专利名称：采用最小均方误差估计的多发多收合成孔径雷达成像方法
技术领域：
本发明涉及雷达二维成像技术领域，是一种基于现代信号处理方法的成像处理技术。
背景技术：
多发多收(MIMO)合成孔径雷达(SAR)的多个子天线同时发射编码信号，通过观测场景的目标反射后，多个子天线分别接收回波信号。MIMO SAR系统比传统的单发单收SAR系统能获取更多的场景信息，这可以用于提高系统的分辨率和观测带宽，并获取观测对象的角度等信息。2006年，德国宇航院(DLR)的Gerhard Krieger等人将多维波形编码和数字波束形成技术(DBF)相结合，提出了发射和接收同时采用DBF的SAR概念 (Krieger G, Gebert N. , MoreiraA. Digital Beamforming Techniques for Spaceborne Radar RemoteSensing. EUSAR 2006，Dresden, Germany，2006)，这可以看成是 MIMOSAR 系统的雏形。在他们随后的研究中主要关注ΜΙΜΟ系统的空时波形编码方式及其成像的处理方法。2007年德国的学者Wiesbeck等人提出了 MIMO SAR的概念，并研究了它在干涉 SAR 中的运用(KimJ. H.，Ossowska A. , Wiesbeck W. Investigation of ΜΙΜΟ SAR forlnterferometry. Proceedings of the 4th European Radar Conference, Munich, Germany, 2007)。2008 年德国 FGAN 的 Klare 研究了将 MIMOSAR 技术用于 ARTINO (Airborne Radar for Three-dimensional Imagingand Nadir Observation)进行三维下视成像的技术。上述已开展研究的MIMO SAR系统为了在接收端分离出不同子天线发射的信号，对各个子天线的发射信号进行了波形编码；在接收时采用不同子天线的发射信号分别对回波信号匹配滤波来分离信号。由于编码波形非理想正交，当对一路信号进行匹配时，其他路信号的失配能量就会以正交模糊的形式混入图像。正交模糊的积累可能严重影响成像的结果，甚至淹没观测目标。
发明内容
本发明的目的是公开一种采用最小均方误差估计的多发多收合成孔径雷达成像方法，根据多发多收合成孔径雷达的系统参数和平台参数构造系统的单位散射矩阵，并构建相应的系统回波模型；根据系统的回波模型和观测数据，利用现代信号处理技术中的最小均方误差估计准则实现对观测场景后向散射系数估计的微波成像，克服了正交模糊和杂波干扰的缺陷。为实现上述目的，本发明的技术解决方案是一种采用最小均方误差估计的多发多收合成孔径雷达成像方法，其对观测场景后向散射系数的估计采用最小均方误差估计准则，结合系统参数和观测几何参数、利用多个通道的回波数据实现对观测场景的成像。所述的采用最小均方误差估计的多发多收合成孔径雷达成像方法，其观测数据的回波模型表示为d = Sr+n其中，d为系统回波信号的集合，S为多发多收合成孔径雷达系统的单位散射矩阵，r为观测区域中所有散射单元的后向散射系数集合，η为接收噪声。所述的采用最小均方误差估计的多发多收合成孔径雷达成像方法，其所述单位散射矩阵，是指地面观测目标的后向散射系数都为1的系统回波，并被表示成矩阵的形式，观测区域中不同几何位置对应的单位散射向量在单位散射矩阵中的位置不同；单位散射矩阵的构建，综合考虑合成孔径雷达的系统参数，包括发射信号的波长、带宽、脉宽、脉冲重复频率、信号功率、天线模式图，同时考虑系统平台的观测几何参数，包括飞行高度、作用距离、 视角。所述的采用最小均方误差估计的多发多收合成孔径雷达成像方法，其所述最小均方误差估计滤波器为Wmmse = T2S1VSSX1广1其中，Kn = Ε(ηΗη)为观测噪声协方差矩阵，r = E(rHr)为观测场景后向散射系数的均方值，(·)Η为矩阵的共轭转置，(·) 1为矩阵的伪逆，Ε(·)为均值计算。