第五讲-RD与CS成像算法

-10
-10 Magnitude (dB)
4600 4700 4800 4900 Range Direction 5000 5100
-20
-20
-30
-30
-40 4500
-40 4400 4600 4800 5000 Azimuth Direction 5200
8
电子科技大学
2013.04.18
5.1 RD成像算法—仿真实验
5.2 CS成像算法—算法流程
调频变标函数：
2 ⎧ ⎪ ⎪ ⎡ 2 ⎤⎫ Φ1 (τ, fη;rref ) = exp⎨ jπKs ( fη; r) Cs ( fη ) ⎢τ − Rf ( fη; rref )⎥ ⎬ ⎣ c ⎦⎭ ⎪ ⎪ ⎩
距离向处理函数：
⎧ ⎫ fτ 2 ⎪ ⎪ Φ 2 ( fτ ; fη ; rref ) = exp ⎨ jπ ⎬ ⎡ ⎤ + ; 1 K f r C f ⎪ ⎪ s ( η ref ) ⎣ s ( η )⎦ ⎭ ⎩ ⎡ 4π ⎤ Cs ( fη ) rref fτ ⎥ × exp ⎢ j ⎣ c ⎦
5.1 RD成像算法—仿真实验
正侧视点目标仿真实验结果：
700
Azimuth Direction
650
600
550
500 540
560
580 600 620 Range Direction
640
660
7
电子科技大学
2013.04.18
5.1 RD成像算法—仿真实验
正侧视点目标仿真实验结果：
0
0
Magnitude (dB)
CS算法仿真总结:
` `
CS算法在一般场景的正侧视与小斜视的效果较好 图像性能评估是检验SAR成像算法性能优劣的重要标准
电子科技大学 2013.04.18
22
总结
RD & CS算法都是快速SAR的频域处理方法，理论上 在较大场景和斜视情况下，后者的处理效果优于前者； 不同的SAR频域成像算法主要区分在于距离徙动校正方 法的不同； SAR频域成像算法关键点： 距离历史表达式；频域的推导；距离徙动校正方法
SAR成像理论与Matlab仿真
张顺生 电子科学技术研究院
第五讲 RD与CS成像算法

