一种基于SLIM算法的SAR成像实现方法技术

本发明专利技术公开了一种基于SLIM算法的SAR成像实现方法，包括步骤一：读入相关参数和回波数据，步骤二：根据SAR回波模型，计算出场景中每个点在每个脉冲发射时刻的斜距、方位向包络和每个点的零多普勒时刻，以及每个点在每个脉冲发射时刻、每个距离向采样时刻的距离向包络，步骤三：建立SAR回波数据估计矩阵A，并将回波数据列向量化，步骤四：根据估计矩阵A，运用SLIM估计算法，对列向量化后的回波数据进行迭代运算直至收敛，输出场景目标RCS估计结果。本发明专利技术能够获得地面目标后向散射系数的精确值，同时有效抑制旁瓣能量，提升SAR图像质量，便于SAR图像的判读及后续的进一步应用处理。

【技术实现步骤摘要】
一种基于SLIM算法的SAR成像实现方法
本专利技术属于图像处理领域，涉及一种SAR成像实现方法，特别涉及运用稀疏学习迭代最小化(SLIM)算法的SAR成像实现方法。
技术介绍
合成孔径雷达(SAR)卫星由于不受天气、地理、时间等因素的限制，能够实现全天时、全天候的对地观测，且具有一定的穿透力，因而被广泛的应用于军事侦察、地形测绘、资源探测、海洋观测、生态监测、自然灾害监测、快速救援等方面。和光学雷达不同，SAR系统是通过发射线性调频信号，并接收地面目标反射的回波信号，来完成对地观测。通过后续的成像处理获得对应的雷达图像。因此，与光学雷达相比，SAR系统多一个处理步骤，需要将二维回波数据通过一定的处理算法转换成地面目标的后向散射系数图。随着SAR技术的发展，各种成像方法被不断提出。目前常用的成像算法主要依托于匹配滤波处理来展开，典型的成像处理算法包括距离-多普勒(R-D)算法、ChirpScaling(CS)算法、ωK算法等等。1、距离-多普勒(R-D)算法距离-多普勒(R-D)算法通过距离和方位上的频域操作，达到了高效的模块化处理要求，同时又具有一维操作的简便性。该算法根据距离和方位上的大尺度时间差异，在两个一维操作之间使用距离徙动校正(RCMC)，对距离和方位进行了近似的分离处理。2、ChirpScaling(CS)算法CS成像处理算法是一种精确的成像算法，它通过频域相位补偿完成成像处理，是一种具有良好相位保持特性的成像处理方法。CS算法从原始回波信号入手，精确推导回波信号在距离-多普勒域的表达式，利用CS原理来完成不同距离门距离徙动曲线的修正，通过二维频域内的相位补偿来完成距离徙动校正、距离压缩处理及二次距离脉压，最后通过在方位多普勒域内补偿方位相位和方位向傅立叶逆变换来获得最终的成像处理结果3、ωK算法ωK算法是一种将电磁波传播方式等效成地震波传播方式而导出的一种合成孔径雷达成像算法。在算法的推导过程中没有进行任何近似，是一种优秀的成像算法，具有很高的成像处理精度。由于处理算法在进行变量替换处理过程中需要采用插值处理，这不仅增加了成像处理的运算量，也影响成像处理的精度然而不管是距离-多普勒(R-D)算法、ChirpScaling算法还是ωK算法，均是依托于匹配滤波器来完成图像聚焦。虽然能从回波信号中反演出场景目标的散射系数，但是具有较高的旁瓣。过高的旁瓣能量会淹没图像中的弱目标，降低图像质量，进而影响图像判读。
技术实现思路
本专利技术提出了一种基于SLIM算法的SAR成像实现方法，该成像方法以SAR回波模型为基础，根据SAR雷达与地面场景目标的空间几何关系，建立SAR回波数据估计矩阵，并通过SLIM算法进行迭代计算，完成对SAR回波数据的成像处理，获得地面目标后向散射系数的精细估计结果，并有效抑制旁瓣能量。一种基于SLIM算法的SAR成像实现方法，包括以下几个步骤：步骤一：读入相关参数和回波数据，具体步骤又分为：A、读入成像参数，包括斜距参数、多普勒参数和雷达信号参数：参考斜距Rref、各个距离门y的多普勒中心频率fd,y、各个距离门y的多普勒调频率fr,y、距离向调频率Kr、波长λ、信号采样率fs、脉冲重复频率fprf、脉冲持续时间Tr、雷达速度v、雷达照射中心时刻t0、天线方位向长度La；B、读入SAR回波信号数据Echo和SAR回波大小X×Y(表示Echo为一个X行Y列的数据矩阵)；步骤二：根据SAR回波模型及相关参数，计算出场景中每个点(x,y)在每个脉冲发射时刻ηa的斜距Rx,y(ηa)、方位向包络wa,x,y(ηa)和每个点(x,y)的零多普勒时刻ηc,x,y，以及每个点(x,y)在每个脉冲发射时刻ηa、每个距离向采样时刻τr的距离向包络wr,x,y(ηa,τr)，其中x表示目标位于第x行(方位向)，y表示目标位于第y列(距离向)。A、根据脉冲重复频率fprf、雷达照射中心时刻t0、信号采样率fs、参考斜距Rref，计算第a个脉冲发射时刻ηa和第r个距离门采样时刻τr；ηa＝(a-X/2)/fprf+t0,a＝1,…,X(1a)τr＝(r-Y/2)/fs+2Rref/c,r＝1,…,Y(1b)其中，c为光速，取3×108m/s。B、根据点(x,y)与场景中心位置点的关系以及脉冲重复频率fprf、雷达照射中心时刻t0，计算出点(x,y)的零多普勒时刻ηc,x,y；ηc,x,y＝(x-X/2)/fprf+t0(2)C、根据点(x,y)与场景中心位置点的关系、参考斜距Rref、波长λ、信号采样率fs、其所在距离门y的多普勒中心频率fd,y和fr,y以及其零多普勒时刻ηc,x,y，计算出点(x,y)在每个脉冲发射时刻ηa的斜距Rx,y(ηa)；D、根据雷达速度v、点(x,y)的零多普勒时刻ηc,x,y、其在每个脉冲发射时刻ηa的斜距Rx,y(ηa)、波长λ、天线方位向长度La，计算出点(x,y)在每个脉冲发射时刻ηa的方位向包络wa,x,y(ηa)；wa,x,y_sita(ηa)＝arcsin[v×(ηa-ηc,x,y)/Rx,y(ηa)](4a)其中，arcsin()为反正弦函数，sinc()表示sinc函数。E、根据点(x,y)在每个脉冲发射时刻ηa的斜距Rx,y(ηa)、脉冲持续时间Tr，计算出点(x,y)在每个脉冲发射时刻ηa、每个距离采样时刻τr的距离向包络wr,x,y(ηa,τr)。步骤三：建立回波数据估计矩阵A，并将回波数据列向量化，具体处理过程分别为：A、根据距离向包络wa,x,y(ηa)、方位向包络wr,x,y(ηa,τr)、斜距Rx,y(ηa)、波长λ、距离向调频率Kr、距离采样时刻τr，计算估计矩阵A；矩阵A是一个XY×XY的复数矩阵，矩阵A中的元素A(m,n)方法如下，其中m是行数，n是列数：m＝a+(r-1)×X,a＝1,…,Xr＝1,…,Y(6a)n＝x+(y-1)×X,x＝1,…,Xy＝1,…,Y(6b)A(m,n)＝wa,x,y(ηa)wr,x,y(ηa,τr)(6c)×exp{-j4πRx,y(ηa)/λ}exp{jπKr(τr-2Rx,y(ηa)/c)2}B、将回波数据Echo列向量化，变为echo：回波数据Echo是一个X×Y的数据矩阵，Echo(x,y)是其第x行、第y列的元素；echo是一个XY×1的数据矩阵，echo(m)是其第m行的元素，则m＝x+(y-1)×X,x＝1,…,Xy＝1,…,Y(7a)echo(m)＝Echo(x,y)(7b)步骤四：根据估计矩阵A，运用SLIM估计算法，对列向量化后的回波数据echo进行迭代运算直至收敛，输出场景目标的后向散射系数估计结果。A、根据估计矩阵A和回波数据echo计算场景目标的初始后向散射系数；场景目标的初始后向散射系数αc,0是一个XY×1的复数矩阵，αc,0(m)是其第m行的元素，则αc,0(m)＝A(:,m)Hecho/[A(:,m)HA(:,m)](8)其中A(:,m)是估计矩阵A第m列的所有元素，(·)H表示求共轭矩阵。B、将上一次得到的场景目标的后向散射系数αc,i-1、回波数据echo和估计矩阵A代入SLIM估计算法方程组，计算估算误差值γi，若本次估算误差与上一次迭代中计算得到误差本文档来自技高网...

