本发明专利技术公开了一种多基合成孔径雷达三维成像基线设计方法，首先建立多基合成孔径雷达三维成像几何构型；然后建立多基基线与三维成像观测矩阵的定量关系模型，并引入观测矩阵的互相关系数作为重建性能的评估指标；接着将多基基线设计问题建模为最大互相关系数最优的优化问题；最后利用差分进化算法获得优化设计的多基基线，实现多基SAR高精度三维成像。本发明专利技术的方法以观测矩阵的互相关系数作为重建性能的评估指标，将多基基线设计问题建模为最大互相关系数最优的优化问题，采用差分进化算法获得了优化设计的多基基线，提升了三维重建性能，可以有效地解决多基SAR三维成像时，基线随机非均匀稀疏分布导致重建性能下降的问题。机非均匀稀疏分布导致重建性能下降的问题。机非均匀稀疏分布导致重建性能下降的问题。
【技术实现步骤摘要】
一种多基合成孔径雷达三维成像基线设计方法
[0001]本专利技术属于雷达
，具体涉及一种多基地SAR三维成像的基线分布设计方法。
技术介绍
[0002]合成孔径雷达能够全天候全天时实现高精度探测成像，在遥感领域广为应用。传统二维图像仅具有距离和方位二维分辨率，是真实三维空间向地面投影的结果，严重干扰了真实成像场景的恢复和解译。因此，SAR三维成像一直是研究热点，其引入高度向分辨，能够有效解决三维目标在传统SAR二维图像的严重混叠问题，在地形测绘、形变监测等方面具有巨大的应用潜力。
[0003]现阶段主流SAR三维成像技术主要包括三种典型成像系统，曲线SAR，线阵三维SAR和层析SAR。在文献“Performances of the 3D
‑
SAR imagery，IEEE International Geoscience and Remote Sensing Symposium，vol.4,pp.2267
‑
2271,1994”中，曲线SAR飞行轨迹灵活，但是成像处理复杂，高度分辨率不理想；在文献“Superresolving SAR Tomography for Multidimensional Imaging of Urban Areas:Compressive sensing
‑
based TomoSAR inversion，IEEE Signal Processing Magazine，vol.31,no.4,pp.51
‑
58,July 2014”中，层析SAR通常利用多航过获取第三维分辨能力，且处理相对简单，但是多次飞行时间成本过高，实时处理能力差；在文献“Airborne DLSLA3
‑
D SAR Image Reconstruction by Combination of Polar Formatting and L1 Regularization，IEEE Transactions on Geoscience and Remote Sensing，vol.54,no.1,pp.213
‑
226,Jan.2016”中，线阵三维SAR单次航过即可获取高度分辨能力，但由于机翼长度限制，高层分辨率有限。而多基SAR系统一定程度上克服了上述缺点，它采用多个飞机同时单航过获取高度分辨，在时间成本上和线阵三维SAR相同，同时突破阵列长度的限制，具备高层高分辨的能力。
[0004]在多基三维SAR给三维成像带来新机遇的同时也带来了新的挑战。由于飞机数量和飞行间隔等的限制，其多基基线分布呈现稀疏特性。对于基于压缩感知的三维成像来说，多基的基线分布直接决定观测矩阵，最终影响三维重建的性能。因此设计合理的基线分布对于多基三维SAR成像来说至关重要。
技术实现思路
[0005]本专利技术的目的是针对
技术介绍
存在的缺陷，提出一种多基SAR基线设计方法，解决多基SAR三维成像时，观测矩阵相干性过高导致恢复性能下降的问题，从而提升多基合成孔径雷达三维重建性能。
[0006]本专利技术的技术方案为：一种多基合成孔径雷达三维成像基线设计方法，具体包括如下步骤：
[0007]步骤S0.建立多基合成孔径雷达三维成像几何构型，
[0008]多基地3D成像系统由M架无人机组成，按照一定的基线分布飞行，在垂直于方位和距离平面的方向形成一个孔径，对于第m个无人机，点目标的基带回波为：
[0009][0010]其中，σ0表示目标的散射系数，c是光速，ω
r
表示距离窗口，ω
a
表示方位角窗口，t是快时间变量，η表示慢时间变量，K表示调频率，R
m
(η)是第m个无人机的距离历史；
[0011]通过后向投影算法(BP)算法得到每个无人机的2D图像，在BP之后，第m个无人机的2D图像为：
[0012][0013]其中，ρ(x,y,z)表示位于(x,y,z)位置目标的散射系数，f(x)和f(y)分别为x和y方向的点扩散函数(PSF)，z表示目标高度，h
m
表示第m个无人机的高度，r表示中心距离；
