一种合成孔径雷达自适应FFBP成像方法与流程

本发明属于数字信号处理
技术领域：
，涉及一种适用于sar在前侧视模式下的自适应ffbp成像方法，可用于高速平台的实时探测与成像。
背景技术：
传统的合成孔径雷达(syntheticapertureradar,sar)通常为正侧视模式。然而，在现实众多应用中要求雷达具有前侧视成像能力，如导航、自主着陆与地面滑行导引等。因此，雷达前侧视成像技术具有重要的应用价值。但是，在高分辨前侧视sar成像中，目标距离向与方位向之间的耦合效应要比低分辨正侧视模式严重的多，这对sar成像算法的聚焦性能提出了挑战。随着sar技术的发展，研究人员提出了多种成像算法。总体来说，可将这些成像算法分为两类：频域算法和时域算法。频域算法通过对距离和方位之间的耦合进行校正，实现了距离维和方位维之间的二维分维处理，实现简单，成像效率高。然而频域算法在校正距离和方位之间的耦合时进行了许多近似，这些近似条件通常对sar参数较为敏感，如波长、带宽、斜视角、孔径长度等。所以，频域成像算法在高分辨前侧视sar系统中的应用受限。目前，典型的时域算法为标准后向投影(back-projectionalgorithm,bp)算法。bp算法的本质是天线相位阵列沿特定方向进行波束形成，通过沿斜距历程的积分实现成像网格上各像素点能量的积累。bp算法理想地解决了距离方位耦合问题，适用于前侧视或非线性航迹等复杂成像几何下的图像重建。然而bp算法的计算复杂度高达o(n3)，成像效率低。为提高时域成像效率，文献“syntheticapertureradarprocessingusingfastfactorizedback-projection.ieeetransactionsonaerospaceandelectronicsystems,vol.39,no.3,pp.760-776,jul.2003.”提出了快速分解后向投影(fastfactorizedback-projection,ffbp)成像方法。具体来讲，ffbp成像方法先将合成孔径雷达的全孔径均匀分割为若干个子孔径，子孔径数目为2的整数次幂，将每个子孔径数据投影至相应的极坐标系，形成子孔径图像，再对所有子孔径图像进行多次基二融合，在每次图像融合过程中都要对子孔径图像进行逐像素点插值，直到最终融合成一幅全孔径sar图像。ffbp成像方法通过孔径分割将计算复杂度降低为o(n2log2n)，能够应用于前侧视sar成像系统。但其存在的缺陷是在进行子孔径图像融合时执行逐像素点插值和积累，数据量大，计算效率仍然难以满足实时探测的需求。技术实现要素：本发明的目的在于针对上述技术中存在的不足，提出了一种基于目标检测的自适应ffbp成像方法，用于解决现有ffbp成像方法中存在的计算效率较低的技术问题。本发明的技术思路是：在自适应ffbp成像过程中，子孔径图像经过多次基二融合后形成高分辨子孔径图像，对高分辨子孔径图像进行目标检测，输出目标像素点坐标；然后只对目标像素点进行插值和积累，杂波像素点置零，对插值后的高分辨子孔径图像再进行多次基二融合直到最终形成一幅全孔径sar图像。具体实现步骤包括：(1)对合成孔径雷达的回波信号进行距离向匹配滤波：对合成孔径雷达发射的线性调频信号st(tr)的回波信号进行去载频，得到基频信号s(tr,ta;p)，并对基频信号s(tr,ta;p)进行距离向匹配滤波，得到合成孔径雷达全孔径的距离压缩信号src(tr,ta;p)，其中tr为快时间，ta为慢时间，p表示目标的坐标；(2)获取合成孔径雷达的子孔径图像：(2a)假设ffbp算法需要进行x级图像融合，x≥2且为整数，将合成孔径雷达的全孔径均匀分割为长度为l/n的n个子孔径，其中，l为合成孔径雷达全孔径的长度，n＝2x；(2b)建立每个子孔径的极坐标系，并将每个子孔径的距离压缩信号src(tr,ta;p)后向投影至相应子孔径的极坐标系中，得到包含n幅按子孔径先后顺序从小到大排列的第一级图像集合s[1]，其中，表示第i个子孔径图像，(·)[·]表示当前图像所在的级数；(3)对第一级图像