一种斜视聚束sar成像的频域自聚焦方法
阅读说明：本技术 一种斜视聚束sar成像的频域自聚焦方法 (Frequency domain self-focusing method for strabismus bunching SAR imaging ) 是由 邢孟道 楼屹杉 林浩 孙光才 于 2021-07-21 设计创作，主要内容包括：本发明公开了一种斜视聚束SAR成像的频域自聚焦方法,包括：获取雷达的回波数据并进行脉冲压缩处理,以完成目标在距离向的聚焦；采用扩展Omega-K算法对脉冲压缩后的回波数据进行成像,并将得到的粗聚焦图像划分为若干粗聚焦子图像；将所述粗聚焦子图像变换到相位历程域,得到一维方位相位误差；将所述一维方位相位误差映射为二维频域相位误差；利用所述二维频域相位误差对所述粗聚焦子图像进行运动补偿,得到补偿后的子图像二维频域数据；对所述补偿后的子图像二维频域数据进行相位移动,得到聚焦的子图像；对所述聚焦的子图像进行迭代拼接,得到精聚焦图像。本发明提供的自聚焦方法解决了现有自聚焦算法不能适用于斜视聚束模式的问题,同时可估计得到更精确的运动误差,使图像聚焦更精确。(The invention discloses a frequency domain self-focusing method for strabismus bunching SAR imaging, which comprises the following steps: acquiring echo data of a radar and performing pulse compression processing to finish focusing of a target in a distance direction; imaging the echo data after pulse compression by adopting an extended Omega-K algorithm, and dividing the obtained rough focusing image into a plurality of rough focusing sub-images; converting the coarse focusing sub-image into a phase process domain to obtain a one-dimensional azimuth phase error; mapping the one-dimensional azimuth phase error into a two-dimensional frequency domain phase error; performing motion compensation on the coarse focusing sub-image by using the two-dimensional frequency domain phase error to obtain compensated sub-image two-dimensional frequency domain data; performing phase shift on the compensated two-dimensional frequency domain data of the subimages to obtain focused subimages; and carrying out iterative splicing on the focused sub-images to obtain a fine focusing image. The self-focusing method provided by the invention solves the problem that the existing self-focusing algorithm cannot be suitable for an oblique-view bunching mode, and can estimate more accurate motion error to enable the image focusing to be more accurate.)
技术领域
本发明属于雷达成像技术领域，具体涉及一种斜视聚束SAR成像的频域自聚焦方法。
背景技术
