面向條帶SAR的多孔徑圖像偏移自聚焦算法
發(fā)布時(shí)間:2021-06-21 07:36
本文提出了一種能夠用于機(jī)載條帶式合成孔徑雷達(dá)(SAR)運(yùn)動(dòng)誤差估計(jì)的多孔徑圖像偏移自聚焦算法。首先,將條帶SAR數(shù)據(jù)分割為有重疊的估計(jì)子塊,各個(gè)子塊又分為具有重疊場(chǎng)景的多個(gè)子孔徑,并通過(guò)后向投影算法在距離多普勒域構(gòu)建子孔徑圖像;然后,對(duì)各個(gè)子孔徑圖像進(jìn)行互相關(guān)處理,在分析影響互相關(guān)函數(shù)的因素的基礎(chǔ)上,給出了求解各子圖像之間的重疊場(chǎng)景相對(duì)偏移的方法;最后,給出了子塊內(nèi)的誤差估計(jì)方法與子塊間的誤差拼接方法。對(duì)實(shí)際數(shù)據(jù)的處理結(jié)果表明,所提算法能夠精確且魯棒地估計(jì)機(jī)載條帶SAR的運(yùn)動(dòng)誤差。
【文章來(lái)源】:雷達(dá)科學(xué)與技術(shù). 2020,18(05)北大核心
【文章頁(yè)數(shù)】:6 頁(yè)
【部分圖文】:
機(jī)載SAR的觀測(cè)幾何模型
為了提高數(shù)據(jù)處理效率,在SAR的成像處理中每次需要處理多個(gè)合成孔徑長(zhǎng)度的數(shù)據(jù)。SMAM算法的第一步是沿方位向分割數(shù)據(jù),如圖2所示,SMAM算法中數(shù)據(jù)分割分為兩步。如圖2(a)所示,SMAM算法首先將數(shù)據(jù)沿方位向分割為多個(gè)估計(jì)子塊。如圖2(b)所示,每個(gè)SMAM估計(jì)子塊之后又被分為多個(gè)方位向子孔徑,每個(gè)方位向子孔徑對(duì)應(yīng)的時(shí)間長(zhǎng)度在一秒左右[4]。圖2(b)給出的是子孔徑數(shù)目為4時(shí)的情況,由于每個(gè)SMAM估計(jì)子塊的長(zhǎng)度小于一個(gè)合成孔徑時(shí)間,因此每個(gè)子孔徑數(shù)據(jù)對(duì)應(yīng)的場(chǎng)景范圍均有重疊的部分。圖2(b)以第一個(gè)子孔徑為例給出了其與其他子孔徑之間的重疊場(chǎng)景(SOL p(,q)表示第p個(gè)和第q個(gè)子孔徑間重疊場(chǎng)景的長(zhǎng)度),可見(jiàn)重疊場(chǎng)景的方位向長(zhǎng)度隨著子孔徑之間距離的增大而減小,而相鄰子孔徑之間的重疊場(chǎng)景范圍最大。2.2 子孔徑成像
式中,Iqf(a,τ;i)表示第q個(gè)子孔徑圖像沿方位向圓周位移i個(gè)像素時(shí)的二維幅值函數(shù)。圖4給出了本文第3節(jié)所處理真實(shí)SAR數(shù)據(jù)的互相關(guān)函數(shù),互相關(guān)函數(shù)的整體下降趨勢(shì)是由于子圖像天線方向圖隨著圓周位移相關(guān)性下降造成的。當(dāng)子圖像間的兩個(gè)子圖像的重疊場(chǎng)景處于相同的方位向位置,其互相關(guān)函數(shù)中會(huì)均為出現(xiàn)一個(gè)尖峰,圖4中互相關(guān)函數(shù)的梯度函數(shù)如圖5所示,圖5中各梯度函數(shù)的最大值和最小值分別對(duì)應(yīng)互相關(guān)函數(shù)中尖峰兩側(cè)的“陡坡”。位于“陡坡”頂端的尖峰是函數(shù)的極值,其對(duì)應(yīng)的梯度值為零,所以可以通過(guò)測(cè)量互相關(guān)函數(shù)梯度的最大值和最小值之間的零點(diǎn)來(lái)自動(dòng)獲取子圖像間場(chǎng)景的偏移量。以第一幅與第五幅子圖像互相關(guān)函數(shù)為例,圖4和圖5分別在右上角給出了其互相關(guān)函數(shù)的尖峰附近以及互相關(guān)函數(shù)梯度最值之間的零點(diǎn)附近的放大圖,由圖中標(biāo)出的坐標(biāo)可見(jiàn)相關(guān)函數(shù)的尖峰與互相關(guān)函數(shù)梯度最值之間的零點(diǎn)對(duì)應(yīng)著相同的橫坐標(biāo)。
【參考文獻(xiàn)】:
期刊論文
[1]基于子孔徑的多項(xiàng)式擬合優(yōu)化PACE運(yùn)動(dòng)補(bǔ)償方法[J]. 元棪,李和平. 計(jì)算機(jī)與現(xiàn)代化. 2019(09)