所述的采用最小均方误差估计的多发多收合成孔径雷达成像方法，其成像时，采用等效于最小均方误差估计的递推卡尔曼滤波成像方法，在综合考虑滤波速度和滤波精度的条件下，将单位散射矩阵和观测数据分成大小相应的块，分步递推实现对观测场景的散射特性的估计。所述的采用最小均方误差估计的多发多收合成孔径雷达成像方法，其所述采用卡尔曼滤波成像方法，处理步骤为步骤A 获取多发多收合成孔径雷达的系统参数和运动平台参数，并据此构建观测区域的单位散射矩阵；或采用最小均方误差成像算法构建单位散射矩阵，其构建方法与采用卡尔曼滤波成像算法相同；步骤B 将雷达的回波数据d分成大小相等的I块，将第i (1 < i < I)块回波数据记为d(i)；单位散射矩阵S和观测误差矩阵η都相应的按行分成大小相等的I块，第i块分别记为S⑴和n(i)；步骤C:初始化卡尔曼滤波器，具体实施时，将初始时刻状态估计值f(0)置为单位向量，其误差协方差阵汽0)置为单位矩阵，并置i = 1 ；步骤D 计算第i块观测数据包含的观测值信息wW 二 dW — sWfG 一 ！)；步骤E 计算第i块观测数据未经校正的误差协方差矩阵戶⑷，它由i-Ι时刻经过校正的误差协方差朽1)计算得到P(z) = S(i 一 1)Ρ(ι — l)S(i — 1, + R8 ；步骤F 计算第i步观测值的卡尔曼滤波增益矩阵K⑴=[S(涉(i)S(f +R0]"1并根据i步的卡尔曼滤波增益矩阵，计算经过校正的卡尔曼滤波增益矩阵，在i+1 步的滤波中需要用到
^) = (1-^)]^)；步骤G 根据第i块观测数据的信息、卡尔曼滤波增益矩阵更新观测场景的后向散射系数τ{ = r(i -1) + K(z)w(i)；步骤H:判断i是否等于I，如果不相等，i = i+Ι，重复步骤D到步骤H;如果相等， 则滤波结束，滤波结果为观测场景的SAR图像。本发明的成像方法包含了最小均方误差滤波和与之等效的递推卡尔曼滤波，由于对多个通道的发射信号都进行了精确的建模，因此解决了多通道发射编码之间正交模糊和杂波干扰的问题，有效的实现了多发多收合成孔径雷达的成像。
图1为多发多收合成孔径雷达系统的点目标回波模型，图中只给出了一个子天线到另一个子天线的信号历程；图2为多发多收合成孔径雷达系统的几何模型示意图；图3为采用卡尔曼滤波实现多发多收合成孔径雷达成像的处理流程。
具体实施例方式下面结合附图详细说明本发明技术方案中所涉及的各个细节问题。应指出的是， 所描述的实施例仅旨在便于对本发明的理解，而对其不起任何限定作用。如图1所示，多发多收合成孔径雷达系统的所有子天线同时发射脉冲和接收回波。为了说明的方便，图1定义了子天线在距离向和俯仰向的标号。图2为多发多收系统的几何模型图，将坐标原点定在0时刻天线阵列的几何中心处，Y轴为平台的运动方向，Z轴背向地心，X轴与Y轴和Z轴成右手坐标系。天线阵列沿平台路径方向排列在H平面上， 平台的运动速度为υ。忽略地球的曲率，地面点目标的ζ坐标为-h，其中h为卫星相对于水平地面的高度。因此，地面点目标的位置可以表示为X= (x，y，_h)。天线阵列的几何中心在t = 0时刻的位置为(0，0，0)，则在1时刻的位置可以表示为(0，ut，0)。天线阵列在顺轨和交轨方向的数目分别为N1和Nh，总的阵列数目为N = N1Nh,每个子天线的长度为L、
高度为H。t时刻第(i，k)个子阵的相位中心的坐标为
权利要求
1.一种采用最小均方误差估计的多发多收合成孔径雷达成像方法，其特征在于对观测场景后向散射系数的估计采用最小均方误差估计准则，结合系统参数和观测几何参数、利用多个通道的回波数据实现对观测场景的成像。
2.根据权利要求1所述的采用最小均方误差估计的多发多收合成孔径雷达成像方法， 其特征在于观测数据的回波模型表示为 d = Sr+n其中d为系统回波信号的集合，S为多发多收合成孔径雷达系统的单位散射矩阵，!·为观测区域中所有散射单元的后向散射系数集合，η为接收噪声。
