实测数据处理(RD算法处理)——SAR成像算法系列(十)

news2024/9/23 17:48:47

系列文章目录

《SAR学习笔记-SAR成像算法系列(一)》

《距离多普勒算法(RDA)-SAR成像算法系列(三)》


文章目录

一、算法流程

1.1、回波信号生成

1.2、 距离脉冲压缩

1.3、距离徙动校正

1.4、方位脉冲压缩

1.5、SAR成像

二、仿真实验

2.1、仿真参数

2.2、RD处理结果

三、实测处理

总结


前言

       前面介绍了各种SAR成像算法,下面将介绍如何用各SAR成像算法处理实测数据。本文将用RD算法处理实测数据。


一、算法流程

1.1、回波信号生成

       接收的回波信号经过下变频得:

r\left ( \tau ,t \right )=\sigma w_{a}\left ( t-t_{c}\right )w_{r}\left ( \tau -\frac{2R\left ( t \right )}{c} \right )e^{-j\frac{4\pi f_{0}R\left ( t \right )}{c}}e^{j\pi K\left ( \tau-\frac{2R\left ( t \right )}{c} \right )^{2}}

其中t_{c}​为波束中心经过目标的时刻,R\left ( t \right )=\sqrt{R_{0}^{2}+V^{2}\left ( t-t_{0} \right )^{2}}​,t_{0}​为零多普勒时刻,R_{0}​为对应的距离。

       假设发射的脉冲为宽度为T_{p}​的矩形脉冲,则信号在距离向的范围函数为:

w_{r}\left ( \tau \right )=rect\left ( \frac{\tau }{T_{p}} \right )

       假设天线的方向图为p\left ( \theta \right )​,雷达与目标的斜视角变化函数为\theta \left ( t \right )​,则信号在方位向的范围函数为:

w_{a}\left ( t \right )=p^{2}\left ( \theta \left ( t \right ) \right )\approx rect\left ( \frac{t }{T_{sym}} \right )

       r\left ( \tau ,t \right )的距离多普勒表达式为:

r_{1}\left ( \tau ,f_{t} \right )=\sigma W_{a}\left ( f_{t}-f_{dop} \right )w_{r}\left (\frac{1}{1-KZ} \left ( \tau -\frac{2R_{0}}{cD\left ( f_{t},V \right )} \right ) \right )e^{-j2\pi f_{t}t_{0}}e^{-j\frac{4\pi R_{0}D\left ( f_{t},V \right )f_{0}}{c}}e^{j\pi K_{m}\left ( K,R_{0}, f_{t}\right )\left ( \tau-\frac{2R_{0}}{cD\left ( f_{t},V \right )} \right )^{2}}

其中

W_{a}\left (f_{t} \right )=w_{a}\left ( \frac{-cR_{0}f_{t}}{2\left ( f_{0}+f_{\tau } \right )V^{2}D\left ( f_{t},f_{\tau },V \right )} \right )

K_{m}\left ( K,R_{0}, f_{t}\right )=\frac{K}{1-ZK}

Z=\frac{cR_{0}f_{t}^{2}}{2V^{2}f_{0}^{3}D^{3}\left ( f_{t},V \right )}

        从表达式可以看出,不同R_{0}​下接收的脉冲信号调频率K_{m}​不同。一般成像区域R_{0}​相对变化不大,近似认为不变(与相位有关的R_{0}​还是认为是变量的,因此相位对距离敏感),因此可以认为:

K_{m}\left ( K,R_{0}, f_{t}\right )=K_{m}\left ( K, f_{t}\right )

 由此,

r_{1}\left ( \tau ,f_{t} \right )=\sigma W_{a}\left ( f_{t}-f_{dop} \right )w_{r}\left (\frac{1}{1-KZ} \left ( \tau -\frac{2R_{0}}{cD\left ( f_{t},V \right )} \right ) \right )e^{-j2\pi f_{t}t_{0}}e^{-j\frac{4\pi R_{0}D\left ( f_{t},V \right )f_{0}}{c}}e^{j\pi K_{m}\left ( K, f_{t}\right )\left ( \tau-\frac{2R_{0}}{cD\left ( f_{t},V \right )} \right )^{2}}

1.2、 距离脉冲压缩

r_{1}\left ( \tau ,f_{t} \right )在距离频域-方位频域上的表达式:

r_{2}\left ( f_{\tau} ,f_{t} \right )=\sigma W_{a}\left ( f_{t}-f_{dop} \right )W_{r}\left ( f_{\tau} \right )e^{-j2\pi f_{t}t_{0}}e^{-j\frac{4\pi R_{0}f_{0}}{c}\left ( D\left ( f_{t},V \right )+\frac{f_{\tau}}{f_{0}D\left ( f_{t},V \right )} \right )}e^{-j\frac{\pi f_{\tau }^{2}}{K_{m}\left ( K, f_{t}\right )} }

