颠簸平台无人机载SAR实时成像处理方法与流程

本发明涉及无人机遥感测绘领域，具体涉及一种颠簸平台无人机载sar实时成像处理方法。

背景技术：

合成孔径雷达(sar)可以获取地面场景的二维高分辨图像，在遥感探测和地形测绘领域有着广阔的应用前景。同时，无人机平台拥有成本低、体积小等独特优势，将sar搭载于无人机平台上可将两者的优势有机结合，使得无人机载sar成为近年来的研究重点。

无人机平台质量较轻，其航迹易受横风、气流等天气因素影响，从而引入较大的运动误差，属于典型的颠簸平台。现有的解决方案大多结合惯性导航系统(ins)进行运动补偿处理，消除大部分沿波束视线(los)方向的运动误差，在残余运动误差小于分辨单元的一半时可满足成像需求。然而对于高分辨sar成像而言，限于ins精度不足的现状，残余运动误差仍会对聚焦产生一定影响，使图像在一定程度上出现散焦、拖尾等现象。同时，平台的颠簸会导致非均匀的位置采样，从而带来垂直于los方向上的相位误差，对聚焦的影响同样不可忽略。

随着半导体技术的飞速发展，现场可编程门阵列(fpga)、数字信号处理器(dsp)等硬件平台的运算效能得到进一步提升，其更多地应用于sar实时成像领域。在工程实践中，成本和功耗是权衡硬件平台的两大因素。现有的sar实时处理机大多采取堆叠芯片的方式，在满足成像实时性的同时造成了大量的性能冗余，对于控制成本、降低功耗十分不利。因此，工程方案更多地关注于如何充分利用硬件资源，在实时处理的同时发挥各平台的优势，以达到算法性能与成本、功耗之间的权衡。

技术实现要素：

针对现有技术中存在的问题，本发明的目的在于提供一种颠簸平台无人机载sar实时成像处理方法，该方法基于异构多核芯片的无人机载sar实时成像处理，实现以无人机为代表的颠簸平台的高分辨成像，大幅改善硬件资源利用率，且对颠簸平台sar实时成像处理的聚焦效果良好，鲁棒性较强。

本发明的技术思路如下：

(1)改进传统成像流程，消除颠簸平台运动误差的影响：(1a)根据ins参数修正平台偏离理想航迹的偏差，主要消除沿波束los方向的运动误差引起的相位误差；(1b)针对多普勒调频率受颠簸平台运动参数影响较大的问题，利用图像偏置(md)算法对残余多普勒调频率进行估计、补偿，从而大幅改善图像的聚焦效果；(1c)进行相位梯度自聚焦(pga)处理，在图像域进一步补偿由加速度带来的残余相位误差。

(2)结合fpga芯片xc7a100t和dsp芯片tms320c6678的特点，设计一种基于异构多核芯片的实时处理软件架构：(2a)充分发挥fpga运算效能高的优势，在fpga端执行以乘累加运算为主体的数字下变频(ddc)、距离脉压(pc)以及预滤波(pf)处理；(2b)将数据矩阵沿距离向分块，并通过fpga将数据分发给多片dsp芯片；(2c)充分发挥dsp编程灵活度高的优势，在dsp端执行基于(1)中改进的颠簸平台sar成像算法。

为了达到上述目的，本发明采用以下技术方案予以实现。

一种颠簸平台无人机载sar实时成像处理方法，包括以下步骤：

步骤1，利用无人机载sar系统收发lfm脉冲信号，得到中频回波实信号sr(tr)；利用模数转换器对sr(tr)进行采样、量化后，得到离散的中频回波实信号sr(k)，fpga端对sr(k)进行数字下变频处理，生成零中频正交双路信号si(k)和sq(k)，并整合成为时域回波ss(tr,ta；rs)＝si(k)+jsq(k)；其中，tr为距离向快时间变量、ta为方位向慢时间变量、rs为场景中心斜距、j为虚数单位；

步骤2，fpga端判断发射信号带宽br与adc采样频率fs之间的关系，选择直采方式或去斜方式对时域回波ss(tr,ta；rs)进行距离向脉冲压缩处理，得到距离向脉冲压缩信号sspc,r(tr,ta；rs)；