3.根据权利要求2所述的采用最小均方误差估计的多发多收合成孔径雷达成像方法， 其特征在于所述单位散射矩阵，是指地面观测目标的后向散射系数都为1的系统回波，并被表示成矩阵的形式，观测区域中不同几何位置对应的单位散射向量在单位散射矩阵中的位置不同；单位散射矩阵的构建，综合考虑合成孔径雷达的系统参数，包括发射信号的波长、带宽、脉宽、脉冲重复频率、信号功率、天线模式图，同时考虑系统平台的观测几何参数， 包括飞行高度、作用距离、视角。
4.根据权利要求1所述的采用最小均方误差估计的多发多收合成孔径雷达成像方法， 其特征在于所述最小均方误差估计滤波器为WMsE = r2SH(r2SSH+Kn广1其中Kn = Ε(ηΗη)为观测噪声协方差矩阵，r = E(rHr)为观测场景后向散射系数的均方值，(·)Η为矩阵的共轭转置，(·) 1为矩阵的伪逆，Ε(·)为均值计算。
5.根据权利要求1所述的采用最小均方误差估计的多发多收合成孔径雷达成像方法， 其特征在于成像时，采用等效于最小均方误差估计的递推卡尔曼滤波成像方法，在综合考虑滤波速度和滤波精度的条件下，将单位散射矩阵和观测数据分成大小相应的块，分步递推实现对观测场景的散射特性的估计。
6.根据权利要求5所述的采用最小均方误差估计的多发多收合成孔径雷达成像方法， 其特征在于所述采用卡尔曼滤波成像方法，处理步骤为步骤A 获取多发多收合成孔径雷达的系统参数和运动平台参数，并据此构建观测区域的单位散射矩阵；或采用最小均方误差成像算法构建单位散射矩阵，其构建方法与采用卡尔曼滤波成像算法相同；步骤B 将雷达的回波数据d分成大小相等的I块，将第i (1 < i < I)块回波数据记为d(i)；单位散射矩阵S和观测误差矩阵η都相应的按行分成大小相等的I块，第i块分别记为S(i)和n(i)；步骤C 初始化卡尔曼滤波器，具体实施时，将初始时刻状态估计值f(0)置为单位向量， 其误差协方差阵饩0)置为单位矩阵，并置i = 1 ；步骤D 计算第i块观测数据包含的观测值信息 w(i) = d(z) - S(i)r(i — 1)；步骤E 计算第i块观测数据未经校正的误差协方差矩阵户W，它由i_l时刻经过校正的误差协方差fG-l)计算得到Ρ( ) = S(z — l)P(z — l)S(i — If + Rb ；步骤F :计算第i步观测值的卡尔曼滤波增益矩阵K⑷=P(i)S(if [s(i)P{i)S(i)H 十 R0]"1并根据i步的卡尔曼滤波增益矩阵，计算经过校正的卡尔曼滤波增益矩阵，在i+Ι步的滤波中需要用到步骤G 根据第i块观测数据的信息、卡尔曼滤波增益矩阵更新观测场景的后向散射系数r(i) = i(i -1) + K{i)w(i)；步骤H 判断i是否等于I，如果不相等，i = i+Ι，重复步骤D到步骤H ；如果相等，则滤波结束，滤波结果为观测场景的SAR图像。
全文摘要
本发明公开了一种采用最小均方误差估计的多发多收合成孔径雷达成像方法，是利用系统的多个子天线同时发射编码波形和同时独立接收回波信号实现对观测场景的信息获取；根据雷达的系统参数和系统平台的观测几何参数构建观测模型；在获得观测数据和构建观测模型之后，根据描述目标场景散射特性、雷达观测几何和雷达回波数据三者之间关系的多发多收合成孔径雷达的系统模型，采用最小均方误差估计方法实现对观测区域目标场景后向散射系数的恢复。对后向散射系数的恢复可以直接采用最小均方误差滤波或它的递推形式一卡尔曼滤波方法。本发明方法可以有效的解决多通道发射波形之间非理想正交带来的模糊问题，实现多发多收合成孔径雷达系统的成像。
文档编号G01S7/487GK102207548SQ20101013916
公开日2011年10月5日 申请日期2010年3月31日 优先权日2010年3月31日
发明者张冰尘, 林月冠, 洪文 申请人:中国科学院电子学研究所