距离-多普勒(RD)成像算法

距离徙动 算法流程 仿真实验

线性调频变标(CS)成像算法

Chirp Scaling原理 算法流程 仿真实验
电子科技大学 2013.04.18
2
5.1 RD成像算法—距离徙动
方位向处理函数：
⎡ 2π ⎛ ⎤ λ 2 fη 2 ⎞ Φ3 (τ , fη ; r ) = exp ⎢ j − 1⎟ − jθΔ ( fη ; r ) ⎥ cτ ⎜ 1 − 2 ⎟ 4v ⎢ λ ⎜ ⎥ ⎝ ⎠ ⎣ ⎦
电子科技大学 2013.04.18
CS算法流程图
15
5.2 CS成像算法—仿真实验
5.2 CS成像算法—仿真实验
正侧视点目标仿真实验：
650 Azimuth Direction
600
550
550
600 Range Direction
650
17
电子科技大学
2013.04.18
5.2 CS成像算法—仿真实验
正侧视点目标仿真实验：
0 0
-10 Magnitude (dB) Magnitude (dB)
RD算法仿真总结:
` `
RD算法在较小场景的正侧视与小斜视的效果较好 成像性能的分析以及评估是仿真必不可少的步骤
电子科技大学 2013.04.18
12
5.2 CS成像算法—Chirp Scaling原理
假设有一个线性调频发射脉冲，解调后的理想点目标接收信号为：
⎛ τ −τ a s0 (τ ) = rect ⎜ ⎝ Tr
13 电子科技大学 2013.04.18
5.2 CS成像算法—Chirp Scaling原理
随距离线性变化的偏移
距 离 频 率
变标后 信号
f sc
原始 信号
τ' =0
变标方程
τ b'
操 作 后 总 带 宽
f sc
' τa
时间 τ
'
' Δτ (τ b )
线性调频变标效应
14 电子科技大学 2013.04.18
450 400 Azimuth direction 350 300 250 200 150 100 150 200 250 300 Range direction 350
19
电子科技大学
2013.04.18
5.2 CS成像算法—仿真实验
斜视点目标仿真实验：
0 -5 Magnitude (dB) Magnitude (dB) -10 -15 -20 -25 -30 -35 1800 1900 2000 2100 2200 Range Direction 2300 -5 -10 -15 -20 -25 -30 -35 1600 1800 2000 2200 Azimuth Direction 2400
系统仿真参数:
雷达平台飞行高度 工作频段 波束俯仰角 波束斜视角 脉冲重复频率(PRF) 速度 发射脉冲宽度 方位向分辨率 距离向分辨率 测绘带宽度 测绘带长度
6
3km 10GHz 45度 0度/5度 400Hz 200m/s 10us 1m 1m 500m 200m
电子科技大学 2013.04.18
20
电子科技大学
2013.04.18
5.2 CS成像算法—仿真实验
成像结果评估：
range
PSLR Side-looking Squint-looking -13.27 -13.24 ISLR -9.76 -9.84
azimuth
PSLR -13.25 -13.25 ISLR -9.81 -9.99
azimuth
PSLR -13.25 -13.26 ISLR -9.81 -9.99
PSLR ：peak sidelobe ratio ISLR ：integrated sidelobe ratio
11 电子科技大学 2013.04.18
5.1 RD成像算法—小结
RD算法总结:
` `
RD算法是SAR成像的一种快速的频域处理方法； RD算法的关键点在于距离徙动校正
-10
-20
-20
-30
-30
-40
-40 1600 1800 2000 2200 Azimuth Direction 2400
10
电子科技大学
2013.04.18
5.1 RD成像算法—仿真实验
成像结果评估：
range
PSLR Side-looking Squint-looking -13.26 -13.25 ISLR -9.75 -9.86
斜视点目标仿真实验结果：
400 350 Azimuth direction 300 250 200 150 100 200 250 300 Range direction 350
9
电子科技大学
2013.04.18
5.1 RD成像算法—仿真实验
斜视点目标仿真实验结果：
0 0
-10 Magnitude (dB) Magnitude (dB) 1800 1900 2000 2100 Range Direction 2200 2300
系统仿真参数:
雷达平台飞行高度 工作频段 波束俯仰角 波束斜视角 脉冲重复频率(PRF) 速度 发射脉冲宽度 方位向分辨率 距离向分辨率 测绘带宽度 测绘带长度
16
3km 10GHz 45度 0度/5度 400Hz 200m/s 10us 1m 1m 500m 200m
电子科技大学 2013.04.18
距离匹配函数：
⎛ ⎞ 1 2 H 22 = exp ⎜ ⎜ jπ r ( f , R ) f r ⎟ ⎟ e a s ⎝ ⎠
方位匹配函数：
⎛ 2π H 3 = exp ⎜ j RB ⎝ v
RD算法流程图
5 电子科技大学
⎞ 2 − f a2 ⎟ f aM ⎠
2013.04.18
5.1 RD成像算法—仿真实验
-10
-20
-20
-30
-30
-40 4500
-40 4600 4700 4800 4900 Range Direction 5000 5100 4400 4600 4800 5000 Azimuth Direction 5200
18
电子科技大学
2013.04.18
5.2 CS成像算法—仿真实验
斜视点目标仿真实验：
Z
v
γ
r0
φ
R (η , r )
r
根据几何关系，可得点目标与雷 达平台瞬时斜距为：
R(η , r ) = r 2 + ( vη ) − 2rvη sin φ
2
Y O P
在η = 0附近作泰勒级数展开，省 略三次项以上的高次项得到：
v 2 cos 2 φ 2 η R ≈ R0 − v sin φη + 2r
PSLR ：peak sidelobe ratio ISLR ：integrated sidelobe ratio
21 电子科技大学 2013.04.18
5.2 CS成像算法—小结
CS算法总结:
` `
CS算法也是SAR成像的一种近乎完美的频域处理方法 CS算法的关键点是确定变标因子，进而完成距离徙动校正
⎞ 2 ⎟ exp jπ K r (τ − τ a ) ⎠
{
}
脉冲压缩可通过频域滤波器实现，表达式为：
⎛ fτ H ( fτ ) = rect ⎜ ⎝ Fr
⎞ ⎧ fτ2 ⎫ ⎬ ⎟ exp ⎨ jπ K ⎠ ⎩ r ⎭
若点目标被人为压缩至稍微偏离零频位置的点，则需要考虑以下 情况:(1) 简单的常量偏移；(2) 较为复杂的随距离线性变化的线性偏 移。
23 电子科技大学 2013.04.18
பைடு நூலகம்
The End
.
X
成像几何模型
第一项为距离常量，第二项为距 离走动，第三项为距离弯曲。
3
电子科技大学
2013.04.18
5.1 RD成像算法—距离徙动
存在距离弯曲时回波示意图
4 电子科技大学 2013.04.18
5.1 RD成像算法—算法流程
距离徙动校正函数：
⎛ 2π Rs H 21 = exp ⎜ j ( f a / f aM ) f r ⎞ ⎟ c ⎝ ⎠