专利名称：基于密度加权的模拟退火稀疏合成孔径雷达成像方法
技术领域：
本发明属于雷达成像技术领域，具体地说是一种稀疏合成孔径雷达的成像方法， 该方法可用于机/星载雷达系统对地观测成像。
背景技术：
合成孔径雷达SAR安置于机/星载平台，是一种主动式微波遥感设备，可以全天候、全天时、远距离对场景进行观测。根据奈奎斯特采样定理，方位向雷达发射重复频率必须大于方位向合成孔径带宽2倍才能保证频谱无混叠。由于机/星载合成孔径雷达往往平台速度快和天线孔径小，使得方位向带宽大，这就要求雷达重复频率高，导致方位向脉冲数多从而观测数据量大，不利于实时数据回传。传统完全采样成像，需要采集并回传大量回波数据，导致成像计算量大，处理速度慢。稀疏采样可以降低回波采集数据量，从而减少成像计算量，提高处理速度。于是近些年出现了稀疏合成孔径雷达成像。最简单的稀疏方式是均勻稀疏采样成像，由于这种成像方法不满足奈奎斯特采样定理，方位向匹配滤波后会出现成对回波即栅瓣，导致成像结果存在主场景的多次复制即鬼影。当雷达工作于条带模式时，“鬼影”场景会叠加到对应其成像中心的主场景上，造成成像模糊。常规优化稀疏采样成像，通过设计好的代价函数，应用全局优化算法，如遗传算法 GA、粒子群优化PSO算法、模拟退火SA算法等，优化出稀疏采样位置或保留优化位置的采样回波，能消除栅瓣和压低副瓣。但常规的优化稀疏采样成像方法存在运算量大、优化时间长、副瓣不够低等问题。
发明内容
本发明的目的在于克服上述已有技术的不足，提出一种基于密度加权的模拟退火的稀疏合成孔径雷达成像方法，以减小运算量和优化时间，进一步降低副瓣，提高成像质量。为实现上述目的，本发明的技术方案包括如下步骤(1)采用密度加权获得中间采样孔径(Ia)设定全孔径采样数为D、稀疏孔径采样总数为M、初始中间孔径采样数为Ntl， 初始化1 XD维采样标记矢量χ = 0，采样标记矢量χ元素为1表示采样，元素为0表示不采样，D、M、N0均取正整数，且满足N。< M < D ；(Ib)由全孔径采样数D，获得DXl维泰勒窗矢量h = taylorwin )，对窗矢量的最大值归一化，得到DX 1维归一化泰勒窗矢量hQ = h/max (h)，其中taylorwin和max分别表示泰勒窗函数和求最大值函数；(Ic)给循环变量赋初值i = fix (DA)-Hx(NtlA),这里i表示中间孔径采样序号，fix表示朝零取整；
(Id)随机产生一个服从均勻分布
区间的数r = rand(l)，以归一化泰勒窗矢量中第i个元素为参考，判断DiJi > r是否成立，若成立则[x]i = 1，[x]^^ = 1，否则直接执行步骤(Ie)，其中rand表示产生一服从均勻分布的随机数，[Wi表示矢量χ中的第 i个元素；(Ie)令i = i+Ι，判断i Sceil (D/2)是否成立，若成立，则返回步骤(Id)继续循环，否则执行步骤(If)，这里ceil表示朝正无穷大取整；(If)循环结束后，统计中间采样孔径实际所含采样数N = sum(x), sum表示求和函数；(2)利用模拟退火智能优化算法以主瓣和副瓣峰值比最大为代价函数，优化除中间采样孔径外的剩余两边对称采样孔径，得到方位向稀疏采样位置(2a)设定初始温度Ttl，模拟退火总的迭代次数Q ；(2b)在采样标记矢量χ剩余左边孔径中，随机填(M-N) /2个数值1，根据对称性在右边孔径填(M-N) Λ个数值1，并记录1的位置，得到扰动前的位置矢量Ip = find (χ = 1)， find表示寻找满足条件元素的位置；(2c)设计代价函数为f(Ip) = FindLocalPeak2 (P(Ip))，其中 FindLocalPeak2 是返回参数矢量的第二个极大值的函数，P(Ip)为合成阵列的归一化方向图，且
权利要求
1.一种基于密度加权的模拟退火稀疏合成孔径雷达成像方法，包括如下步骤(1)采用密度加权获得中间采样孔径(Ia)设定全孔径采样数为D、稀疏孔径采样总数为M、初始中间孔径采样数为Ntl，初始化1 XD维采样标记矢量χ = 0，采样标记矢量χ元素为1表示采样，元素为0表示不采样， D、M、N0均取正整数，且满足N。< M < D ；(Ib)由全孔径采样数D，获得DXl维泰勒窗矢量h = taylorwin )，对窗矢量的最大值归一化，得到DX 1维归一化泰勒窗矢量hQ = h/max (h)，其中taylorwin和max分别表示泰勒窗函数和求最大值函数；(Ic)给循环变量赋初值i = Hx(Dz^)-Hx(NciA)，这里i表示中间孔径采样序号，fix 表示朝零取整；(Id)随机产生一个服从均勻分布
