一种机载高分辨合成孔径雷达的精确运动补偿方法与流程

本发明涉及雷达技术领域，尤其涉及一种机载高分辨合成孔径雷达的精确运动补偿方法，可实现合成孔径雷达的运动误差补偿。

背景技术：

运动补偿(Motion Compensation，MOCO)是机载合成孔径雷达(Synthetic Aperture Radar，SAR)成像的关键问题。尤其对于小型无人机载平台，精确的MOCO是一项困难的工作。

传统的“两步”MOCO方法结合CSA(Chirp Scaling Algorithm，调频变标)算法补偿机载运动误差。该方法分步补偿距离非空变和距离空变运动误差，具有高效性。但第一步MOCO后残余距离空变运动误差相位在二维波数域中会影响距离徙动校正(Range Cell Migration Correction，RCMC)的精度，在距离时域表现为RCMC包络弯曲，影响方位脉冲压缩精度。对于大测绘带成像，虽通常采用距离分块，再将距离子块进行拼接的方法进行处理，但运动误差在距离子块内的距离空变性对RCMC的影响同样不可忽略。距离分块需要进行块重叠，密集的距离分块一定程度上消耗了处理效率和存储能力。

技术实现要素：

针对上述现有技术的不足，本发明的目的在于提供一种机载高分辨合成孔径雷达的精确运动补偿方法，补偿距离空变运动误差相位，减小其对RCMC包络的影响。

本发明的技术思路为：结合“一步”MOCO的SAR成像算法(“One-Step”motion compensation Focusing Algorithm，OSFA)，该方法在RCMC前补偿距离空变运动误差相位，减小其对RCMC包络的影响。同时引入后滤波的处理思路，对粗聚焦图像进行方位分块处理，补偿RCMC后的残余距离空变及方位空变运动误差。为便于描述，本发明采用的算法也称为OSFA算法。

为达到上述目的，本发明的实施例采用如下技术方案：

一种机载高分辨合成孔径雷达的精确运动补偿方法，所述方法包括如下步骤：

步骤1，机载SAR接收回波信号，对所述回波信号进行包络粗补偿和相位粗补偿，得到粗补偿后的回波信号；

步骤2，对所述粗补偿后的回波信号依次进行距离向分块和方位向分块，得到N个子块；

步骤3，计算第i个子块的中心点的残余运动误差，i＝1，...，N，i的初值为1，第i个子块的中心点为第i个子块的几何中心所在的像素点；

步骤4，确定第i个子块的中心点的残余运动误差补偿函数；

步骤5，获取原始方位匹配滤波函数和精确方位匹配滤波函数，根据所述原始方位匹配滤波函数、所述精确方位匹配滤波函数和所述残余运动误差补偿函数确定第i个子块的中心点的最终补偿函数；

步骤6，根据所述最终补偿函数对第i个子块进行精确运动补偿，得到第i个子块的补偿图像；

步骤7，令i的值加1，并依次重复执行步骤3至步骤7，从而得到机载合成孔径雷达的补偿图像。

本发明与现有技术相比所具有的优点：

(1)克服了传统两步补偿法的残余距离空变运动误差对RCMC精度的影响；(2)运用后滤波方法补偿了RCMC后残余距离空变与方位空变相位误差。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本发明实施例提供的一种机载高分辨合成孔径雷达的精确运动补偿方法的流程示意图；

图2是本发明实施例仿真采用的斜视SAR成像几何模型示意图；

图3是仿真采用的运动参数误差仿真结果示意图；

图4是仿真一中，″两步″MOCO与OSFA点目标A、B、C的RCMC对比示意图；

图5是仿真一中，″两步″MOCO与OSFA点目标A、B、C的成像结果对比示意图；

图6是仿真一中，″两步″MOCO法与OSFA点目标A、B、C的方位脉冲响应曲线对比示意图；

图7是仿真二中，OSFA成像结果示意图；

图8是仿真二中，MOCO法与OSFA关于场景1和场景2的局部放大对比结果示意图；

图9是仿真二中，点目标A、B的方位脉冲响应曲线对比示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

一种机载高分辨合成孔径雷达的精确运动补偿方法，如图1所示，所述方法包括如下步骤：

步骤1，机载SAR接收回波信号，对所述回波信号进行包络粗补偿和相位粗补偿，得到粗补偿后的回波信号。

步骤1中，由机载SAR雷达系统接收设定时间段内的回波信号；对设定时间段内的回波信号使用“一步补偿法”进行粗补偿得到粗图像，主要包括包络补偿和相位补偿。包络补偿在二维频域基于场景中心点统一进行，相位补偿需要在距离脉压后的距离时域进行，补偿参数与斜距有关。“一步补偿法”为在距离徙动校正前补偿距离空变运动误差。

步骤2，对所述粗补偿后的回波信号依次进行距离向分块和方位向分块，得到N个子块。

步骤2中，对所述粗补偿后的回波信号进行距离向分块时，距离子块长度ΔR划分满足如下规则：

其中，X_a为天线相位中心位置，λ为雷达发射信号波长，R_s为成像中心斜距，Δx为沿X轴方向的运动误差分量、Δy为沿Y轴方向的运动误差分量、Δz为沿Z轴方向的运动误差分量，为斜视角。

方位子块长度δX划分满足如下规则：

$\frac{128}{PRF}V\≤\mathrm{\δ}X\≤min\left(\frac{{\mathrm{\λR}}_s}{16\mathrm{\Δ}x}\right)$

