一种高分辨率宽测绘带机载SAR实时运动补偿算法

摘要

本发明公开的一种高分辨率宽测绘带机载SAR实时运动补偿算法，包括包络补偿和相位补偿两个主要部分，改进了传统的相位补偿算法，在包络补偿前即可完成相位补偿处理。包络补偿近似处理需要对距离压缩后的回波信号划分距离子带，以降低运动误差的空变性。这样避免了传统包络补偿算法的插值操作，直接在距离频域乘以线性相位完成包络补偿。最终将距离子带的图像进行拼接，得到整个测绘带的成像结果。本发明的方法通过改进的相位补偿算法保证了信号的相位精度，从而能够更好地结合基于距离子带的快速包络补偿，避免了运算量较大的插值操作，在分辨率不受影响的条件下提高了算法的实时处理性能。

说明书

技术领域

本发明涉及SAR成像技术领域，具体是一种高分辨率宽测绘带机载SAR实时运动补偿算法。

背景技术

机载合成孔径雷达数据处理时的一个重要问题是运动误差的补偿。由于载机飞行过程中受到气流等因素的干扰，实际航迹不再是一条理想的直线，回波数据中从而引入了运动误差。运动误差对分辨率、几何线性度、对比度等产生较大程度的影响，造成图像质量严重下降。因此，运动补偿是机载SAR数据处理中的关键步骤。

运动补偿算法通常在二维时域进行，划分为包络补偿和相位补偿两部分。传统运动补偿算法需要首先进行包络补偿，将目标信号校正到正确的距离单元，消除包络时延误差；接下来进行相位补偿，包络补偿作为相位补偿的基础，目标信号只有校正到正确的距离单元后，相位误差才与传统的误差计算公式相匹配，从而能够精确完成相位补偿。机载SAR数据处理时，成像场景中每个目标的包络时延误差并不一致，理想的包络补偿算法逐距离单元进行校正，需要通过插值来实现，这带来了较大的运算量。并且，宽测绘带已经成为SAR发展的一个重要趋势，这使得运算量进一步增加。传统运动补偿算法受此限制，很难满足实时处理的要求，难以很好地在工程实践中应用。

当距离向测绘带范围不大时，各个距离单元的空变包络误差可以近似等于测绘带中心的空不变包络误差。因此，为了避免插值带来的大运算量，研究人员根据上述性质曾经提出了一种无需插值的快速包络补偿算法：对距离压缩后的回波信号划分距离子带，降低运动误差的空变性，用子带中心的包络误差代替子带内各距离单元的包络误差，直接在距离频域乘以线性相位完成包络补偿。这种基于距离子带的运动补偿算法带来另一个关键问题：非子带中心的目标信号并没有校正到正确的距离单元，产生了残余包络时延误差；如果仍然按照传统相位误差计算公式，会造成相位补偿参考函数与真实的相位误差并不匹配，降低了相位补偿的精度，使得最终的图像质量受到影响。

发明内容

本发明要解决的问题是提供是一种高分辨率宽测绘带机载SAR实时运动补偿算法，该算法对传统算法中的相位补偿部分进行了改进，调整了包络补偿和相位补偿的处理顺序。该算法提高了实时处理性能，保证了相位补偿的精度满足分辨率要求，并且避免了大量的插值运算量，获得的图像质量高。

技术方案：本发明公开的一种高分辨率宽测绘带机载SAR实时运动补偿算法，基本思想是对传统算法中的相位补偿部分进行了改进，调整了包络补偿和相位补偿的处理顺序。该算法的包络补偿部分仍然采用距离子带的处理方法，避免运算量较大的插值操作；但是在包络补偿近似处理前首先进行改进的相位补偿操作，以使相位补偿不受残余包络时延误差的影响，保证了信号的相位精度。算法使用了与传统的波束视线方向运动误差计算公式不同的计算方式，改进了传统算法的处理流程，突破了包络补偿对相位补偿的制约关系；在保证相位补偿精度满足分辨率要求的条件下，从而能更好地结合无需插值的快速包络补偿算法，提高了算法的实时处理性能。