SAR(Synthetic Aperture Radar，合成孔径雷达)是一种主动式的对地观测系统，可安装在飞机、卫星或宇宙飞船等飞行平台上，全天时、全天候地对地表进行观测，具有一定的地表穿透能力。因此，SAR系统在灾害监测、环境监测、海洋监测、资源勘探、农作物估产、测绘和军事等方面的应用上具有独特的优势。
SAR观测目标通常需要传感器工作在斜视聚束模式下，由于二次距离压缩项的严重空变特性，使得很难用传统成像算法校正距离单元徙动。传统的Omega-K算法是一种理想的距离徙动校正算法，能够通过Stolt插值校正空变的二次距离压缩。然而，在斜视模式下，现有Omega-K算法的频谱支撑区受限，因而会导致图像分辨率的损失，影响图像聚焦精度。此外，在机载SAR中，运动误差对成像的影响也不容忽视，而一般的运动补偿基于惯性导航系统，但是其精确性可能不能达到预期要求。
综上，现有的聚焦算法易受运动误差的方位空变特性和线性误差的影响，不能很好地适用于斜视模式，且聚焦精度较低。
发明内容
为了解决现有技术中存在的上述问题，本发明提供了一种斜视聚束SAR成像的频域自聚焦方法。本发明要解决的技术问题通过以下技术方案实现：
一种斜视聚束SAR成像的频域自聚焦方法，包括：
获取雷达的回波数据并进行脉冲压缩处理，以完成目标在距离向的聚焦；
采用扩展Omega-K算法对脉冲压缩后的回波数据进行成像，并将得到的粗聚焦图像划分为若干粗聚焦子图像；
将所述粗聚焦子图像变换到相位历程域，得到一维方位相位误差；
将所述一维方位相位误差映射为二维频域相位误差；
利用所述二维频域相位误差对所述粗聚焦子图像进行运动补偿，得到补偿后的子图像二维频域数据；
对所述补偿后的子图像二维频域数据进行相位移动，得到聚焦的子图像；
对所述聚焦的子图像进行迭代拼接，得到精聚焦图像
在本发明的一个实施例中，所述回波数据表示为：
ss(r,x)＝δr(r)·δa(x-xc)·exp(-jKrc·[Ri(x,xn,yn)+Δr(x,xn,yn)])
其中，ss(r,x)表示回波数据，δr和δa分别表示距离向包络和方位向包络，Krc＝4πfc/c表示距离向中心频率，fc为信号载频，c为光速，为天线相位中心到目标的理想瞬时斜距，(x,y,H)为方位时刻机载SAR天线相位中心在理想轨迹的位置，Δr(x,xn,yn)为天线相位中心到目标的误差斜距。
在本发明的一个实施例中，采用扩展Omega-K算法对脉冲压缩后的回波数据进行成像，并将得到的粗聚焦图像划分为若干粗聚焦子图像，包括：
依次对脉冲压缩后的回波数据进行匹配滤波处理、Stolt插值处理以及剩余相位补偿处理，得到二维时域粗聚焦图像；
对所述粗聚焦图像进行划分，得到若干粗聚焦子图像。
在本发明的一个实施例中，在将所述粗聚焦子图像变换到相位历程域之前，还包括：
对所述粗聚焦子图像乘以方位相位偏移函数，以使各目标的相位误差对齐，得到误差对齐的图像数据。
在本发明的一个实施例中，所述方位相位偏移函数表示为g(Ky,x)，其表达式为：
其中，Ky表示Stolt插值后的距离频率，r表示距离，θ0表示视角，xn表示方位位置向量，xref表示参考方位位置。
在本发明的一个实施例中，将所述粗聚焦子图像变换到相位历程域，得到一维方位相位误差，包括：
对所述误差对齐的图像数据进行距离傅里叶逆变换和方位傅里叶变换，以将其变为相位历程域数据；
根据所述相位历程域数据估计一维方位相位误差。
在本发明的一个实施例中，将所述一维方位相位误差映射为二维频域相位误差，包括：
根据映射关系将所述一维方位相位误差映射为二维频域相位误差；其中，所述映射关系表示为：
其中，表示二维频域相位误差，ΔKy＝Ky-Kyc表示距离频率和距离中心频率的差值，Kx表示方位频率，表示方位相位误差和二维相位误差的关系映射变量，表示估计的正确的方位相位误差。
在本发明的一个实施例中，利用所述二维频域相位误差对所述粗聚焦子图像进行运动补偿，得到补偿后的子图像二维频域数据，包括：
将所述粗聚焦子图像在二维频域上乘以所述二维频域相位误差，得到运动补偿后的子图像二维频域数据。
在本发明的一个实施例中，对所述补偿后的子图像二维频域数据进行相位移动，得到聚焦的子图像，包括：
将所述子图像二维频域数据变换到距离频域-方位时域，并对变换后的数据乘以所述方位相位偏移函数的共轭函数，以使各目标相位移动到初始位置，得到聚焦的子图像。
在本发明的一个实施例中，对聚焦的子图像进行迭代和拼接得到精聚焦的图像，包括：
将聚焦的子图像经过迭代得到精聚焦的子图像；
将所述精聚焦的子图像在空间域相应的位置进行拼接，得到精聚焦图像。
本发明的有益效果：