步骤3，fpga端对距离向脉冲压缩信号sspc,r(tr,ta；rs)进行方位向预滤波，得方位向滤波后的信号sspf,r(tr,ta；rs)；

步骤4，fpga端将方位向滤波后的信号sspf,r(tr,ta；rs)沿距离向分块，得多个数据块，相邻的数据块的重叠点数为g，每个数据块发送至dsp端；其中，每个数据块记为ssn,r(tr,ta；rs)，n为数据块的个数；

步骤5，dsp端获取相位误差利用所述相位误差对ssn,r(tr,ta；rs)进行基于ins的运动补偿，得到基于ins的运动补偿信号ssinsn,r(tr,ta；rs)；

步骤6，dsp端对基于ins的运动补偿信号ssinsn,r(tr,ta；rs)进行矩阵转置，得转置后的信号ssinsn,a(tr,ta；rs)；

步骤7，dsp端对转置后的信号ssinsn,a(tr,ta；rs)依次做距离向傅里叶变换变换和方位向傅里叶变换，得二维频域回波信号ssinsn,a(fr,fa；rs)；构造距离徙动校正函数hrcmc(fr,fa；rs)，将二维频域回波信号ssinsn,a(fr,fa；rs)与hrcmc(fr,fa；rs)相乘，并做二维逆傅里叶变换，得距离徙动校正信号ssrcmcn,a(tr,ta；rs)；

步骤8，dsp端构建相位补偿函数hmd，将距离徙动校正信号ssrcmcn,a(tr,ta；rs)与hmd相乘，得到基于数据的运动补偿信号ssmdn,a(tr,ta；rs)；

步骤9，dsp端对基于数据的运动补偿信号ssmdn,a(tr,ta；rs)做方位向傅里叶变换，得距离多普勒域内信号ssmdn,a(tr,fa；rs)；构建方位匹配滤波函数，采用所述方位匹配滤波函数对ssmdn,a(tr,fa；rs)进行方位压缩，得方位压缩信号ssacn,a(tr,ta)；

步骤10，dsp端利用相位梯度自聚焦算法得到方位相位误差的估计值，根据所述方位相位误差的估计值对方位压缩信号ssacn,a(tr,ta)进行修正，得精确的距离分块聚焦信号sspgan,a(tr,ta)；

步骤11，多个dsp端得到的精确的距离分块聚焦信号sspgan,a(tr,ta)根据相邻的数据块的重叠点数g进行图像拼接，汇集成完整的sar图像。

与现有技术相比，本发明的有益效果为：

(1)传统无人机载sar成像算法对运动误差的包容度较低，当平台颠簸较大时成像结果往往出现散焦、拖尾等问题。本发明充分考虑颠簸平台的飞行特点及其运动误差对成像性能的影响，针对传统条带模式成像算法做出多项有效的改进，如dsp端进行基于惯导信息的运动补偿处理、dsp端进行基于数据的运动补偿处理、dsp端进行图像域自聚焦处理等多项运动误差补偿技术。相比现有的颠簸平台无人机载sar成像算法，本发明具有更优的聚焦效果和更强的鲁棒性。

(2)现有的实时处理技术大多采用芯片堆叠的方式进行设计，导致部分运算能力和存储资源遭到闲置、浪费。本发明充分发挥异构多核芯片的优势，利用fpga计算效能高的优势，执行以乘累加运算为主体的数字下变频、距离脉压和方位向预滤波处理，fpga根据dsp资源做出数据分发和任务分配；利用dsp编程灵活度高的优势，执行基于多层次运动补偿的颠簸平台sar成像处理，如进行相位估计、相位补偿、矩阵转置等处理。相比现有的方案，本发明有效避免了硬件资源的闲置、冗余，具有更高的资源利用率和更低的功耗、成本。

(3)dsp端在距离向处理和方位向处理之间，对基于ins的运动补偿信号ssinsn,r(tr,ta；rs)数据进行矩阵转置，保证了数据存储方式与模块处理方式相匹配，从而大幅减少了读写数据的总线占用率，提升数据读写效率，进而有效提升了系统成像的实时性。