【技术保护点】
一种基于SLIM算法的SAR成像实现方法，包括以下几个步骤：步骤一：读入成像参数和回波信号数据，具体步骤为：A、读入成像参数，包括斜距参数、多普勒参数和雷达信号参数：参考斜距Rref、各个距离门y的多普勒中心频率fd,y、各个距离门y的多普勒调频率fr,y、距离向调频率Kr、波长λ、信号采样率fs、脉冲重复频率fprf、脉冲持续时间Tr、雷达速度v、雷达照射中心时刻t0、天线方位向长度La；B、读入SAR回波信号数据Echo和SAR回波大小X×Y；步骤二：根据SAR回波模型及相关参数，计算出场景中每个点(x,y)在每个脉冲发射时刻ηa的斜距Rx,y(ηa)、方位向包络wa,x,y(ηa)和每个点(x,y)的零多普勒时刻ηc,x,y，以及每个点(x,y)在每个脉冲发射时刻ηa、每个距离向采样时刻τr的距离向包络wr,x,y(ηa,τr)，其中x表示目标位于第x行，y表示目标位于第y列；步骤三：建立回波数据估计矩阵A，并将回波数据列向量化，具体处理过程为：A、根据距离向包络wa,x,y(ηa)、方位向包络wr,x,y(ηa,τr)、斜距Rx,y(ηa)、波长λ、距离向调频率Kr、距离采样时刻τr，计算估计矩阵A；矩阵A为XY×XY的复数矩阵，矩阵A中的元素A(m,n)方法如下，其中m是行数，n是列数：m＝a+(r‑1)×X, a＝1,…,X r＝1,…,Y    (6a)n＝x+(y‑1)×X, x＝1,…,X y＝1,…,Y     (6b)A(m,n)＝wa,x,y(ηa)wr,x,y(ηa,τr)×exp{‑j4πRx,y(ηa)/λ}exp{jπKr(τr‑2Rx,y(ηa)/c)2}    (6c)B、将回波数据Echo列向量化，变为echo；回波数据Echo为X×Y的数据矩阵，Echo(x,y)是其第x行、第y列的元素；echo是一个XY×1的数据矩阵，echo(m)是其第m行的元素，则m＝x+(y‑1)×X, x＝1,…,X y＝1,…,Y       (7a)echo(m)＝Echo(x,y)            (7b)步骤四：根据估计矩阵A，运用SLIM估计算法，对列向量化后的回波数据echo进行迭代运算直至收敛，输出场景目标的后向散射系数估计结果，最终得到SAR灰度图像。...

