据权利要求1所述的一种基于仿真模型的星载SAR成像优化方法，其特征在于，对预先构建的初始雷达散射截面仿真模型进行修正，得到修正后的优化雷达散射截面仿真模型之后，所述方法还包括：

获取雷达系统的发射参数，其中，所述发射参数包括波段类型、极化方式和入射角；

将所述发射参数中的所述波段类型和所述极化方式设置为固定值，将所述入射角设置为指定角度范围中的多个指定入射角度，以得到多个输入发射参数；

将每个所述输入发射参数输入至每种地物类型对应的优化雷达散射截面仿真模型中进行仿真实验，得到每种地物类型对应的不同入射角度下输出雷达散射截面；

基于每种地物类型对应的不同入射角度下输出雷达散射截面和对应的多个所述指定入射角度，生成雷达散射截面曲线，以通过所述雷达散射截面曲线，确定不同地物类型下的参考入射角度。

4.一种基于仿真模型的星载SAR成像优化设备，其特征在于，所述设备包括：

至少一个处理器；以及，

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够：

获取星载合成孔径雷达的当前发射参数、指定仿真位置和全球地物分类数据，其中，所述发射参数包括当前雷达波段、当前入射角和当前极化方式，所述全球地物分类数据中包括预设数量个类型的地物；

对所述全球地物分类数据中的地物类型进行重分类，得到指定数量个类型的地物分类数据，以通过所述指定数量个类型的地物分类数据，确定所述指定仿真位置的当前地物类型，其中，所述指定数量小于所述预设数量；

对预先构建的初始雷达散射截面仿真模型进行修正，得到修正后的优化雷达散射截面仿真模型，以确定所述当前地物类型对应的当前优化雷达散射截面仿真模型，其中，所述优化雷达散射截面仿真模型包括所述指定数量个类型的地物仿真模型，以及每个地物类型的地物仿真模型对应的至少一个修正参数；

将所述当前发射参数输入至所述当前优化雷达散射截面仿真模型中，得到对应的当前预测雷达散射截面，通过所述当前预测雷达散射截面和所述当前发射参数，确定雷达接收机的增益控制参数，实现星载SAR成像的优化；

对所述全球地物分类数据中的地物类型进行重分类，得到指定数量个类型的地物分类数据，具体包括：

获取所述全球地物分类数据中的分类栅格数据，以确定指定仿真位置在所述全球地物分类数据中的原始地物类型，其中，所述原始地物类型包括云、水体、林地、草地、灌木、建筑、裸地、雪/冰、淹没植被和耕地中的任意一项；

当所述原始地物类型为云时，获取所述指定仿真位置对应的云像素位置，基于所述云像素位置，进行外延区域像素读取，确定像素数量最多的指定地物类型，其中，所述指定地物类型包括水体、林地、草地、灌木、建筑、裸地、雪/冰、淹没植被和耕地中的任意一项；

当所述指定地物类型不为云时，将所述指定地物类型作为所述指定仿真位置对应的重分类地物类型；基于所述云像素位置，进行外延区域像素读取，确定像素数量最多的指定地物类型，具体包括：

以所述云像素位置为中心，建立像素窗口，其中，所述像素窗口的尺寸为预设初始尺寸；

根据所述全球地物分类数据，统计所述像素窗口内各个地物类型对应的像素个数；

当所述像素窗口内各个地物类型对应的像素个数均相同时，对所述像素窗口进行扩大，得到扩展像素窗口；

根据所述全球地物分类数据，统计所述扩展像素窗口内各个地物类型对应的像素个数，将所述像素窗口内像素个数最多的地物类型作为指定地物类型；对预先构建的初始雷达散射截面仿真模型进行修正，得到修正后的优化雷达散射截面仿真模型，具体包括：

获取不同入射参数对应的不同地物的历史雷达散射截面数据范围；

对所述历史雷达散射截面数据范围进行数据分析，获取所述历史雷达散射截面数据范围中的每种地物类型对应的多个指定雷达散射截面数据，其中，每个所述指定雷达散射截面数据包括波动最大值和波动最小值；

建立所述指定雷达散射截面数据、仿真入射参数和地物类型的映射关系；

基于所述映射关系，对所述预先构建的初始雷达散射截面仿真模型进行修正，得到修正后的优化雷达散射截面仿真模型；基于所述映射关系，对所述预先构建的初始雷达散射截面仿真模型进行修正，得到修正后的优化雷达散射截面仿真模型，具体包括：

基于所述映射关系，获取所述指定雷达散射截面数据中的波动最大值和波动最小值，确定所述波动最大值对应的第一仿真入射参数、所述波动最小值对应的第二仿真入射参数和对应的地物类型；

将所述第一仿真入射参数，输入至所述地物类型对应的初始雷达散射截面仿真模型中，得到第一仿真雷达散射截面数据；

将所述第二仿真入射参数，输入至所述地物类型对应的初始雷达散射截面仿真模型中，得到第二仿真雷达散射截面数据；

通过所述波动最大值、所述第一仿真雷达散射截面数据、所述波动最小值和所述第二仿真雷达散射截面数据，对所述初始雷达散射截面仿真模型进行修正，得到修正后的优化雷达散射截面仿真模型；通过所述波动最大值、所述第一仿真雷达散射截面数据、所述波动最小值和所述第二仿真雷达散射截面数据，对所述初始雷达散射截面仿真模型进行修正，得到修正后的优化雷达散射截面仿真模型，具体包括：