附图说明

下面结合附图和具体实施例对本发明做进一步详细说明。

图1是本发明的颠簸平台无人机载sar实时成像处理方法的流程图；

图2是无人机载sar正侧视条带成像几何模型；

图3是fpga数字下变频处理流程图；

图4是fpga执行距离脉压处理的流程图；其中，图4(a)为直采脉压流程图；图4(b)是去斜脉压流程图；

图5是fpga对dsp1和dsp2进行数据分发和任务分配的示意图；

图6是dsp矩阵转置示意图；

图7是dsp结合md思想的数据运动补偿方法流程图；

图8是md算法中划分方位子孔径示意图；

图9是dsp执行pga的流程图；

图10是本发明中的颠簸平台无人机载sar实时成像处理方法的成像结果图。

具体实施方式

下面将结合实施例对本发明的实施方案进行详细描述，但是本领域的技术人员将会理解，下列实施例仅用于说明本发明，而不应视为限制本发明的范围。

本发明提供了一种颠簸平台无人机载sar实时成像处理方法，其具体处理流程图如图1所示。fpga端执行数字下变频、距离脉压、方位向预滤波和数据分发，随后dsp1和dsp2执行基于ins的运动补偿、矩阵转置、距离徙动校正、基于数据的运动补偿、方位压缩和pga，最后在dsp1端完成图像拼接，并通过pcie接口发送至系统板。下面结合附图对本发明做进一步的具体描述。

步骤1，利用无人机载sar系统收发lfm脉冲信号，得到中频回波实信号sr(tr)；利用模数转换器(adc)对sr(tr)进行采样、量化后，得到离散的中频回波实信号sr(k)，fpga端对sr(k)进行数字下变频(ddc)处理，生成零中频正交双路信号si(k)和sq(k)，并整合成为时域回波ss(tr,ta；rs)＝si(k)+jsq(k)。

具体的，步骤1包含以下子步骤：

子步骤1.1，参照图2，无人机载sar工作在正侧视条带模式，理想情况下平台以水平速度v沿y轴方向飞行，方位向波束宽度为θbw，飞行高度为h。点b为场景中心点，rs为景中心斜距。点p为场景中沿方位向所布的任一点，与b点的间距为xn，即xn为场景中心点与场景中沿方位向所布的任一点之间的距离。根据上述几何关系，得到平台与点目标的瞬时斜距为：

其中，ta为方位向慢时间变量。基于平台与点目标的瞬时斜距，可以得到中频回波实信号的表达式：

其中，tr为距离向快时间变量，c表示光速，fi表示adc采样前的中频频率，kr表示lfm信号的调频率。

子步骤1.2，离散的中频回波实信号sr(k)为：

其中，k表示离散时间变量，na表示方位向采样点数。

子步骤1.3，参照图3，fpga接收到离散的中频回波实信号sr(k)后存入只读存储器(rom)中，利用其浮点知识产权核(ip核)分别与cos(2πfik△t)和sin(2πfik△t)相乘，其中△t表示相邻采样点之间的时间间隔；随后借助matlab软件中的fdatool工具生成低通滤波器f(k)并预置在fpga的rom中，利用f(k)分别对两路信号进行移位乘累加，完成低通滤波，生成零中频正交双路信号si(k)和sq(k)。上述过程可表示为：

其中，表示卷积计算，表示从m＝0到m＝m-1进行求和运算，m表示总采样点数，求和变量m的增加表示向量的移位。

子步骤1.4，将零中频正交双路信号si(k)和sq(k)分别作为复信号的实部与虚部，构成时域回波ss(tr,ta；rs)为：

其中，wr(tr)表示距离时域窗函数，wa(ta)表示方位时域窗函数，j为虚数单位，λ为波长。

步骤2，fpga端判断发射信号带宽与adc采样频率fs之间的关系，选择直采方式或去斜方式对时域回波ss(tr,ta；rs)进行距离向脉冲压缩处理，得到距离向脉冲压缩信号sspc,r(tr,ta；rs)；其中，下标pc表示距离向脉冲压缩，下标r表示数据沿距离向(range)连续。

具体的，当系统带宽较低时，adc的采样频率满足奈奎斯特采样定理，fpga端可采用直采脉压的方式得到距离向脉冲压缩结果sspc,r(tr,ta；rs)，其中下标r表示数据沿距离向(range)连续；当系统带宽较高时，致使adc的最高采样频率也无法满足奈奎斯特采样定理，fpga端需采用去斜脉压的方式得到sspc,r(tr,ta；rs)，该方式等效降低了系统采样频率。步骤2包含以下子步骤：

子步骤2.1，fpga端采用频域匹配滤波的方式进行距离脉压，首先调用傅里叶变换(fft)的ip核将时域回波ss(tr,ta；rs)变换到距离频域，得距离回波：

ss(fr,ta；rs)＝fftr[ss(tr,ta；rs)]

