一种基于FFBP算法的车载SAR时域快速成像方法

一种基于ffbp算法的车载sar时域快速成像方法
技术领域
1.本发明属于车载合成孔径雷达成像技术领域，尤其涉及一种基于ffbp算法 的车载sar时域快速成像方法。


背景技术：

2.目前，全国很多省市针对无人机颁布了相应的禁飞规定，把机场、化工厂、 军事基地、交通枢纽等敏感区域设置为“低小慢”飞行器的禁飞区。所以使用 无人机搭载合成孔径雷达对城市等相关区域进行探测成像会有诸多不便，车载 合成孔径雷达成像可以很好的适应城市的各种地形和路况。
3.合成孔径雷达具有全天时、全天候、远距离的高分辨率成像能力，广泛应 用于军事和民用领域。可以在能见度极低的气象条件下得到类似光学照相的高 分辨雷达图像。利用雷达与目标的相对运动把尺寸较小的真实天线孔径用数据 处理的方法合成一较大的等效天线孔径的雷达。
4.通过上述分析，现有技术存在的问题及缺陷为：现有城市区域无人机禁飞， 使用无人机搭载合成孔径雷达对城市等相关区域进行探测存在成像困难问题。
5.解决以上问题及缺陷的难度为：如何解决城市区域无人机禁飞的情况下， 也可以完成城市相关区域的探测问题，且可以快速、高效的完成探测任务。
6.解决以上问题及缺陷的意义为：本方法使用的车载合成孔径雷达能够弥补 无人机无法在城市区域探测问题，并且车载合成孔径雷达成像的范围更大、距 离更远、效率更高。能够快速、高效的完成探测的需求。