根据所述波动最大值和所述第一仿真雷达散射截面数据，确定第一误差数据；

根据所述波动最小值和所述第二仿真雷达散射截面数据，确定第二误差数据；

当所述第一误差数据和所述第二误差数据中的任意一个大于预设阈值时，以所述波动最大值和所述波动最小值作为约束条件，对所述初始雷达散射截面仿真模型中的仿真参数进行修正，得到修正后的优化雷达散射截面仿真模型。

5.一种非易失性计算机存储介质，存储有计算机可执行指令，其特征在于，所述计算机可执行指令设置为：

获取星载合成孔径雷达的当前发射参数、指定仿真位置和全球地物分类数据，其中，所述发射参数包括当前雷达波段、当前入射角和当前极化方式，所述全球地物分类数据中包括预设数量个类型的地物；

对所述全球地物分类数据中的地物类型进行重分类，得到指定数量个类型的地物分类数据，以通过所述指定数量个类型的地物分类数据，确定所述指定仿真位置的当前地物类型，其中，所述指定数量小于所述预设数量；

对预先构建的初始雷达散射截面仿真模型进行修正，得到修正后的优化雷达散射截面仿真模型，以确定所述当前地物类型对应的当前优化雷达散射截面仿真模型，其中，所述优化雷达散射截面仿真模型包括所述指定数量个类型的地物仿真模型，以及每个地物类型的地物仿真模型对应的至少一个修正参数；

将所述当前发射参数输入至所述当前优化雷达散射截面仿真模型中，得到对应的当前预测雷达散射截面，通过所述当前预测雷达散射截面和所述当前发射参数，确定雷达接收机的增益控制参数，实现星载SAR成像的优化；

对所述全球地物分类数据中的地物类型进行重分类，得到指定数量个类型的地物分类数据，具体包括：

获取所述全球地物分类数据中的分类栅格数据，以确定指定仿真位置在所述全球地物分类数据中的原始地物类型，其中，所述原始地物类型包括云、水体、林地、草地、灌木、建筑、裸地、雪/冰、淹没植被和耕地中的任意一项；

当所述原始地物类型为云时，获取所述指定仿真位置对应的云像素位置，基于所述云像素位置，进行外延区域像素读取，确定像素数量最多的指定地物类型，其中，所述指定地物类型包括水体、林地、草地、灌木、建筑、裸地、雪/冰、淹没植被和耕地中的任意一项；

当所述指定地物类型不为云时，将所述指定地物类型作为所述指定仿真位置对应的重分类地物类型；基于所述云像素位置，进行外延区域像素读取，确定像素数量最多的指定地物类型，具体包括：

以所述云像素位置为中心，建立像素窗口，其中，所述像素窗口的尺寸为预设初始尺寸；

根据所述全球地物分类数据，统计所述像素窗口内各个地物类型对应的像素个数；

当所述像素窗口内各个地物类型对应的像素个数均相同时，对所述像素窗口进行扩大，得到扩展像素窗口；

根据所述全球地物分类数据，统计所述扩展像素窗口内各个地物类型对应的像素个数，将所述像素窗口内像素个数最多的地物类型作为指定地物类型；对预先构建的初始雷达散射截面仿真模型进行修正，得到修正后的优化雷达散射截面仿真模型，具体包括：

获取不同入射参数对应的不同地物的历史雷达散射截面数据范围；

对所述历史雷达散射截面数据范围进行数据分析，获取所述历史雷达散射截面数据范围中的每种地物类型对应的多个指定雷达散射截面数据，其中，每个所述指定雷达散射截面数据包括波动最大值和波动最小值；

建立所述指定雷达散射截面数据、仿真入射参数和地物类型的映射关系；

基于所述映射关系，对所述预先构建的初始雷达散射截面仿真模型进行修正，得到修正后的优化雷达散射截面仿真模型；基于所述映射关系，对所述预先构建的初始雷达散射截面仿真模型进行修正，得到修正后的优化雷达散射截面仿真模型，具体包括：

基于所述映射关系，获取所述指定雷达散射截面数据中的波动最大值和波动最小值，确定所述波动最大值对应的第一仿真入射参数、所述波动最小值对应的第二仿真入射参数和对应的地物类型；

将所述第一仿真入射参数，输入至所述地物类型对应的初始雷达散射截面仿真模型中，得到第一仿真雷达散射截面数据；

将所述第二仿真入射参数，输入至所述地物类型对应的初始雷达散射截面仿真模型中，得到第二仿真雷达散射截面数据；

通过所述波动最大值、所述第一仿真雷达散射截面数据、所述波动最小值和所述第二仿真雷达散射截面数据，对所述初始雷达散射截面仿真模型进行修正，得到修正后的优化雷达散射截面仿真模型；通过所述波动最大值、所述第一仿真雷达散射截面数据、所述波动最小值和所述第二仿真雷达散射截面数据，对所述初始雷达散射截面仿真模型进行修正，得到修正后的优化雷达散射截面仿真模型，具体包括：

根据所述波动最大值和所述第一仿真雷达散射截面数据，确定第一误差数据；

根据所述波动最小值和所述第二仿真雷达散射截面数据，确定第二误差数据；

当所述第一误差数据和所述第二误差数据中的任意一个大于预设阈值时，以所述波动最大值和所述波动最小值作为约束条件，对所述初始雷达散射截面仿真模型中的仿真参数进行修正，得到修正后的优化雷达散射截面仿真模型。