其中，fftr表示距离向傅里叶变换。

子步骤2.2，根据发射信号带宽br与adc采样频率fs之间的关系，选择距离向脉冲压缩的形式，具体为：

(a)当br<fs时，fpga执行直采脉压处理。根据lfm信号的调频率kr构造频域匹配滤波参考函数hpc，并将其预置在fpga的rom中：

其中，fr表示距离向频率变量。参照图4(a)，调用乘法器将ss(fr,ta；rs)和hpc相乘；调用傅里叶逆变换(ifft)的ip核将相乘结果变换到二维时域，得到距离向脉冲压缩信号：

sspc,r(tr,ta；rs)＝ifftr[ss(fr,ta；rs)·hpc]

其中，ifftr表示距离向逆傅里叶变换。

(b)当br≥fs时，fpga执行去斜脉压处理。构造可以消除剩余视频相位(rvp)项的去斜函数sc(fi)，并将其预置在fpga的rom中

其中，fi为基带距离频率变量。参照图4(b)，调用乘法器将ss(fr,ta；rs)和sc(fi)相乘，调用ifft的ip核对乘积结果进行距离向逆傅里叶变换，随后调用乘法器和fft的ip核对时域信号进行加窗傅里叶变换，得到距离向脉冲压缩信号：

sspc,r(tr,ta；rs)＝fftr[wr(tr)·ifftr[ss(fr,ta；rs)·sc(fi)]]

其中，wr(tr)表示距离时域窗函数，fftr表示距离向傅里叶变换。

步骤3，fpga端对距离向脉冲压缩信号sspc,r(tr,ta；rs)进行方位向预滤波，得方位向滤波后的信号sspf,r(tr,ta；rs)。

具体的，步骤3为：首先根据雷达波长、波束宽度和飞行速度计算多普勒带宽ba：

其中，da为天线孔径，θbw为波束宽度，λ为波长；随后，借助matlab软件中的fdatool工具生成低通滤波器系数并将其预置在fpga的rom中，其中低通滤波器的通带宽度为多普勒带宽ba，采样频率为系统的脉冲重复频率(prf)。沿方位向对sspc,r(tr,ta；rs)进行滤波操作，输出的结果存成矩阵，即为方位向滤波后的信号sspf,r(tr,ta；rs)sspf,r(tr,ta；rs)。通过方位向预滤波处理滤除了绝大部分动目标的影响，使成像效果得以提升。

步骤4，fpga端将方位向滤波后的信号sspf,r(tr,ta；rs)sspf,r(tr,ta；rs)沿距离向分块，得多个数据块，相邻的数据块的重叠点数为g，每个数据块发送至dsp端；其中，每个数据块记为ssn,r(tr,ta；rs)，n为数据块的个数。

具体的，参照图5，fpga对多片dsp芯片做出任务控制与数据分发。将sspf,r(tr,ta；rs)沿距离向分成两个数据块，分别记为ss1,r(tr,ta；rs)和ss2,r(tr,ta；rs)，n＝1,2，两个数据块在距离向拥有重叠点数g为512；通过串行rapidi/o(srio)接口将数据块分发给dsp1和dsp2，并下发成像任务指令。

步骤5，dsp端获取相位误差利用所述相位误差对ssn,r(tr,ta；rs)进行基于ins的运动补偿，得到基于ins的运动补偿信号ssinsn,r(tr,ta；rs)。

具体的，步骤5包含以下子步骤：

子步骤5.1，dsp端根据中断协议解析srio帧，解析ins传来的地理坐标系下的东速veast、北速vnorth、天速vsky信息，结合航迹角θyaw计算成像坐标系下的沿航迹速度valong、垂直航迹速度vcross、升降速度veleva：

子步骤5.2，dsp端对惯导速度信息进行积分，结合理想航迹获得平台沿los方向上的运动误差；将运动误差换算成相位误差，对ssn,r(tr,ta；rs)进行基于ins的运动补偿，得到ssinsn,r(tr,ta；rs)，其中n＝1,2。

具体的，对成像坐标系下的三维速度分量(沿航迹速度valong、垂直航迹速度vcross、升降速度veleva)进行线积分，得到该坐标系下的三维运动误差ealong、ecross、eeleva。随后，根据波束的俯仰角β计算沿los方向上的运动误差elos和相应的相位误差