区间的数r = rand(l)，以归一化泰勒窗矢量中第i个元素为参考，判断DiJi > r是否成立，若成立则[x]i = 1，[x]^^ = 1，否则直接执行步骤(Ie)，其中rand表示产生一服从均勻分布的随机数，[Wi表示矢量χ中的第i个元素；(Ie)令i = i+Ι，判断i ( ceil(D/2)是否成立，若成立，则返回步骤(Id)继续循环， 否则执行步骤(If)，这里ceil表示朝正无穷大取整；(If)循环结束后，统计中间采样孔径实际所含采样数N = sum(X)，sum表示求和函数；(2)利用模拟退火智能优化算法以主瓣和副瓣峰值比最大为代价函数，优化除中间采样孔径外的剩余两边对称采样孔径，得到方位向稀疏采样位置(2a)设定初始温度Ttl，模拟退火总的迭代次数Q ；(2b)在采样标记矢量χ剩余左边孔径中，随机填(M-N) /2个数值1，根据对称性在右边孔径填(M-N)/2个数值1，并记录1的位置，得到扰动前的位置矢量Ip = find (χ = 1)，find 表示寻找满足条件元素的位置；(2c)设计代价函数为f(Ip) = FindLocalPeak2 (P(Ip)),其中 FindLocalPeak2 是返回参数矢量的第二个极大值的函数，P(Ip)为合成阵列的归一化方向图，且=去l>xP(·/'2+JJsil^-sinAVyl)'其中0为波束指向，Θ Q为导向方向，λ为波丄 V土 w=l长，j为虚数单位；(2d)根据设计好的代价函数利用模拟退火算法优化除中间采样孔径外的剩余两边对称采样孔径，得到方位向稀疏采样位置；(3)雷达根据方位向稀疏采样位置发射并接收回波，实现回波数据的稀疏采样；(4)对稀疏采样得到的稀疏回波数据在方位向空缺位置补零，然后利用RD算法完成成像处理。
2.根据权利要求1所述的方法，其特征在于步骤(2d)，按如下步骤进行2dl)设外循环变量k = 1，k表示第k次模拟退火迭代；2d2)设第k次的退火温度值为Tk = TkVln (k+Ι)；2d3)初始化内循环变量η = 2，并令[I。]k = [Ip]k，其中η表示剩余孔径采样序号，I。 表示扰动后的位置矢量，[Ip]k表示第k次迭代扰动前的采样位置矢量，[IJk表示第k次迭代扰动后的采样位置矢量；2d4)将第η个采样位置在第η-1和η+1采样位置之间进行扰动，该扰动表示为 [IJl= [IcL + roundel-[IcXraM(I)]，其中 round 表示四舍五入，[、工表示第 k次迭代第η个序号扰动前的采样位置矢量，[1」:表示第k次迭代第η个序号扰动后的采样位置矢量；2d5)为满足对称性，令「if =D + l-[lcf，其中D为全孔径采样数，M为稀疏孔径采L 6」mL 6样总数；2d6)计算扰动前后代价函数的变化，即ΔΕ = f([I。]k)_f([Ip]k)； 2d7)判断ΔΕ<0是否成立，若不成立，则执行步骤2d8)，否则跳转到步骤2d9)； 2d8)随机产生一个服从均勻分布
区间的数r，r = rand(l)，然后判断exp(-AE/ K0Tk) > r是否满足，其中Ktl为玻尔兹曼常数，若满足，则执行步骤2d9)，否则跳转到步骤 2dl0)；2d9)接受扰动后的状态，即[Ip]k= [IJk；2dl0)更新内循环变量，η = η+1 ；并判断η彡(M-N)/2是否成立，若不成立，则跳转到步骤2d2)，否则执行步骤2dll)；2dll)更新外循环变量k = k+1，并判断k彡Q是否成立，若成立则返回到步骤2d2)， 否则迭代结束，迭代结束后，Ip即为优化得到的方位向稀疏采样位置矢量。
3.根据权利要求1所述的方法，其特征在于步骤(4)所述的利用RD算法完成成像处理，按如下步骤进行1)利用相关函数法，对补零后的稀疏回波数据的多普勒中心频率进行估计；2)根据估计出来的多普勒中心频率，进行距离徙动校正；3)距离徙动校正后，对方位稀疏采样位置对应的距离向数据进行频域脉冲压缩处理；4)距离脉冲压缩后，利用图像偏置法进行多普勒调频率估计；5)根据估计出来的多普勒中心频率和多普勒调频率，进行方位频域脉冲压缩处理后， 得到SAR图像。
全文摘要
本发明公开了一种基于密度加权的模拟退火稀疏合成孔径雷达成像方法，主要解决现有技术的雷达回传数据传输率高和运算量大，均匀稀疏采样成像存在“鬼影”场景的问题。其实现过程为采用密度加权获得中间采样孔径；利用模拟退火优化算法以主瓣和副瓣峰值比最大为代价函数，优化剩余两边对称采样孔径，得到方位稀疏采样位置；根据方位稀疏采样位置实现稀疏回波数据采样以降低数据量；回波数据方位向空缺位置补零后完成成像。本发明在付出较小成像质量下降的代价下实现降低前端回传数据传输率，减少后端距离向脉压的计算量，提高了成像的处理速度并消除均匀稀疏采样成像的“鬼影”场景，可用于机/星载雷达系统对地观测成像。
文档编号G01S13/90GK102393517SQ20111024648
公开日2012年3月28日 申请日期2011年8月25日 优先权日2011年8月25日
发明者廖桂生, 曾操, 朱圣棋, 杨青华, 王民航 申请人:西安电子科技大学