具体包括以下步骤：

1)对原始回波信号进行距离压缩；距离向变换到距离频域进行匹配滤波，再变换回时域完成距离压缩。

2)对距离压缩后的回波信号划分距离子带。

3)进行改进的相位补偿。第i个距离子带内波束视线方向运动误差计算公式为：

      $>{\mathrm{\Delta r}}_i=r_b\left(l\right)-\sqrt{{(\sqrt{r_b^2\left(l\right)-{(H+\mathrm{\Delta z})}^2}+\mathrm{\Delta y})}^2+H^2}---\left(1\right)$>

i·(N_{r_sub}-N_{r_overlap})≤l≤i·(N_{r_sub}-N_{r_overlap})+N_{r_sub}-1   (2)

式中，H为理想航迹的载机高度，Δy为垂直航迹方向的位置误差，Δz为高度方向的位置误差，N_{r_sub}为子带的距离单元数，N_{r_overlap}为相邻子带间复用的距离单元数，l表示距离单元的索引，Δr_i表示第i个距离子带内波束视线方向运动误差，r_b表示测绘带中每个距离单元对应的斜距

      $>r_b=r_0+n·\frac{c}{2f_s},n=\mathrm{0,1,2},...,N_r-1---\left(3\right)$>

式中，r₀表示第一个距离单元对应的斜距，f_s为距离向信号的采样率，c为光速，N_r为总的距离单元数。

4)进行无需插值的快速包络补偿。

5)Omega-K算法处理，变换到二维时域得到距离子带的图像。

6)对步骤5)获得的距离子带图像进行自聚焦处理；自聚焦处理进一步得到聚焦良好的距离子带图像。

7)重复步骤3)～步骤6)，直到所有距离子带数据处理完毕。

8)拼接各个子带图像，得到整个测绘带的成像结果。

作为上述技术方案的进一步改进，所述步骤1)距离压缩参考函数为：

      $>H_{\mathrm{rc}}=\exp \left\{j\pi \frac{f_r^2}{k_r}\right\}---\left(4\right)$>

式中，f_r为距离向频率，k_r为发射信号调频斜率。

作为上述技术方案的进一步改进，所述步骤2)的距离子带个数为：

N_subswath＝(N_r-N_{r_sub})/(N_{r_sub}-N_{r_overlap})+1   (5)

作为上述技术方案的进一步改进，所述步骤4)中进行改进的相位补偿时，第i个距离子带对应的相位补偿参考函数为：

      $>H_{\mathrm{pc},i}=\exp \left\{j\frac{4\pi }{\lambda }{\mathrm{\Delta r}}_i\right\}---\left(6\right)$>

作为上述技术方案的进一步改进，所述步骤4)中进行无需插值的快速包络补偿时，第i个距离子带对应的包络补偿参考函数为：

      $>H_{\mathrm{ec},i}=\exp \left\{j\frac{4\pi f_r}{c}{\mathrm{\Delta r}}_{c,i}\right\}---\left(7\right)$>

式中，Δr_c,i表示第i个距离子带中心对应的运动误差。

作为上述技术方案的进一步改进，所述步骤5)中进行Omega-K算法处理时，第i个距离子带对应的一致压缩参考函数为：

      $>H_{\mathrm{rfm},i}=\exp \{j\frac{4\pi r_{c,i}}{c}\sqrt{{(f_c+f_r)}^2-\frac{c^2{f}_a^2}{4V_a^2}}-j\frac{4\pi r_{c,i}}{c}{f}_r\}---\left(8\right)$>

式中，f_c为载频，f_a为方位向频率，V_a为载机速度，r_c,i表示第i个距离子带中心的最短斜距。

下面通过与传统计算公式的比较对步骤3)进行详细说明。

波束视线方向运动误差Δr具有距离空变性，运动补偿算法需要根据惯导数据计算出各个距离单元对应的Δr。如图2所示，改进的Δr计算公式中令目标T与实际航迹的最短斜距(r+Δr)对应于第p个距离单元r+Δr＝r_b(p)，则

      $>y_T=\sqrt{r_b^2\left(p\right)-{(H+\mathrm{\Delta z})}^2}+\mathrm{\Delta y}---\left(9\right)$>