子步骤5.3，将与ssn,r(tr,ta；rs)相乘，得到基于ins的运动补偿信号：

步骤6，dsp端对基于ins的运动补偿信号ssinsn,r(tr,ta；rs)进行矩阵转置，得转置后的信号ssinsn,a(tr,ta；rs)；其中，下标a表示数据沿方位向(azimuth)连续。

具体的，上述步骤1-5均是距离向处理，要求数据沿距离向连续。而后面的处理均针对方位向信号进行估计、补偿，为提升数据读写速率，减少硬件资源损耗，对ssinsn,r(tr,ta；rs)进行矩阵转置操作。参照图6，dsp完成矩阵转置，得到沿方位向连续的ssinsn,a(tr,ta；rs)。

步骤7，dsp端对转置后的信号ssinsn,a(tr,ta；rs)依次做距离向傅里叶变换变换和方位向傅里叶变换，得二维频域回波信号ssinsn,a(fr,fa；rs)；构造距离徙动校正函数hrcmc(fr,fa；rs)，将二维频域回波信号ssinsn,a(fr,fa；rs)与hrcmc(fr,fa；rs)相乘，并做二维逆傅里叶变换，得距离徙动校正信号ssrcmcn,a(tr,ta；rs)。

具体的，计算ssinsn,a(tr,ta；rs)中的距离弯曲量以及高阶距离徙动量，并将上述两个分量作为相位生成距离徙动校正函数hrcmc(fr,fa；rs)；随后对ssinsn,a(tr,ta；rs)进行补偿，得到距离徙动校正信号ssrcmcn,a(tr,ta；rs)，其中n＝1,2。

步骤7包含以下子步骤：

子步骤7.1，dsp端对ssinsn,a(tr,ta；rs)做距离向fft，得到距离频域表达式

其中，wr(fr)为距离频域窗函数，fc为雷达系统的载波频率，fr表示距离向频率变量。

子步骤7.2，dsp端对ssinsn,a(fr,ta；rs)做方位向fft，得到二维频域回波信号：

其中，wa(fa)表示方位频域窗函数，fa表示方位向频率变量。

子步骤7.3，对上式中的第二个指数项进行关于变量fr的低阶麦克劳林展开：

从中找到fr与fa的耦合项，并构造距离徙动校正函数：

子步骤7.4，dsp端将ssinsn,a(fr,fa；rs)与hrcmc(fr,fa；rs)相乘，并做二维ifft，得到距离徙动校正信号：

ssrcmcn,a(tr,ta；rs)＝ifft2[ssinsn,a(fr,fa；rs)·hrcmc(fr,fa；rs)]

其中，ifft2[·]表示二维逆傅里叶变换。

步骤8，dsp端构建相位补偿函数hmd，将距离徙动校正信号ssrcmcn,a(tr,ta；rs)与hmd相乘，得到基于数据的运动补偿信号ssmdn,a(tr,ta；rs)。

具体的，步骤8包含以下子步骤：

子步骤8.1，参照图7，dsp利用md算法进行基于数据的运动补偿；参照图8，dsp将方位向信号向量s(ta)分成前后两个子孔径，分别记为s1(ta)和s2(ta)，即s1(ta)和s2(ta)分别为前子孔径信号和后子孔径信号：

其中，t表示合成孔径时间，ka表示方位调频率，a(·)表示信号包络。dsp将s1(ta)和s2(ta)变换到方位频域，得到s1(fa)和s2(fa)，即s1(fa)和s2(fa)分别为变换到方位频域内的信号：

其中

子步骤8.2，对s1(fa)和s2(fa)进行相关(correlation)运算，得到两视图像之间的相对移动量△n，进而计算多普勒调频率的估计值

其中，prf表示系统的脉冲重复频率。

子步骤8.2，dsp端对多普勒调频率的估计值做二重积分，得到多普勒调频率估计的相位误差，记为

其中，∫∫(·)表示二重积分，dta表示沿方位时间ta做积分运算。

子步骤8.3，根据多普勒调频率估计的相位误差构建相位补偿函数hmd：

子步骤8.4，dsp端将ssrcmcn,a(tr,ta；rs)与hmd相乘，得到基于数据的运动补偿信号：

ssmdn,a(tr,ta；rs)＝ssrcmcn,a(tr,ta；rs)·hmd

步骤9，dsp端对基于数据的运动补偿信号ssmdn,a(tr,ta；rs)做方位向傅里叶变换，得距离多普勒域内信号ssmdn,a(tr,fa；rs)；构建方位匹配滤波函数，采用所述方位匹配滤波函数对ssmdn,a(tr,fa；rs)进行方位压缩，得方位压缩信号ssacn,a(tr,ta)。