[2]聯(lián)合誤差估計(jì)的機(jī)載超高分辨率SAR成像[J]. 景國(guó)彬,李寧,孫光才,邢孟道. 西安電子科技大學(xué)學(xué)報(bào). 2019(03)
[3]基于二次速度估計(jì)的距離像運(yùn)動(dòng)補(bǔ)償[J]. 王坡,葛俊祥,潘世偉. 雷達(dá)科學(xué)與技術(shù). 2018(06)
本文編號(hào):3240273
【文章來(lái)源】:雷達(dá)科學(xué)與技術(shù). 2020,18(05)北大核心
【文章頁(yè)數(shù)】:6 頁(yè)
【部分圖文】:
機(jī)載SAR的觀測(cè)幾何模型
為了提高數(shù)據(jù)處理效率,在SAR的成像處理中每次需要處理多個(gè)合成孔徑長(zhǎng)度的數(shù)據(jù)。SMAM算法的第一步是沿方位向分割數(shù)據(jù),如圖2所示,SMAM算法中數(shù)據(jù)分割分為兩步。如圖2(a)所示,SMAM算法首先將數(shù)據(jù)沿方位向分割為多個(gè)估計(jì)子塊。如圖2(b)所示,每個(gè)SMAM估計(jì)子塊之后又被分為多個(gè)方位向子孔徑,每個(gè)方位向子孔徑對(duì)應(yīng)的時(shí)間長(zhǎng)度在一秒左右[4]。圖2(b)給出的是子孔徑數(shù)目為4時(shí)的情況,由于每個(gè)SMAM估計(jì)子塊的長(zhǎng)度小于一個(gè)合成孔徑時(shí)間,因此每個(gè)子孔徑數(shù)據(jù)對(duì)應(yīng)的場(chǎng)景范圍均有重疊的部分。圖2(b)以第一個(gè)子孔徑為例給出了其與其他子孔徑之間的重疊場(chǎng)景(SOL p(,q)表示第p個(gè)和第q個(gè)子孔徑間重疊場(chǎng)景的長(zhǎng)度),可見(jiàn)重疊場(chǎng)景的方位向長(zhǎng)度隨著子孔徑之間距離的增大而減小,而相鄰子孔徑之間的重疊場(chǎng)景范圍最大。2.2 子孔徑成像
式中,Iqf(a,τ;i)表示第q個(gè)子孔徑圖像沿方位向圓周位移i個(gè)像素時(shí)的二維幅值函數(shù)。圖4給出了本文第3節(jié)所處理真實(shí)SAR數(shù)據(jù)的互相關(guān)函數(shù),互相關(guān)函數(shù)的整體下降趨勢(shì)是由于子圖像天線方向圖隨著圓周位移相關(guān)性下降造成的。當(dāng)子圖像間的兩個(gè)子圖像的重疊場(chǎng)景處于相同的方位向位置,其互相關(guān)函數(shù)中會(huì)均為出現(xiàn)一個(gè)尖峰,圖4中互相關(guān)函數(shù)的梯度函數(shù)如圖5所示,圖5中各梯度函數(shù)的最大值和最小值分別對(duì)應(yīng)互相關(guān)函數(shù)中尖峰兩側(cè)的“陡坡”。位于“陡坡”頂端的尖峰是函數(shù)的極值,其對(duì)應(yīng)的梯度值為零,所以可以通過(guò)測(cè)量互相關(guān)函數(shù)梯度的最大值和最小值之間的零點(diǎn)來(lái)自動(dòng)獲取子圖像間場(chǎng)景的偏移量。以第一幅與第五幅子圖像互相關(guān)函數(shù)為例,圖4和圖5分別在右上角給出了其互相關(guān)函數(shù)的尖峰附近以及互相關(guān)函數(shù)梯度最值之間的零點(diǎn)附近的放大圖,由圖中標(biāo)出的坐標(biāo)可見(jiàn)相關(guān)函數(shù)的尖峰與互相關(guān)函數(shù)梯度最值之間的零點(diǎn)對(duì)應(yīng)著相同的橫坐標(biāo)。
【參考文獻(xiàn)】:
期刊論文
[1]基于子孔徑的多項(xiàng)式擬合優(yōu)化PACE運(yùn)動(dòng)補(bǔ)償方法[J]. 元棪,李和平. 計(jì)算機(jī)與現(xiàn)代化. 2019(09)
[2]聯(lián)合誤差估計(jì)的機(jī)載超高分辨率SAR成像[J]. 景國(guó)彬,李寧,孫光才,邢孟道. 西安電子科技大學(xué)學(xué)報(bào). 2019(03)
[3]基于二次速度估計(jì)的距離像運(yùn)動(dòng)補(bǔ)償[J]. 王坡,葛俊祥,潘世偉. 雷達(dá)科學(xué)與技術(shù). 2018(06)
本文編號(hào):3240273
本文鏈接:http://sikaile.net/kejilunwen/xinxigongchenglunwen/3240273.html
最近更新
教材專著