实测数据处理(RD算法处理)——SAR成像算法系列(十)

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.mzph.cn/bicheng/52957.shtml

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email:809451989@qq.com,一经查实,立即删除!

相关文章

midwayjs 框架使用 rabbitmq 消息延迟

插件rabbitmq_delayed_message_exchange是RabbitMQ官方提供的一种用于实现延迟消息的解决方案。该插件将交换机类型扩展至x-delayed-message&#xff0c;这种类型的交换机能够将消息暂时挂起&#xff0c;直到设定的延迟时间到达&#xff0c;才将消息投递到绑定的队列中。这一特…

k8s单master多node环境搭建-k8s版本低于1.24,容器运行时为docker

k8s 1.20.6单master多node环境搭建 1.环境规划2.初始化服务器1&#xff09;配置主机名2&#xff09;设置IP为静态IP3&#xff09;关闭selinux4&#xff09;配置主机hosts文件5&#xff09;配置三台主机之间免密登录6&#xff09;关闭交换分区swap&#xff0c;提升性能7&#xf…

github源码指引:C++嵌入式WEB服务器

初级代码游戏的专栏介绍与文章目录-CSDN博客 我的github&#xff1a;codetoys&#xff0c;所有代码都将会位于ctfc库中。已经放入库中我会指出在库中的位置。 这些代码大部分以Linux为目标但部分代码是纯C的&#xff0c;可以在任何平台上使用。 相关专题&#xff1a; C嵌入式…

基于Spring Boot的文字识别系统

前端使用htmlcssjs&#xff0c;后端使用Spring Boot&#xff0c;数据库使用mysql&#xff0c;识别算法有两个&#xff0c;一个是使用百度OCR接口&#xff0c;一个是自己写一个python&#xff0c;用flask包装。 其中百度OCR接口可以去免费申请&#xff0c;然后把appid、apikey、…

【王树森】Transformer模型(1/2): 剥离RNN,保留Attention(个人向笔记)

Transformer简介 Transformer 是一个Seq2Seq模型Tramsformer 不是RNNTransfomer 只有attention和全连接层机器翻译在大型数据集上完爆最好的RNN Review Attention for RNN 这节课讲的attention相对比于前两节课多了一个 v i v_i vi​&#xff0c;之前是用权重直接乘 h h h&…

【GD32】从零开始学GD32单片机 | USB通用串行总线接口+HID键盘例程(GD32F470ZGT6)

1. 简介 USB&#xff0c;全称通用串行总线&#xff0c;相信大家都非常熟悉了&#xff0c;日常生活只要用到手机电脑都离不开这个接口&#xff0c;像鼠标键盘U盘都需要使用这个接口进行数据传输&#xff0c;下面简单介绍一下。 1.1 版本标准 USB的标准总体可以分为低速、全速和…

业务资源管理模式语言02

图1 模式间的依赖关系 第一节&#xff1a;最开始&#xff0c;关注应用中包括的资源。首先&#xff0c;必须标识资源&#xff08;1&#xff09;&#xff0c;下一步&#xff0c;检查资源限定&#xff08;2&#xff09;&#xff0c;同时量化资源&#xff08;3&#xff09; 模式1…

c#笔记5 详解事件的内置类型EventHandler、windows事件在winform中的运用

为什么要研究这一问题&#xff1f; 事件和委托可以说是息息相关。 前面先解释了什么是委托&#xff0c;怎么定义一个委托以及怎么使用匿名方法来内联地新建委托。 事实上事件这一机制在c#的程序开发中展很重要的地位&#xff0c;尤其是接触了winform软件开发的同学们应该都知…

Unity 动态光照贴图,加载后显示变暗或者变白问题 ReflectionProbe的使用

动态加载光照贴图代码&#xff0c;可参考这个帖子 Unity 预制动态绑定光照贴图遇到变白问题_unity urp 动态加载光照信息 变黑-CSDN博客 这次遇到的问题是&#xff0c;在编辑器下光照贴图能正常显示&#xff0c;打出apk后光照贴图加载后变黑的问题 以下4张图代表4种状态&…

opencascade 重叠曲线设置优先显示

‌OpenCASCADE重叠曲线显示设置‌ 当出现重叠曲线时&#xff0c;往往需要设置 优先显示的对象 关键点 SetDisplayPriority SetLayer