其中:

W_{r}\left (f_{\tau} \right )=rect\left ( \frac{f_{\tau}}{KT_{p}} \right )

       由此,距离匹配滤波器为

H_{rc}\left ( f_{\tau} ,f_{t} \right )=W_{r}\left (f_{\tau} \right )e^{j\frac{\pi f_{\tau }^{2}}{K_{m}\left ( K, f_{t}\right )} }

       通过对r_{2}\left ( f_{\tau} ,f_{t} \right )​与H_{rc}\left ( f_{\tau} ,f_{t} \right )​相乘后结果沿距离向逆傅里叶变换得距离向脉压结果:11.

r_{3}\left ( \tau ,f_{t} \right )=\sigma W_{a}\left ( f_{t}-f_{dop} \right )sinc \left ( K_{m}\left ( K, f_{t}\right ) T_{p}\left ( \tau -\frac{2R_{0}}{cD\left ( f_{t},V \right )} \right ) \right )e^{-j2\pi f_{t}t_{0}}e^{-j\frac{4\pi R_{0}D\left ( f_{t},V \right )f_{0}}{c}}\, \, \, (3)

1.3、距离徙动校正

 \tau -\frac{2R_{0}}{cD\left ( f_{t},V \right )}= \tau -\frac{2R_{0}}{cD\left ( f_{t},V \right )}+\frac{2R_{0}}{c}-\frac{2R_{0}}{c}

{\tau}' =\tau -\frac{2R_{0}}{cD\left ( f_{t},V \right )}+\frac{2R_{0}}{c}

      通过插值处理即可得到距离徙动校正后信号:

r_{4}\left ( {\tau}' ,f_{t} \right )=\sigma W_{a}\left ( f_{t}-f_{dop} \right )sinc \left ( K_{m}\left ( K, f_{t}\right ) T_{p}\left ( {\tau}' -\frac{2R_{0}}{c} \right ) \right )e^{-j2\pi f_{t}t_{0}}e^{-j\frac{4\pi R_{0}D\left ( f_{t},V \right )f_{0}}{c}}

1.4、方位脉冲压缩

H_{ac}\left ( {\tau}' ,f_{t} \right )=W_{a}\left ( f_{t}-f_{dop} \right )e^{j\frac{4\pi R_{0}D\left ( f_{t},V \right )f_{0}}{c}}

       通过对r_{4}\left ( {\tau}' ,f_{t} \right )​和H_{ac}\left ( {\tau}' ,f_{t} \right )​相乘后沿方位向逆傅里叶变换得到方位脉冲压缩后结果

r_{4}\left ( {\tau}' ,t\right )=\sigma sinc \left ( B_{r}\left ( {\tau}' -\frac{2R_{0}}{c} \right ) \right )sinc \left ( B_{a}\left ( t -t_{0}\right ) \right )

其中:

B_{r}=\left ( 1-KZ \right )T_{p}K_{m}=KT_{p}

 B_{a}=\frac{2\left ( f_{0}+f_{\tau } \right )V^{2}D\left ( f_{t},f_{\tau },V \right )}{cR_{0}}T_{syn}​ 

1.5、SAR成像

       最终SAR成像为:

I\left ( R_{0},A_{0}\right )=r_{4}\left ( \frac{2R_{0}}{c} ,\frac{A_{0}}{V}\right )

二、仿真实验

2.1、仿真参数

         快时间/距离维过采样率:3.1487;快时间/距离维采样点数:8192;慢时间/方位维过采样率:3.5909;慢时间/方位维采样点数:4096;距离分辨率:7.5m;距离横向分辨率:15.0m;合成孔径长度:11180.3m。 

点目标分布                                   SAR回波信号

2.2、RD处理结果

距离脉压结果                                        距离徙动校正结果

方位脉压结果                                          投影到地面的SAR图像

三、实测处理

 

图3-1.SAR照射区域的光学地图

        图3-1为SAR实测数据的光学地图。图3-2为图3-1所示区域SAR二维回波信号。考虑到地球自转影响,接收的回波信号多普勒中心频率不为零,因为多普勒中心频率对应的斜视角不大,可以近似用正侧视的距离徙动校正方法进行实测数据zhong此外,为了保证成像区域的任意点的成像分辨率一致,回波信号需要保证持续的合成时间近似相同。因此,实际处理流程包括:接收信号补零、中心多普勒频率去除,距离脉压、距离徙动校正、方位压缩、正侧视投影。