其中，PRF表示脉冲重复频率，V表示平台速度。

示例性的，距离分块一般选取512点即可。方位分块一般选取256点。

步骤3，计算第i个子块的中心点的残余运动误差，i＝1，...，N，i的初值为1，第i个子块的中心点为第i个子块的几何中心所在的像素点。

步骤3具体为：

第i个子块的中心点的残余运动误差ΔR_E为：

其中，X为载机沿航向的位置，x为目标点的方位向坐标，r为斜距，Y₀为场景中心的地距，H为飞机高度，ΔR_A(r，X；x)为飞行轨迹相对于基准点的方位空变运动误差，Δy为沿Y轴方向的运动误差分量、Δz为沿Z轴方向的运动误差分量，为斜视角。

步骤4，确定第i个子块的中心点的残余运动误差补偿函数。

步骤4中，残余运动误差补偿函数H_MOCO(K_x；r，x)为：

H_MOCO(K_x；r，x)＝exp{jK_rc[p₀+p₁(X^*-x)+p₂(X^*-x)²+p₃(X^*-x)³]}

其中，K_x为X的方位波数谱，p₀，p₁，p₂，p₃为多项式系数，X^*为驻相点，K_rc＝4π/λ，K_rc代表单位波数。

步骤5，获取原始方位匹配滤波函数和精确方位匹配滤波函数，根据所述原始方位匹配滤波函数、所述精确方位匹配滤波函数和所述残余运动误差补偿函数确定第i个子块的中心点的最终补偿函数。

步骤5具体包括如下步骤：

(5a)获取原始方位匹配滤波函数H_AMFI(K_x，r)为：

(5b)获取精确方位匹配滤波函数H_AMFII(K_x；r，x)为：

(5c)第i个子块的中心点的最终补偿函数H_PTA(K_r；r，x)为：

H_PTA(K_r；r，x)＝H_AMFII-H_AMFI+H_MOCO

其中，K_x为X的方位波数谱，X^*为驻相点，r为斜距，为斜视角，H_MOCO(K_x；r，x)为残余运动误差补偿函数。

步骤6，根据所述最终补偿函数对第i个子块进行精确运动补偿，得到第i个子块的补偿图像。

步骤6具体为：

将第i个子块变换至波束域，并乘以第i个子块的中心点的最终补偿函数，然后进行方位向逆FFT，得到第i个子块的补偿图像。

步骤7，令i的值加1，并依次重复执行步骤3至步骤7，从而得到机载合成孔径雷达的补偿图像。

本发明的效果可通多以下仿真实验作进一步说明：

1)仿真条件：

本发明在相同仿真条件下与传统“两步”MOCO进行结果对比，仿真参数如表1所示：

表1点目标仿真参数

其中所用的运动参数来源于高精度机载惯导设备，运动误差仿真结果如图3所示。

2.仿真内容及结果分析：

仿真1：用本发明方法在5°斜视角下，对目标点A、B、C方位向使用OSFA算法进行RCMC处理并与“两步”MOCO结果进行对比，结果如图4所示，图4(a)为“两步”MOCO处理结果，图4(b)为OSFA处理结果。其中，点目标A、B、C以场景中心为原点，在距离向从远到近依次排列，坐标分别为(0，400)、(0，0)、(0，-400)(单位为m)。而后对“两步”MOCO法和OSFA处理后的点目标进行成像，对比结果如图5所示，图5(a)为“两步”MOCO处理后点目标成像结果，图5(b)为OSFA处理后点目标成像结果。图6给出了图5中点目标A、B、C在两种MOCO算法下的方位脉冲响应曲线对比结果。表2用峰值旁瓣比(PSLR)、积分旁瓣比(ISLR)、脉冲响应宽度(IRW)三个参量衡量图6的对比结果。

表2仿真一目标点A、B、C方位脉冲响应曲线量化统计结果

仿真2：用本发明方法对实测数据处理，实测数据来自Ka波段机载SAR，实验参数与表1的仿真参数相同。

图7给出了一段实验数据的OSFA处理结果，图中用矩形框标出了两块特征明显的场景，分别为场景1和场景2。另外在图中用圆圈标出了两个孤立散射点A、B。对场景1、场景2分别通过传统“两步”MOCO法和OSFA处理的结果如图8所示，图8(a)为场景1的对比结果，图8(b)为场景2的对比结果，“两步”MOCO法处理结果位于左侧，OSFA处理结果位于右侧。

图9为两种成像算法下，点目标A、B的方位脉冲响应函数对比结果，图9(a)为点目标A的对比结果，图9(b)为点目标B的对比结果。其中蓝色实线表示OSFA的点目标方位脉冲响应曲线。红色虚线为“两步”MOCO法的点目标方位脉冲响应曲线。表3为图9中方位脉冲响应曲线的量化分析结果，评价因子分别为峰值旁瓣比(PSLR)、积分旁瓣比(ISLR)和主波束宽度(IRW)。

表3仿真二目标点A、B方位脉冲响应曲线量化统计结果

3.仿真结果分析：

通过图4对比结果可知，由于“两步”MOCO在场景中心点外存在较大残余运动误差，因此图4(a)中点A和点C的RCMC曲线存在明显弯曲，而点B正常。在4(b)的结果中得到了明显的修正。成像结果对比如图5所示，图5(a)为基于“两步”MOCO的成像结果，可以发现除距离中心点B外，点A和点C均出现严重散焦现象。图5(b)为基于OSFA的成像结果，目标点A、B、C均能良好聚焦。从图6和表2的对比结果中可知，仅对于场景中心点B，两种方法的聚焦效果相当，点A和点C的OSFA处理效果要明显优于“两步”MOCO法

从图8的对比可知，通过“两步”MOCO法处理后，点目标出现明显的散焦现象，而在OSFA的结果中得到修正。图9和表3的结果均显示OSFA明显优于“两步”MOCO法。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。