那么，目标与理想航迹的最短斜距为

      $>r=\sqrt{y_T^2+H^2}---\left(10\right)$>

则改进的Δr计算公式为

      $>\mathrm{\Delta r}=r_b\left(p\right)=\sqrt{{(\sqrt{r_b^2\left(p\right)-{(H+\mathrm{\Delta z})}^2}+\mathrm{\Delta y})}^2+H^2}---\left(11\right)$>

传统运动补偿算法中，当进行了精确的包络补偿后，目标信号被校正到正确的距离单元。因此，后续的相位补偿中计算Δr时令目标T与理想航迹的最短斜距r对应于第m个距离单元r＝r_b(m)，则其在地面的投影长度为

      $>y_T=\sqrt{r_b^2\left(m\right)-H^2}---\left(12\right)$>

那么，目标与实际航迹的最短斜距(r+Δr)可以表示为

      $>r+\mathrm{\Delta r}=\sqrt{{(y_T-\mathrm{\Delta y})}^2+{(H+\mathrm{\Delta z})}^2}---\left(13\right)$>

则传统算法中Δr的计算公式为

      $>\mathrm{\Delta r}=\sqrt{{(\sqrt{r_b^2\left(m\right)-H^2}-\mathrm{\Delta y})}^2+{(H+\mathrm{\Delta z})}^2}-r_b\left(m\right)---\left(14\right)$>

式(11)与式(14)比较可以发现，式(14)是根据目标与理想航迹的最短斜距来得到实际航迹下的最短斜距，式(11)则是根据目标与实际航迹的最短斜距来反推理想航迹下的最短斜距。目标理想航迹下的最短斜距与实际航迹下的最短斜距都应与式(3)距离向标尺中的某一单元相对应。式(14)是假设式(3)表示的各距离单元映射为理想航迹下的最短斜距，计算的每个距离单元对应的相位误差是针对精确包络补偿后的信号，这时包络补偿产生误差就会使得相位补偿也不够准确。式(11)是假设式(3)表示的各距离单元映射为实际航迹下的最短斜距，计算的每个距离单元对应的相位误差是针对包络补偿前的信号，各个距离单元的相位补偿函数与信号真实的相位误差是准确匹配的，保证了相位补偿的精度不受包络补偿误差的影响。

本发明提出的高分辨率宽测绘带机载SAR实时运动补偿算法与已有的运动补偿算法相比较，核心在于对传统算法中的相位补偿部分进行了改进，调整了包络补偿和相位补偿的处理顺序。本发明提出的算法首先保证信号的相位精度，使得相位补偿的效果不再受到包络补偿结果的制约；在保证相位补偿精度满足分辨率要求的条件下，从而能更好地结合无需插值的快速包络补偿算法，提高了算法的实时处理性能。由于大大减少了运算量，降低了研究成本，提高了研究效率，在宽测绘带成为SAR发展的一个重要趋势的背景下，为SAR成像技术的研究发展提供了一个重要的研究方向。

附图说明

图1为本发明方法的处理流程图；

图2为航迹法平面位置误差几何关系；

图3为采用传统运动补偿算法处理机载SAR仿真数据得到的点目标等高线图，包络补偿通过理想的插值操作完成；

图4为采用基于距离子带的运动补偿算法处理机载SAR仿真数据得到的点目标等高线图，包络补偿通过无需插值的快速算法完成，传统相位补偿在后；

图5为采用本发明的运动补偿算法处理机载SAR仿真数据得到的点目标等高线图，包络补偿通过无需插值的快速算法完成，改进相位补偿在前；

图6至9为场景中其他距离单元点目标采用本发明方法处理得到的成像结果图；

图10为机载SAR实测数据采用本发明方法处理得到的成像结果图。

具体实施方式

下面结合附图，对本发明提出的一种高分辨率宽测绘带机载SAR实时运动补偿算法进行详细说明。

本发明介绍了一种改进的高分辨率运动补偿算法，其基本思想是对传统算法中的相位补偿部分进行改进，调整包络补偿和相位补偿的处理顺序，在保证补偿效果的前提下提高算法的处理效率。采用改进的相位补偿算法，减小相位误差校正效果受其他因素的影响；包络补偿使用无需插值的近似快速算法，提高了运算效率。本节将利用SAR仿真数据和实测数据对提出的算法做出验证和分析。仿真数据和实测数据雷达参数相同，为某X波段高分辨率机载试验SAR的工作参数。雷达信号带宽1.3GHz，方位向分辨率0.1m，成像场景中心斜距8271.7m，测绘带斜距范围约为8km。航迹误差由实际的惯导数据生成，误差幅度平均值达到27m。