集合s[1]中的n幅子孔径图像进行多次基二融合：对第一级图像集合s[1]中的n幅子孔径图像进行(k-1)次基二融合，得到包含n/2(k-1)幅子孔径图像的第k级图像集合s[k]，融合后的子孔径图像角域分辨率达到λmin/2lrad，并将s[k]中的n2(k-1)幅子孔径图像按孔径先后顺序从小到大编号，λmin表示发射信号最小波长；(4)对第k级图像集合s[k]中的第一幅子孔径图像进行目标检测：对第k级图像集合s[k]中第一幅子孔径图像进行目标检测，得到第一幅子孔径图像中的目标像素点的坐标(5)获取坐标在子孔径图像中对应的坐标将中的目标像素点坐标传递至s[k]中除的其余子孔径图像，得到坐标在子孔径图像中对应的坐标其中n表示子图像的序号，且n＝2,3,……,n/2(k-1)；(6)对第k级图像集合s[k]中的n/2(k-1)幅子孔径图像进行自适应插值：根据第一幅子孔径图像中目标像素点的坐标和坐标在子孔径图像中对应的坐标在第k级图像集合s[k]的n/2(k-1)幅子孔径图像中对目标像素点进行插值，并将杂波像素点置零，得到插值后的图像集合s'[k]；(7)将s'[k]中的所有子孔径图像进行一次基二融合：将s'[k]中的n/2(k-1)幅子孔径图像进行一次基二融合，得到包含n/2[k-2]幅子孔径图像的第(k+1)级子孔径图像集合s[k+1]，并将s[k+1]中的n/2[k-2]幅子孔径图像按孔径先后顺序从小到大编号；(8)将子孔径图像中的目标像素点坐标传递给子孔径图像将第k级图像集合s[k]中第一幅子孔径图像中的目标像素点坐标传递至第(k+1)级图像集合s[k+1]的第一幅子孔径图像得到第一幅子孔径图像中的目标像素点的坐标(9)令k＝k+1，并重复步骤(5)至步骤(8)，直到形成一幅只包含目标像素点的全孔径sar图像。本发明与现有技术相比，具有以下优点：本发明获取的全孔径sar图像，当子孔径图像的角域分辨率随着图像融合次数的增加达到λmin/2lrad时，仅对图像集合s[k]中的第一幅子孔径图像进行目标检测，其余子孔径图像中的目标像素点坐标是通过坐标传递方式获取，并将仅对目标像素点插值后的子孔径图像进行多次基二融合的方法实现的，避免了现有ffbp成像方法中的逐像素点插值与积累带来的计算数据量大的缺陷，减少了计算的数据量，并降了低插值的次数，与现有技术相比，有效地提高了成像的效率。附图说明图1为本发明的实现流程图；图2为目标像素点坐标传递示意图；图3为本发明和现有技术对光学图像中场景成像效果对比图；图4为本发明和现有技术对同一场景成像的第6至第9级子孔径图像对比图；图5为本发明和现有技术对各级子孔径图像处理的运行时间对比图。具体实施方式下面结合附图和具体实施例，对本发明作进一步详细描述。参照图1，本发明的实现步骤如下：步骤1)对合成孔径雷达的回波信号进行距离向匹配滤波：步骤1a)合成孔径雷达以固定脉冲重复频率发射线性调频信号st(tr)：st(tr)＝rect(tr／tp)·exp[j2π(fctr+γtr2/2)]其中，tr为快时间，tp为脉冲宽度，fc为载波频率，γ对应于调频率。步骤1b)收到回波之后对回波信号去载频，可以得到基频信号s(tr,ta;p):其中，αp为目标散射强度，wr(tr)＝rect[(tr-δt)/tp]，wa(ta)为雷达波束的方位窗函数，δt＝2r(ta；p)/c为信号双路时延，ta为慢时间，c表示光速，p表示目标的坐标。步骤1c)对基频信号s(tr,ta;p)进行距离向匹配滤波，得到合成孔径雷达全孔径的距离压缩信号src(tr,ta;p)：其中，λ表示载波波长。步骤2)获取合成孔径雷达的子孔径图像：步骤2a)假设ffbp算法需要进行x级图像融合，x≥2且为整数，将合成孔径雷达的全孔径均匀分割为长度为l/n的n个子孔径，其中，l为合成孔径雷达全孔径的长度，n＝2x；步骤2b)建立每个子孔径的极坐标系，并将每个子孔径的距离压缩信号src(tr,ta;p)后向投影至相应子孔径的极坐标系中，得到包含n幅按子孔径先后顺序从小到大排列的第一级图像集合s[1]，其中一幅子孔径图像的表达式为：其中，i表示第i个子孔径，(·)[·]表示图像所在级数，m(m＝1,2,3,...,m)为脉冲索引，α为场景中像素点对应的后向投影向量，r为雷达与像素点之间的瞬时斜距向量。