具体的，dsp端计算方位向调频率，生成方位压缩参考函数，对ssmdn,a(tr,ta；rs)进行初步聚焦，得到ssacn,a(tr,ta)，其中n＝1,2。步骤9包含以下子步骤：

子步骤9.1，dsp端对ssmdn,a(tr,ta；rs)做方位向fft，得到经过残余多普勒调频率估计和补偿后在距离多普勒域内信号的表达式：

其中，sinc(·)表示辛克函数，第一个指数项反映目标的方位位置，第二个指数项为方位调频项。

子步骤9.2，根据上式中第二个指数项构造方位匹配滤波函数：

子步骤9.3，dsp将ssmdn,a(tr,fa；rs)与hac(fa)相乘并进行方位向ifft，得到方位压缩信号ssacn,a(tr,ta)：

其中，iffta[·]表示方位向逆傅里叶变换。

步骤10，dsp端利用相位梯度自聚焦算法得到方位相位误差的估计值，根据所述方位相位误差的估计值对方位压缩信号ssacn,a(tr,ta)进行修正，得精确的距离分块聚焦信号sspgan,a(tr,ta)。

具体的，在图像域针对高次相位误差进行pga处理，对ssacn,a(tr,ta)进一步补偿残余相位误差，得到更精确的距离分块聚焦信号sspgan,a(tr,ta)，其中n＝1,2。

步骤10包含以下子步骤：

子步骤10.1，参照图9，首先dsp取出方位压缩信号ssacn,a(tr,ta)矩阵中若干能量强的距离单元，并求出各距离门沿方位向的最大振幅及其索引值(方位向采样位置)。

子步骤10.2，通过圆周移位使得图像中的特显点都位于图像的中心处。

子步骤10.3，通过加窗截取以最大值为中心的一段复数据，并计算该段复数据的一阶导数。

子步骤10.4，估计方位相位误差的一阶导数，并对其进行积分得到方位相位误差的估计值；

子步骤10.5，利用该方位相位误差的估计值对方位信号做出修正。反复执行上述过程，每循环一次窗长减少一半，直至满足判定条件，即窗长减为1～3个方位单元，则全部相位误差得以校正完毕。由于pga处理采用变换域的思想，因此图9中出现多处方位向fft和ifft。

步骤11，多个dsp端得到的精确的距离分块聚焦信号sspgan,a(tr,ta)根据相邻的数据块的重叠点数g进行图像拼接，汇集成完整的sar图像。

具体的，dsp2将sspga2,a(tr,ta)发送至dsp1，dsp1按照距离分块的重叠点数512将sspga1,a(tr,ta)和sspga2,a(tr,ta)进行图像拼接，汇集成完整的sar图像后；随后，dsp1通过pcie接口将完整的sar图像发送至系统板，完成无人机载sar实时成像处理设计。

本发明的改善效果可通过以下实测试验进一步说明。

在无人机平台上搭载sar系统，对地面合作区域进行成像试验。由于无人机平台质量很轻，空中的气流将引起平台的剧烈颠簸。在颠簸无人机平台上加载本发明所提出的无人机载sar实时成像处理软件架构进行sar成像处理，得到的成像结果如图10所示。

通过对比两幅图像，可以总结出本发明所提出的软件架构对颠簸平台sar成像带来了以下改善。

(1)本发明消除了由颠簸飞行平台的运动误差引起的散焦、拖尾现象；

(2)本发明通过对特显点的良好聚焦，有效地减少了图像中像素值饱和点的数量，从而将量化系数控制在正常范围内，解决了图像整体发暗的问题；

(3)本发明针对运动误差对波束指向的影响进行了估计与补偿，有效地抑制了带外杂波对成像算法的影响。

由本发明所描述的运动补偿方法可以对照射区域进行良好聚焦，并且强散射体周边没有出现拖尾现象。由本发明设计的实时处理软件架构快速、高效的完成了成像任务，满足系统实时性的要求，可对大场景进行连续探测、成像。

虽然，本说明书中已经用一般性说明及具体实施方案对本发明作了详尽的描述，但在本发明基础上，可以对之作一些修改或改进，这对本领域技术人员而言是显而易见的。因此，在不偏离本发明精神的基础上所做的这些修改或改进，均属于本发明要求保护的范围。