图3-2. SAR回波信号

          图3-3分别为距离脉压的匹配滤波器、距离脉压后的结果、距离插值后的结果。

图3-3. 距离脉压

          图3-4分别为距离徙动校正前后的距离脉压结果。可以看出,经过距离徙动校正,距离维的能量逸散较少,有利于方位维的能量聚焦。

图3-4 距离徙动校正前后

            图3-5为方位脉压后的图像。右图为左图的局部放大。

    

图3-5 方位脉压

             图3-6为正侧视投影后的图像。右图为左图的局部放大。

    

图3-6. 正侧视SAR投影

代码:《SAR成像算法+距离多普勒(RD)算法+星载平台实测数据》


总结

        本文主要介绍RD算法实现步骤,并从仿真数据和实测数据两个角度展示了RD算法的效果。转载请附上链接【杨(_> <_)】的博客_CSDN博客-信号处理,SAR,代码实现领域博主。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/2093561.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

HDMI显示器驱动设计与验证

1 HDMI简介 在此附上HDMI协议的数据手册链接&#xff0c;更有1.4的中文版&#xff1a; https://pan.baidu.com/s/1CdEQuJzYXnESNZK60k7aVQ?pwd6666https://pan.baidu.com/s/1CdEQuJzYXnESNZK60k7aVQ?pwd6666链接&#xff1a;https://pan.baidu.com/s/1CdEQuJzYXnESNZK60k7a…

Kioxia的NVMe RAID卸载有何亮点?

随着每一代固态硬盘SSD的速度不断提升&#xff0c;RAID阵列面临着一个重大的挑战&#xff1a;如何有效地维持并扩展性能。即使是通过专门的RAID卡来处理RAID操作的情况下&#xff0c;例如在RAID 5阵列中&#xff0c;简单的写请求也需要涉及两次读取和两次写入不同的SSD。如果没…

ENVI SARscape||笔记

介绍就不介绍了&#xff0c;直入主题&#xff01; 第一章 ENVI和SARscape 下载与安装&#xff1a; ENVI 5.6 软件安装包下载及安装激活教程&#xff01; (qq.com)https://mp.weixin.qq.com/s/kH0g5g9AALgDNPssfdZ8wQ 启动 ENVI 的启动模式有两种&#xff1a;ENVI和ENVIIDL&…

鸿蒙 tabs 底部中间凸出

1, 先看效果 2, 直接cv代码-- 先修改一下 资源配置 图标使用自己的 color.json配置 {"integer": [{"name": "tab_row_column_image_width","value": 24},{"name": "tab_row_column_image_height","value&qu…

Vue面试常见知识总结2——spa、vue按需加载、mvc与mvvm、vue的生命周期、Vue2与Vue3区别

SPA SPA&#xff08;Single Page Application&#xff0c;单页面应用&#xff09;是一种Web应用程序架构&#xff0c;其核心特点是在用户与应用程序交互时&#xff0c;不重新加载整个页面&#xff0c;而是通过异步加载页面的局部内容或使用JavaScript动态更新页面。以下是对SPA…

【QT】增加注释模板

为了增加项目可读性&#xff0c;增加注释模板 选择工具->外部->配置… &#xff0c;再次选择“文本编辑器”->“片段”->“添加”&#xff0c;触发命名为header_customer,点击应用&#xff0c;按照下面的模板编排,再次点击应用&#xff0c; /*******************…

【第0004页 · 递归】生成括号对

【前言】本文以及之后的一些题解都会陆续整理到目录中&#xff0c;若想了解全部题解整理&#xff0c;请看这里&#xff1a; 第0004页 生成括号对 今天这题有点难绷&#xff0c;从某种程度上来说应该是第二次写这个问题了&#xff0c;但还是卡住了&#xff0c;现在我们来看一下…

2018CCPC网络赛 C - Dream

题意 给定一个P,现在可以以任意方式重载‘’和‘*’两个符号,使得满足下列等式 其中定义如下 需要注意的是,重载过后的*需要满足以下要求: 也就是说,重载‘*’之后通过计算得到的(k1,2,3,...,p-1)的取值对于集合{1,2,3,...,p-1}是一个一一映射的关系 ​​​​最后输出2*p行,按…