本发明的高分辨率宽测绘带机载SAR实时运动补偿算法，其基本实施过程如图1所示，具体实现步骤为：

首先进行距离压缩，对距离压缩后的回波数据划分距离子带。

距离向变换到距离频域进行匹配滤波，再变换回时域完成距离压缩。距离压缩参考函数为

      $>H_{\mathrm{rc}}=\exp \left\{j\pi \frac{f_r^2}{k_r}\right\}---\left(1\right)$>

由于本发明的方法基于距离子带进行操作，因此首先进行距离压缩，相应的成像处理模块选择Omega-K算法。

距离子带个数为

N_subswath＝(N_r-N_{r_sub})/(N_{r_sub}-N_{r_overlap})+1   (2)

子带划分时需注意，由于是在RCM校正前划分子带，子带宽度应不小于回波最大距离徙动量的两倍，且相邻子带间复用单元数应不小于最大距离徙动量。

根据雷达参数计算得到回波最大距离徙动量约为1813个距离单元，因此距离子带宽度选取4096个距离单元，相邻子带之间复用2048个距离单元。

接下来进行运动补偿，包括改进的相位补偿和快速包络补偿。位置误差Δy和Δz可以由载机的惯导数据计算得到。首先进行相位补偿，根据式(1)计算出波束视线方向运动误差，在二维时域按照式(6)完成改进的相位补偿。距离向变换到频域，乘以式(7)中的线性相位，完成无需插值的近似包络补偿，至此运动误差得到校正。无需插值的快速包络补偿是一种近似处理，以子带中心对应的距离空不变包络误差代替子带内各距离单元的距离空变误差。信号在距离频域、方位时域乘以线性相位来完成包络补偿。

后续处理按照Omega-K算法的流程，信号变换到二维频域，进行一致压缩，Stolt插值完成残余RCM校正、残余SRC和残余方位压缩，最后变换到二维时域得到距离子带的图像。

Omega-K算法处理中，第i个距离子带对应的一致压缩参考函数为：

      $>H_{\mathrm{rfm},i}=\exp \{j\frac{4\pi r_{c,i}}{c}\sqrt{{(f_c+f_r)}^2-\frac{c^2{f}_a^2}{4V_a^2}}-j\frac{4\pi r_{c,i}}{c}{f}_r\}---\left(8\right)$>

实测数据处理时，通常惯导数据的精度无法满足分辨率要求，因此，单单依赖基于惯导数据的运动补偿一般无法获得理想的图像。本发明的方法通过自聚焦处理进一步得到聚焦良好的距离子带图像。所有距离子带数据处理完毕，拼接各个子带图像，得到整个测绘带的成像结果。

为了说明本发明方法的有效性，对同一仿真数据使用三种运动补偿算法分别进行处理，得到如图3至5所示的效果图，其中横坐标为方位向采样点，纵坐标为距离向采样点。图3为采用传统的运动补偿算法，包络补偿通过理想的插值操作精确完成；图4为采用已有的基于距离子带的运动补偿算法，首先完成无需插值的近似包络补偿，再进行传统的相位补偿；图5为采用本发明的运动补偿算法，首先完成改进的相位补偿，再进行无需插值的近似包络补偿。对比可以发现，采用本发明方法能够取得与传统的理想运动补偿算法相当的成像结果。图6至9为场景中其他距离单元点目标的成像结果，进一步验证了本发明方法的正确性和有效性。

图10为机载SAR实测数据采用本发明的方法处理得到的成像结果，水平方向为方位向，垂直方向为距离向，图像自上而下对应近距到远距。由处理结果可以看出，本发明的方法能够获得聚焦良好的SAR图像，图像的距离向也无明显的拼接痕迹，算法性能满足成像要求。

综上所述，以上实施例仅用以说明本发明的技术方案，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，其均应涵盖在本发明的权利要求范围当中。