[0014]步骤S1.建立多基SAR基线分布与三维成像观测矩阵的定量关系模型，
[0015]对于多基SAR 3D成像系统，观测矩阵与多基观测几何构型直接相关，在观察场景一定的条件下，基线分布决定了观测矩阵，表示为：
[0016][0017]其中，M表示无人机(基线)数量，N表示高度搜索网格数，f(x)表示基线分布的函数，
[0018][0019]其中，z
n
表示3D成像空间的第n个高度网格，观测矩阵A跟多基基线决策变量x＝(h1,h2,...,h
M
)排布有关；
[0020]步骤S2：引入观测矩阵的互相关系数，
[0021]采用互相关特性作为测量矩阵A的评价指标，观测矩阵的互相关通过下式计算
[0022][0023]其中，a
i
表示为观测矩阵A的第i列，H表示转置运算；
[0024]步骤S3.建模为最大互相关系数的优化问题，
[0025]在高度向网格划分不变的情况下，多基三维成像的观测矩阵由其基线分布决定，
多基SAR基线设计问题其本质就是寻找下列优化问题的最优解：
[0026][0027]可以根据式(3)与(4)的多基几何参数得到A＝f(x)，Q
l
为搜索空间，即多基基线决策变量的取值范围。
[0028]步骤S4.差分进化算法求解优化问题，具体步骤如下：
[0029]S41.随机产生初始种群，
[0030]令遗传代数G＝1，在搜索空间Q
l
中随机生成K个个体组成初始种群G1，令x
i,g
＝(x
1,i,g
,x
2,i,g
,x
3,i,g
,...,x
Dim,i,g
)表示第G
g
代种群中第i个个体，Dim表示搜索空间维数。因此，随机初始化过程可以用下述方程表示：
[0031]x
j,i,1
＝x
j,min
+rand
ij
[0,1]×
(x
j,max
‑
x
j,min
)
ꢀꢀꢀꢀ
(7)
[0032]其中，x
j,i,1
表示第一代种群中第i个个体的第j个变量的值，x
j,min
和x
j,max
分别为搜索空间Q
l
所限定的第j个自变量的最小值和最大值，rand
ij
[0,1]为0到1之间均匀分布的随机数。因此上述初始化过程为在自变量最大值和最小值之间按照均匀分布随机生成一个值赋给对应个体。
[0033]S42.本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种多基合成孔径雷达三维成像基线设计方法，具体包括如下步骤：步骤S0.建立多基合成孔径雷达三维成像几何构型，多基地3D成像系统由M架无人机组成，按照一定的基线分布飞行，在垂直于方位和距离平面的方向形成一个孔径，对于第m个无人机，点目标的基带回波为：其中，σ0表示目标的散射系数，c是光速，ω
r
表示距离窗口，ω
a
表示方位角窗口，t是快时间变量，η表示慢时间变量，K表示调频率，R
m
(η)是第m个无人机的距离历史；通过后向投影算法(BP)得到每个无人机的2D图像，在BP之后，第m个无人机的2D图像为：其中，ρ(x,y,z)表示位于(x,y,z)位置目标的散射系数，f(x)和f(y)分别为x和y方向的点扩散函数(PSF)，z表示目标高度，h
m
表示第m个无人机的高度，r表示中心距离，；步骤S1.建立多基SAR基线分布与三维成像观测矩阵的定量关系模型，对于多基SAR 3D成像系统，观测矩阵与多基观测几何构型直接相关，在观察场景一定的条件下，基线分布决定了观测矩阵，表示为：其中，M表示无人机(基线)数量，N表示高度搜索网格数，f(x)表示基线分布的函数，其中，z
n
表示3D成像空间的第n个高度网格，观测矩阵A跟多基基线决策变量x＝(h1,h2,...,h
M
)排布有关；步骤S2：引入观测矩阵的互相关系数，采用互相关特性作为测量矩阵A的评价指标，观测矩阵的互相关通过下式计算其中，a
i
表示为观测矩阵A的第i列，H表示转置；步骤S3.建模为最大互相关系数的优化问题，
多基SAR基线设计问题其本质就是寻找下列优化问题的最优解：根据式(3)与(4)的多基几何参数得到A＝f(x)，Q
l
为搜索空间。步骤S4.差分进化算法求解优化问题，具体步骤如下：S41.随机产生初始种群，令遗传代数G＝1，在搜索空间Q
l
中随机生成K个个体组成初始种群G1，令x
i,g
＝(x
1,i,g
,x
2,i,g
,x
3,i,g
,...,x
Dim,i,g
)表示第G
g
代种群中第i个个体，Dim表示搜索空间维数。因此，随机初始化过程可以用下述方程表示：x
j,i,1
＝x
j,min
+rand
ij
[0,1]
×
(x
【专利技术属性】
技术研发人员：安洪阳，王朝栋，李皓予，任航，武俊杰，孙稚超，李中余，杨建宇，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。