步骤3)对第一级图像集合s[1]中的n幅子孔径图像进行多次基二融合：对第一级图像集合s[1]中的n幅子孔径图像进行(k-1)次基二融合，得到包含n/2(k-1)幅子孔径图像的第k级图像集合s[k]，融合后的子孔径图像角域分辨率达到λmin/2lrad，并将s[k]中的n/2(k-1)幅子孔径图像按孔径先后顺序从小到大编号，λmin表示发射信号最小波长，在基二融合过程中，先用长度为8点的sinc函数对前级子孔径图像和进行插值得到和然后将插值后的子孔径图像和逐像素点相加得到一幅新的子孔径图像步骤4)对第k级图像集合s[k]中的第一幅子孔径图像进行目标检测：对第k级图像集合s[k]中第一幅子孔径图像采用sp-cfar算法进行目标检测，得到第一幅子孔径图像中的目标像素点的坐标步骤5)获取坐标在子孔径图像中对应的坐标将中的目标像素点坐标传递至s[k]中除的其余子孔径图像，如图2中第一行所示，得到坐标在子孔径图像中对应的坐标其中，n表示子图像的序号，且n＝2,3,……,n/2(k-1)，l[k]为第k级处理中的子孔径长度。步骤6)对第k级图像集合s[k]中的n/2(k-1)幅子孔径图像进行自适应插值：根据第一幅子孔径图像中目标像素点的坐标和坐标在子孔径图像中对应的坐标在第k级图像集合s[k]的n/2(k-1)幅子孔径图像中对目标像素点进行插值，插值核用长度为8点的sinc函数，并将杂波像素点置零，得到插值后的图像集合s'[k]；步骤7)将s'[k]中的所有子孔径图像进行一次基二融合：将s'[k]中的n/2(k-1)幅子孔径图像进行一次基二融合，得到包含n/2[k-2]幅子孔径图像的第(k+1)级子孔径图像集合s[k+1]，并将s[k+1]中的n/2[k-2]幅子孔径图像按孔径先后顺序从小到大编号；步骤8)将子孔径图像中的目标像素点坐标传递给子孔径图像将第k级图像集合s[k]中第一幅子孔径图像中的目标像素点坐标传递至第(k+1)级图像集合s[k+1]的第一幅子孔径图像如图2中第二行所示，得到第一幅子孔径图像中的目标像素点的坐标步骤9)令k＝k+1，并重复步骤(5)至步骤(8)，直到形成一幅只包含目标像素点的全孔径sar图像。以下结合ku波段的实测数据处理实验，对本发明技术效果作进一步说明：1.实验条件和内容：表1.实测数据系统参数分别利用ffbp和自适应ffbp成像方法对同一场景进行成像，场景中的主要目标为一些人工建筑。在对场景成像处理中，共生成9级子孔径图像，在对第6级子孔径图像处理时开始用sp-cfar算法进行目标检测。实验结果如图3所示，图3(a)为现有ffbp成像方法的成像结果，图3(b)为自适应ffbp成像方法的成像结果，图3(c)为对应的谷歌地图光学图像。图4为ffbp和自适应ffbp对同一场景成像的第6至9级子孔径图像对比图，其中第一行为ffbp成像结果，第二行为自适应ffbp成像结果。ffbp和自适应ffbp成像方法对各级子孔径图像处理的计算机运行时间在图5中给出。实测数据系统参数如表1所示，两种算法的成像总时间如表2所示。表2.实测数据实验成像时间对比成像方法运行时间(s)ffbp169.76自适应ffbp101.322.实验结果分析：从图3中可以看出，自适应ffbp保留了感兴趣目标，同时剔除了杂波背景。从图4中可以看出，在第6级子孔径图像中，由于子孔径图像分辨率和信噪比都较低，检测结果中存在较多杂波像素。随着子孔径长度增加，目标结构更加清晰，杂波像素也逐渐被消除。从图5中可以看出，自适应ffbp对第6级子孔径图像处理的运行时间要稍高于ffbp对应的运行时间，这是因为sp-cfar检测开始于第6级子孔径图像。在对第7至9级子孔径图像的处理中，基于检测结果，仅有少量像素点进行插值，自适应ffbp成像方法每级的处理时间都大大缩短了。综上，本发明成像方法的成像效率优于现有的ffbp成像方法。当前第1页12