磁性齿轮箱市场报告:前三大厂商占有大约79.0%的市场份额

磁性齿轮箱是一种用于扭矩和速度转换的非接触式机构。它们无磨损、无摩擦、无疲劳。它们不需要润滑剂&#xff0c;并且可以针对其他机械特性&#xff08;如刚度或阻尼&#xff09;进行定制。 一、全球磁性齿轮箱行业现状与洞察 据 QYResearch 调研团队最新发布的“全球磁性齿轮…

10分钟了解OPPO中间件容器化实践

背景 OPPO是一家全球化的科技公司&#xff0c;随着公司的快速发展&#xff0c;业务方向越来越多&#xff0c;对中间件的依赖也越来越紧密&#xff0c;中间件的集群的数量成倍数增长&#xff0c;在中间件的部署&#xff0c;使用&#xff0c;以及运维出现各种问题。 1.中间件与业…

桥接与NET

仔细看看下面两幅图 net模式&#xff0c;就是在你的Windows电脑&#xff08;假设叫A电脑&#xff09;的网络基础上&#xff0c;再生成一个子网络&#xff0c;ip的前两位默认就是192.168&#xff0c;然后第三位是随机&#xff0c;第四位是自己可以手动设置的。使用这种模式唯一的…

设计模式结构型模式之代理模式

结构型模式之代理模式 一、概念和使用场景1、概念2、核心思想3、java实现代理模式的方式4、使用场景 二、示例讲解1. 静态代理2. 动态代理 三、总结1、使用规则2、代理模式的优点包括&#xff1a;3、代理模式的缺点包括&#xff1a; 一、概念和使用场景 1、概念 代理模式是一…

HUD杂散光环境模拟测试设备

概述 HUD&#xff08;Head-Up Display&#xff09;杂散光环境模拟测试设备是用于模拟飞行器在实际运行过程中可能遇到的多种光照环境的系统。它主要用于测试和验证HUD显示系统的性能&#xff0c;确保其能在各种光线条件下清晰、准确地显示信息&#xff0c;从而保障飞行员在复杂…

【大模型理论篇】通用大模型架构分类及技术统一化

1. 背景 国内的 “百模大战” 以及开源大模型的各类评测榜单令人眼花缭乱&#xff0c;极易让人陷入迷茫。面对如此众多的大模型&#xff0c;我们该如何审视和选择呢&#xff1f;本文将从大模型架构的角度&#xff0c;对常见的开源大模型架构进行汇总与分析。资料来源于公开…

2024全国大学生数学建模国赛,成员如何分工协作?

文末获取2024国赛数学建模思路代码&#xff0c;9.5开赛后第一时间更新 大家知道&#xff0c;数学建模竞赛是需要一个团队的三个人在三天或四天的时间内&#xff0c;完成模型建立&#xff0c;编程实现和论文写作的任务&#xff0c;对许多第一次参加建模或者建模经验比较欠缺的团…

Android 使用原生相机Camera在预览界面进行识别二维码或者图片处理

1 项目需求 最近项目中有个需求:使用原生相机在预览界面进行识别二维码和图片处理。其实这个需求不是很难,难在对预览画面的处理过程。 自己针对这个需求写了一个工具类,便于后续进行复盘,同时也分享给有类似需求的伙伴们。 2 遇到的问题 2.1 二维码识别成功率低 使用…

由浅入深学习 C 语言:Hello World【提高篇】

目录 引言 1. Hello World 程序代码 2. C 语言角度分析 Hello World 程序 2.1. 程序功能分析 2.2 指针 2.3 常量指针 2.4 指针常量 3. 反汇编角度分析 Hello World 程序 3.1 栈 3.2 函数用栈传递参数 3.3 函数调用栈 3.4 函数栈帧 3.5 相关寄存器 3.6 相关汇编指令…