本发明提供的斜视聚束SAR成像的频域自聚焦方法通过采用扩展Omega-K算法得到若干粗聚焦子图像，并对其进行频移和一维方位相位误差估计，再利用映射关系得到二维相位误差，补偿相位误差后通过迭代得到精聚焦的图像，解决了现有自聚焦算法不能适用于斜视聚束模式的问题，同时可估计得到更精确的运动误差，使图像聚焦更精确。
以下将结合附图及实施例对本发明做进一步详细说明。
附图说明
图1是本发明实施例提供的一种斜视聚束SAR成像的频域自聚焦方法流程图；
图2是本发明实施例提供的用扩展Omega-K对三个目标的成像结果；
图3是本发明实施例提供的方位相位偏移后的三个目标二维频域结果；
图4是采用本发明的方法处理后的成像结果。
具体实施方式
下面结合具体实施例对本发明做进一步详细的描述，但本发明的实施方式不限于此。
实施例一
请参见图1，图1是本发明实施例提供的一种斜视聚束SAR成像的频域自聚焦方法流程图，具体包括：
步骤1、获取雷达的回波数据并进行脉冲压缩处理，以完成目标在距离向的聚焦。
本实施例中，雷达的回波数据为LFM(linear frequency modulation，线性频率调制)信号。
具体的，步骤1包括：
步骤1.1、构建与方位时间相关的斜距；
该斜距表示的是机载SAR天线相位中心与目标之间带有运动误差的瞬时斜距，其表达式为：
其中，R表示机载SAR天线相位中心到目标的斜距，(x,y,H)为方位时刻机载SAR天线相位中心在理想轨迹的位置，(Δx,Δy,Δz)为方位时刻机载SAR天线相位中心实际轨迹偏离理想轨迹的距离，(xn,yn)为目标位置，为天线相位中心到目标的理想瞬时斜距，Δr(x,xn,yn)为天线相位中心到目标的误差斜距。
步骤1.2、构建回波数据模型，其包括机载SAR天线相位中心与目标之间的瞬时斜距，并对回波数据进行脉冲压缩，具体表示为：
ss(r,x)＝δr(r)·δa(x-xc)·exp(-jKrc·[Ri(x,xn,yn)+Δr(x,xn,yn)])
其中，ss代表回波数据，δr和δa分别代表距离向包络和方位向包络，Krc＝4πfc/c代表距离向中心频率，fc为信号载频，c为光速。
步骤2、采用扩展Omega-K算法对脉冲压缩后的回波数据进行成像，并将得到的粗聚焦图像划分为若干粗聚焦子图像。
在本实施例中，用扩展Omega-K算法成像包括依次对对脉冲压缩后的回波数据进行匹配滤波处理、Stolt插值处理以及剩余相位补偿处理，得到二维时域粗聚焦图像，具体如下：
步骤2.1、利用与距离向频率和方位向频率相关的匹配滤波函数对脉冲压缩后的回波数据进行匹配滤波处理。
首先，构建与距离向频率和方位向频率相关的匹配滤波函数。
具体而言，将进行脉冲压缩处理后的数据变换到二维频域，在二维频域中乘上匹配滤波函数H1，使得所有点目标的距离单元徙动在参考距离上得到校正。其中，匹配滤波函数H1的表达式为：
其中，Rs代表参考距离，θ0代表斜视角，Kr＝Krc+ΔKr代表距离频率，ΔKr∈[-2πγTp/c,2πγTp/c]代表目标距离频率与距离中心频率差值，γ代表调频率，Tp表示脉冲宽度，Kx表示方位频率。
然后，利用该函数对脉冲压缩后的回波数据进行匹配滤波处理，得到匹配滤波后的数据。
步骤2.2、对匹配滤波后的数据进行更改Stolt插值。
具体而言，Stolt插值映射关系表达式为：
其中ΔKy代表Stolt插值后的距离频率。
利用上述插值映射关系对匹配滤波后的数据进行处理，得到插值后的数据
步骤2.3、对Stolt插值后的数据补偿额外相位，得到粗聚焦图像。
具体而言，Stolt插值后会引入一个额外相位，将数据变换到距离-多普勒域并在方位向乘上一个相位H2，将方位处理后的数据进行方位傅里叶逆变换，得到二维时域粗聚焦图像。其中相位H2的表达式为：
其中RB代表距离。
最后，对得到的粗聚焦图像进行划分，得到若干粗聚焦子图像。
步骤3、将粗聚焦子图像变换到相位历程域，得到一维方位相位误差。
由于各目标的方位位置不同导致目标方位频率中心不相同，估计误差需要各目标相位对齐。因此，在将粗聚焦子图像变换到相位历程域之前，还包括：
步骤x：对粗聚焦子图像乘以方位相位偏移函数，以使各目标的相位误差对齐，得到误差对齐的图像数据。
具体的，将粗聚焦子图像数据进行距离向傅里叶变换乘上一个相位偏移函数g(Ky,x)，使各目标的方位频率中心移动到参考频率中心。相位频移函数g(Ky,x)的表达式为：
其中，Ky代表Stolt插值后的距离频率，r代表距离，θ0代表斜视角，xn代表方位位置向量，xref代表参考方位位置。
