面向条带SAR的多孔径图像偏移自聚焦算法

发布时间：2021-06-21 07:36

　　本文提出了一种能够用于机载条带式合成孔径雷达（SAR）运动误差估计的多孔径图像偏移自聚焦算法。首先,将条带SAR数据分割为有重叠的估计子块,各个子块又分为具有重叠场景的多个子孔径,并通过后向投影算法在距离多普勒域构建子孔径图像;然后,对各个子孔径图像进行互相关处理,在分析影响互相关函数的因素的基础上,给出了求解各子图像之间的重叠场景相对偏移的方法;最后,给出了子块内的误差估计方法与子块间的误差拼接方法。对实际数据的处理结果表明,所提算法能够精确且鲁棒地估计机载条带SAR的运动误差。 

【文章来源】：雷达科学与技术. 2020,18(05)北大核心

【文章页数】：6 页

【部分图文】：

机载SAR的观测几何模型

为了提高数据处理效率，在SAR的成像处理中每次需要处理多个合成孔径长度的数据。SMAM算法的第一步是沿方位向分割数据，如图2所示，SMAM算法中数据分割分为两步。如图2(a）所示，SMAM算法首先将数据沿方位向分割为多个估计子块。如图2(b）所示，每个SMAM估计子块之后又被分为多个方位向子孔径，每个方位向子孔径对应的时间长度在一秒左右[4]。图2(b）给出的是子孔径数目为4时的情况，由于每个SMAM估计子块的长度小于一个合成孔径时间，因此每个子孔径数据对应的场景范围均有重叠的部分。图2(b）以第一个子孔径为例给出了其与其他子孔径之间的重叠场景（SOL p(,q）表示第p个和第q个子孔径间重叠场景的长度），可见重叠场景的方位向长度随着子孔径之间距离的增大而减小，而相邻子孔径之间的重叠场景范围最大。2.2 子孔径成像

式中，Iqf(a，τ；i）表示第q个子孔径图像沿方位向圆周位移i个像素时的二维幅值函数。图4给出了本文第3节所处理真实SAR数据的互相关函数，互相关函数的整体下降趋势是由于子图像天线方向图随着圆周位移相关性下降造成的。当子图像间的两个子图像的重叠场景处于相同的方位向位置，其互相关函数中会均为出现一个尖峰，图4中互相关函数的梯度函数如图5所示，图5中各梯度函数的最大值和最小值分别对应互相关函数中尖峰两侧的“陡坡”。位于“陡坡”顶端的尖峰是函数的极值，其对应的梯度值为零，所以可以通过测量互相关函数梯度的最大值和最小值之间的零点来自动获取子图像间场景的偏移量。以第一幅与第五幅子图像互相关函数为例，图4和图5分别在右上角给出了其互相关函数的尖峰附近以及互相关函数梯度最值之间的零点附近的放大图，由图中标出的坐标可见相关函数的尖峰与互相关函数梯度最值之间的零点对应着相同的横坐标。

【参考文献】：
期刊论文
[1]基于子孔径的多项式拟合优化PACE运动补偿方法[J]. 元棪,李和平.  计算机与现代化. 2019(09)
[2]联合误差估计的机载超高分辨率SAR成像[J]. 景国彬,李宁,孙光才,邢孟道.  西安电子科技大学学报. 2019(03)
[3]基于二次速度估计的距离像运动补偿[J]. 王坡,葛俊祥,潘世伟.  雷达科学与技术. 2018(06)



本文编号：3240273