如何在windows中使用hfd.sh aria2c下载huggingface文件

这里写目录标题 简介hfd.sh使用方法windows系统安装aria2c aria2c官方文档&#xff1a; https://aria2.github.io/manual/en/html/aria2c.html 简介 我们在下载huggingface上模型权重的时候&#xff0c;要么在浏览器上直接下&#xff0c;要么使用官方下载程序。浏览器上还得一…

Lagent 自定义 Agent 智能体

准备 安安装环境 mindsearch 工具 画图工具

算法设计与分析:实验五 图论——桥问题

实验内容&#xff1a; 1. 桥的定义 在图论中&#xff0c;一条边被称为“桥”代表这条边一旦被删除&#xff0c;这张图的连通块数量会增加。等价地说&#xff0c;一条边是一座桥当且仅当这条边不在任何环上。一张图可以有零或多座桥。 2. 求解问题 找出一个无向图中所有的桥…

用MATLAB 画一个64QAM的星座图

由于QAM采用幅度和相位二维调制&#xff0c;其频谱效率大大提高&#xff0c;而且不同点的欧式距离也要大于调幅AM调制方式&#xff0c;QAM也是LTE和5G NR首选的调制方式&#xff0c;本期教大家画一个64QAM的星座图。 如下&#xff1a; 首先产生一个64QAM的调制数据&#xff0…

18044 成绩等级评分

### 思路 1. 从键盘输入一个整数成绩。 2. 判断成绩是否在0到100之间&#xff1a; - 如果不在范围内&#xff0c;输出“error”。 - 如果在范围内&#xff0c;根据成绩范围输出对应的等级&#xff1a; - 90分以上为A - 80到89分为B - 70到79分为C - …

数仓架构:离线数仓、实时数仓Lambda和Kappa、湖仓一体数据湖

往期推荐 大数据HBase图文简介-CSDN博客 数仓分层ODS、DWD、DWM、DWS、DIM、DM、ADS-CSDN博客 数仓常见名词解析和名词之间的关系-CSDN博客 目录 往期推荐 1. 数仓架构 1.1 离线数仓架构 1.1.1 数据集市架构 1.1.1.2 独立数据集市 1.1.1.2 从属数据集市 1.1.2 Inmon企…

Java的线程池简述

线程池的工作原理 线程池是为了减少频繁的创建线程和销毁线程带来的性能损耗&#xff0c;线程池的工作原理如下图&#xff1a; 线程池分为核心线程池&#xff0c;线程池的最大容量&#xff0c;还有等待任务的队列&#xff0c;提交一个任务&#xff0c;如果核心线程没有满&…

基于SpringBoot+Vue+MySQL的宠物寄养服务管理系统

系统背景 互联网社会的到来&#xff0c;让各行各业通过互联网实现了浴火重生的可能&#xff0c;每个行业都发现了完全可以使用互联网技术用来提高信息在内部的传递效率&#xff0c;提高管理水准。通过本次对宠物寄养服务系统的设计和开发&#xff0c;不仅能巩固已经学到的知识&…

代码随想录 刷题记录-22 动态规划(6)习题

1.300.最长递增子序列 子序列问题是动态规划解决的经典问题&#xff0c;当前下标i的递增子序列长度&#xff0c;其实和i之前的下标j的子序列长度有关系. 动规五部曲&#xff1a; 1.dp数组及下标含义 dp[i] : 从任意位置开始&#xff0c;以nums[i]元素作为结尾的所有 递增子…

Unity编辑器开发 Immediate Mode GUI (IMGUI)

1. 简介&#xff1a; IMGUI是代码驱动gui系统&#xff0c;由 OnGUI 函数驱动&#xff1a; void OnGUI() {if (GUILayout.Button("Press Me")){ Debug.Log("Hello!");} } IMGUI常用于&#xff1a; 创建 in-game debugging displays and tools&#xff1b…

Redis基础命令和事务,redis持久化和主从复制

目录 第一章、Redis数据库的下载和安装1.1&#xff09;nosql数据库和 Redis 介绍1.2&#xff09;Windows中下载安装Redis数据库1.3&#xff09;Linux中安装Redis数据库1.4&#xff09;Linux中启动redis1.5&#xff09;Linux中关闭redis 第二章、三种Redis客户端连接Redis数据库…

AI安全立法:加州新法案的争议与未来影响

每周跟踪AI热点新闻动向和震撼发展 想要探索生成式人工智能的前沿进展吗&#xff1f;订阅我们的简报&#xff0c;深入解析最新的技术突破、实际应用案例和未来的趋势。与全球数同行一同&#xff0c;从行业内部的深度分析和实用指南中受益。不要错过这个机会&#xff0c;成为AI领…