然后，将误差对齐后的图像变换到相位历程域，估计得到一维方位相位误差。
具体而言，在二维频域中二维相位误差具有严重的二维耦合特性，很难估计正确的二维相位误差。由于二维相位误差和一维方位相位误差之间有特殊的结构，因此可以把二维相位误差估计变成简单的一维方位相位误差估计。把误差对齐后的图像数据进行距离傅里叶逆变换和方位傅里叶变换，变为相位历程域数据估计得到一维方位相位误差。
步骤4、将一维方位相位误差映射为二维频域相位误差。
在本实施例中，主要按照一定的映射关系将一维方位相位误差映射为二维频域相位误差，映射关系表示为：
其中，ΔKy＝Ky-Kyc代表距离频率和距离中心频率的差值，代表方位相位误差和二维相位误差的关系映射变量。代表估计的正确的方位相位误差。
步骤5、利用二维频域相位误差对粗聚焦子图像进行运动补偿，得到补偿后的子图像二维频域数据。
具体地，将粗聚焦子图像在二维频域上乘以上述二维频域相位误差，得到运动补偿后的子图像二维频域数据。
更具体地，将相位历程域的数据做距离向傅里叶变换得到二维频域数据，在二维频域乘上步骤4得到的二维频域相位误差，使得由于运动误差导致的相位误差得到补偿。
步骤6、对补偿后的子图像二维频域数据进行相位移动，得到聚焦的子图像。
在本实施例中，将子图像二维频域数据变换到距离频域-方位时域，并对变换后的数据乘以上述方位相位偏移函数的共轭函数，以使各目标相位移动到初始位置，得到聚焦的子图像。
具体地，首先将补偿二维相位误差后的数据做方位向傅里叶变换，得到距离频域-方位时域的数据；然后乘上g(Ky,x)的共轭函数，将各目标的方位频率中心从参考位置移动回初始位置；最后将所得数据进行方位向傅里叶变换，得到二维时域的聚焦的子图像。
步骤7、对聚焦的子图像进行迭代拼接，得到精聚焦图像。
首先，将聚焦的子图像经过迭代得到精聚焦的子图像。
具体地，距离向散焦影响方位相位估计，将聚焦的子图像重复二次或三次上述的方位相位移动、误差估计和距离补偿等步骤，得到精聚焦的子图像。
然后，将精聚焦的子图像在空间域相应的位置进行拼接，得到精聚焦图像。
本实施例提供的斜视聚束SAR成像的频域自聚焦方法通过对雷达回波数据进行脉冲压缩处理，并根据惯性导航系统用扩展Omega-K在二维时域得到粗聚焦图像，在空间域划分为若干粗聚焦子图像；利用方位相位偏移函数，将各目标的方位相位中心搬移到参考位置，使各目标的相位误差对齐；然后将复杂的二维相位误差转变为一维方位相位误差估计；根据映射关系将一维方位相位误差转变为二维相位误差，并在二维频率补偿相位误差，得到聚焦的子图像；用迭代的方式对子图像进行相位误差估计，并在空间域拼接实现图像的精聚焦。该方法能够更好地适用于斜视聚束模式，可以提高图像的精确度。
实施例二
为了验证本发明提供的斜视聚束SAR成像的频域自聚焦方法的有效性，可以通过以下仿真实验进行说明。
仿真1：
1.1试验条件：
请参见表1，表1为本发明实施例仿真实验中机载斜视聚束SAR平台的主要参数。
表1机载SAR平台仿真参数
1.2试验内容
本实施例以三个目标为例，采用表1所述参数，建立成像模型，加入运动误差，进而构建回波数据并执行成像与运动误差补偿步骤。
1.3试验结果及分析：
请参见图2，图2是本发明实施例提供的用扩展Omega-K对三个目标的成像结果。从图2中可以看出，三个点目标均未聚焦。
请参见图3，图3是本发明实施例提供的方位相位偏移后的三个目标二维频域结果。由图3可以看出，三个点目标的方位相位中心都在参考位置，使得它们的波束支撑区对齐。
请参见图4，图4是采用本发明的方法处理后的成像结果，三个点目标的聚焦结果。三个点目标都得到精确聚焦。
仿真2：
本次仿真以点目标a和b为例对采用斜视相位梯度算法与本发明频域自聚焦方法分别得到的分辨率性能进行比较分析。请参见表2，表2为采用斜视相位梯度算法与本发明频域自聚焦方法分别得到的分辨率性能。
表2
由表2可知，使用斜视相位梯度算法所得到的目标a、b的PSLR(peak side loberatio，峰值旁瓣比)和ISLR(integration side lobe rate，积分旁瓣比)绝对值小于使用本发明频域自聚焦方法得到的目标a、b的PSLR和ISLR。说明使用本发明频域自聚焦方法得到的点目标旁瓣比使用斜视相位梯度算法的点目标旁瓣低，聚焦效果更好。
综上所述，本发明能够更好地适用于斜视聚束SAR，并进行精聚焦成像。
以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演或替换，都应当视为属于本发明的保护范围。