【技术特征摘要】
1.一种基于SLIM算法的SAR成像实现方法，包括以下几个步骤：步骤一：读入成像参数和回波信号数据，具体步骤为：A、读入成像参数，包括斜距参数、多普勒参数和雷达信号参数：参考斜距Rref、各个距离门y的多普勒中心频率fd,y、各个距离门y的多普勒调频率fr,y、距离向调频率Kr、波长λ、信号采样率fs、脉冲重复频率fprf、脉冲持续时间Tr、雷达速度v、雷达照射中心时刻t0、天线方位向长度La；B、读入SAR回波信号数据Echo和SAR回波大小X×Y；步骤二：根据SAR回波模型及相关参数，计算出场景中每个点(x,y)在每个脉冲发射时刻ηa的斜距Rx,y(ηa)、方位向包络wa,x,y(ηa)和每个点(x,y)的零多普勒时刻ηc,x,y，以及每个点(x,y)在每个脉冲发射时刻ηa、每个距离向采样时刻τr的距离向包络wr,x,y(ηa,τr)，其中x表示目标位于第x行，y表示目标位于第y列；步骤三：建立回波数据估计矩阵A，并将回波数据列向量化，具体处理过程为：A、根据方位向包络wa,x,y(ηa)、距离向包络wr,x,y(ηa,τr)、斜距Rx,y(ηa)、波长λ、距离向调频率Kr、距离采样时刻τr，计算估计矩阵A；矩阵A为XY×XY的复数矩阵，矩阵A中的元素A(m,n)方法如下，其中m是行数，n是列数：m＝a+(r-1)×X,a＝1,…,Xr＝1,…,Y(6a)n＝x+(y-1)×X,x＝1,…,Xy＝1,…,Y(6b)B、将回波数据Echo列向量化，变为echo；回波数据Echo为X×Y的数据矩阵，Echo(x,y)是其第x行、第y列的元素；echo是一个XY×1的数据矩阵，echo(m)是其第m行的元素，则m＝x+(y-1)×X,x＝1,…,Xy＝1,…,Y(7a)echo(m)＝Echo(x,y)(7b)步骤四：根据估计矩阵A，运用SLIM估计算法，对列向量化后的回波数据echo进行迭代运算直至收敛，输出场景目标的后向散射系数估计结果，最终得到SAR灰度图像。2.根据权利要求1所述的一种基于SLIM算法的SAR成像实现方法，所述步骤二具体步骤为：A、根据脉冲重复频率fprf、雷达照射中心时刻t0、信号采样率fs、参考斜距Rref，计算第a个脉冲发射时刻ηa和第r个距离门采样时刻τr；ηa＝(a-X/2)/fprf+t0,a＝1,…,X(1a)τr＝(r-Y/2)/fs+2Rref/c,r＝1,…,Y(1b)其中，c为光速，取3×108m/s；B、根据点(x,y)与场景中心位置点的关系以及脉冲重复频率fprf、雷达照射中心时刻t0，计算出点(x,y)的零多普勒时刻ηc,x,y；ηc,x,y＝(x-X/2)/fprf+t0(2)C、根据点(x,y)与场景中心位置点的关系、参考斜距Rref、波长λ、信号采样率fs、其所在距离门y的多普勒中心频率fd,y和fr,y以及其零多普勒时刻ηc,x,y，计算出点(x,y)在每个脉冲发射时刻ηa的斜距Rx,y(ηa)；D、根据雷达速度v、点(x,y)的零多普勒时刻ηc,x,y、其在每个脉冲发射时刻ηa的斜距Rx,y(ηa)、波长λ、天线方位向长度La，计算出点(x,y)在每个脉冲发射时刻...

【专利技术属性】
技术研发人员：王鹏波，王家昆，陈杰，门志荣，杨威，
申请(专利权)人：北京航空航天大学，
类型：发明
国别省市：北京;11