技术实现要素：

7.针对现有技术存在的问题，本发明提供了一种基于ffbp算法的车载sar 时域快速成像方法，尤其涉及一种基于快速分解后向投影算法(fast factorizedback-projection，ffbp)和相位梯度自聚焦(phase gradient autofocus，pga) 的车载合成孔径雷达成像方法、系统、介质、设备及信息处理终端，旨在解决 城市区域无人机禁飞而存在的城市探测成像困难问题。
8.本发明是这样实现的，一种基于ffbp算法的车载sar时域快速成像方法， 所述基于ffbp算法的车载sar时域快速成像方法，包括：将车载sar的原始 数据进行距离压缩，再由相位梯度自聚焦算法pga进行运动补偿和快速分解后 向投影算法ffbp进行时域成像；ffbp算法通过将雷达回波数据反向投影到成 像区域的各个像素，像素值通过计算雷达回波在雷达天线和图像像素之间的距 离的延时进行成像。
9.进一步，所述基于ffbp算法的车载sar时域快速成像方法包括以下步骤：
10.步骤一，由车载信号发生器发射线性调频信号，照射区域的距离向宽度由 发射带宽决定；经过一段时延后，车载信号接收器接收到反射的信号；读取接 收的数据，进行距离压缩处理，读取接收数据中的雷达系统参数；
11.作用：得到原始数据，可以用雷达系统参数得到距离向和方位向分辨率， 波束带宽等必要参数。
12.步骤二，ffbp算法根据系统参数将总孔径划分为若干个子孔径，并在极坐 标域规划网格大小；
13.作用：通过划分的孔径和网格可以明确融合的次数和极坐标域的分辨率。
14.步骤三，在极坐标域中，通过计算雷达回波在雷达天线和图像像素之间的 距离的延时来对每个子孔径进行成像，使用距离插值对脉冲进行相干积累；
15.作用：通过第一次融合得到每个子孔径的低分辨率的图像，因此可以大大 减少bp的成像时间。
16.步骤四，在极坐标域中，通过角域插值让子孔径两两融合，获得方位向的 高分辨率图像，并获得所有子孔径融合之后的总孔径图像；
17.作用：通过子孔径图像的不断融合，图像的方位向的分辨率不断提高。
18.步骤五，根据系统参数对融合之后的图像进行pga算法的运动误差补偿， 所述pga算法包括循环移位、窗宽选择、相位误差估计和迭代校正；
19.作用：通过pga算法来补偿运动误差，可以减少二维插值和原始数据中带 来的相位误差。
20.步骤六，根据极坐标和时域的参数关系，将总孔径图像由极坐标域转换到 时域，得到成像结果。
21.作用：满足同时使信号能准确被系统处理，得到时域中高分辨率的总孔径 图像
22.进一步，所述步骤一中的由车载信号发生器发射线性调频信号，照射区域 的距离向宽度由发射带宽决定；经过一段时延后，车载信号接收器接收到反射 的信号；读取接收的数据，进行距离压缩处理，读取接收数据中的雷达系统参 数包括：
23.(1)读取雷达系统参数和距离压缩匹配滤波器参数；
24.以车辆行驶路线的方向为方位向方向，垂直方位向方向为距离向方向；
25.所述雷达系统参数包括工作载频fc、系统带宽b、脉冲重复频率prf、脉 冲宽度tp、系统采样率fs、雷达斜视角θ、光速c，为常数，斜距r表示车辆 到场景中心距离。
26.为频域匹配滤波器函数；kr为距离向调频率。
27.(2)依据系统带宽b和脉冲宽度tp得到距离向调频率k；在时域信号中， 设计匹配滤波器为时间反褶后的复共轭，带有二次相位的复共轭；信号经过匹 配滤波器后，将信号中的二次相位抵消。
28.为得到的距离压缩后的基带信号。
29.其中，τ为快时间，tm为距离向的慢时间，k
rc
为波数中心。
30.所述步骤二中的ffbp算法根据系统参数将总孔径划分为若干个子孔径，并 在极坐标域规划网格大小包括：
31.(1)规划网格大小，设置x方向地面网格的尺寸为xp，y方向地面网格 尺寸为yp，根据分辨率指标ρr和ρa，x方向网格像素间隔为δx，y方向网格像 素间隔为δy，地面成像网格点数为nx
×
ny：
32.x
p
＝n
x
*δx；
33.y
p
＝ny*δy；
34.(2)假设合成孔径的长度为la、将整个合成孔径划分为k个子孔径，则 每个子孔径的长度为l＝la/k；初始划分子孔径数目为k
(1)
＝2
g-1
，其中g为大 于1的整数，代表总阶段数。
35.进一步，所述步骤三中的在极坐标域中，通过计算雷达回波在雷达天线和 图像像素之间的距离的延时来对每个子孔径进行成像，使用距离插值对脉冲进 行相干积累包括：
36.(1)采用bp算法对回波数据进行成像；
37.在极坐标中，对于tm时刻天线相位中心到像素点的瞬时斜距为：
[0038][0039]
读取子孔径回波数据，对于某段回波数据，调用成像网格，计算极坐标域 中每个成像网格中网格角度大小，逐个方位向计算雷达与所有网格点的距离。
[0040]
(2)计算当前网格点对应的回波落在网格中的位置，通过距离插值计算网 格点对应的回波值。对于某个点的重建，将每个方位时刻脉冲进行相干积累为：
[0041][0042]
其中，tm为距离向的慢时间，k
rc
为波数中心精确的斜距计算是bp成像的重 要环节，关乎图像的质量好坏。
[0043]
进一步，所述步骤四中的在极坐标域中，通过角域插值让子孔径两两融合， 获得方位向的高分辨率图像，并获得所有子孔径融合后的总孔径图像包括：
[0044]
(1)每个子孔径图像两两融合，假设第g阶段的子孔径数目为k，建立蝶 形运算结构，子孔径中心的方位坐标为：
[0045][0046]
每幅子图像被重建在以其子孔径中心为原点的局部极坐标系，故子图像位 于不同的极坐标系，则沿第k个子孔径进行积分，重建的子图像表示为：
[0047][0048]
(2)子图像的融合通过角域插值和距离插值的二维处理完成，先前阶段的 子图像通过相干相加得到当前的子图像，即：
[0049][0050]
进一步，所述步骤五中的根据系统参数对融合之后的图像进行pga算法的 运动误差补偿包括：
[0051]
(1)对于pga算法，系统会计算雷达与目标之间的斜距和计算波束中心 穿越时间里雷达移动的距离；从图像域出发，选择各距离单位上的最强点并将 其循环移位到图像中心。
[0052]
(2)在各方位对所有距离单元非相干求和确定宽度，并对循环移位图像加 窗处理；经循环移位及加窗处理后，方位向逆傅里叶变换回到距离压缩相位历 史域估计相位误差；将相位误差与门限值比较，若大于门限，则校正相位误差； 经傅里叶变换回到图像域，准备下一次迭代，直到满足某种收敛准则，完成pga 处理，再由pga得到的误差对数据的方位向和距离向的相位进行补偿处理。
[0053]
所述步骤六中的根据极坐标和时域的参数关系，将总孔径图像由极坐标域 转换到时域，得到成像结果包括：
[0054]
通过二维插值将所述极坐标下全空间分辨率图像转换至所述平面直角坐标 系中。
[0055]
本发明的另一目的在于提供一种实施所述的基于ffbp算法的车载sar时 域快速成像方法的车载sar成像系统，所述车载sar成像系统包括：
[0056]
距离压缩模块，用于将车载sar的原始数据进行距离压缩；
[0057]
时域成像模块，用于通过相位梯度自聚焦算法pga进行运动补偿和快速分 解后向投影算法ffbp进行时域成像；
[0058]
反向投影模块，用于通过ffbp算法将雷达回波数据反向投影到成像区域的 各个像素；
[0059]
雷达成像模块，用于通过像素值计算雷达回波在雷达天线和图像像素之间 的距离的延时进行成像。
[0060]
本发明的另一目的在于提供一种计算机设备，所述计算机设备包括存储器 和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行 时，使得所述处理器执行如下步骤：
[0061]
将车载sar的原始数据进行距离压缩，再由相位梯度自聚焦算法pga进 行运动补偿和快速分解后向投影算法ffbp进行时域成像；ffbp算法通过将雷 达回波数据反向投影到成像区域的各个像素，像素值通过计算雷达回波在雷达 天线和图像像素之间的距离的延时进行成像。
[0062]
本发明的另一目的在于提供一种计算机可读存储介质，存储有计算机程序， 所述计算机程序被处理器执行时，使得所述处理器执行如下步骤：
[0063]
将车载sar的原始数据进行距离压缩，再由相位梯度自聚焦算法pga进 行运动补偿和快速分解后向投影算法ffbp进行时域成像；ffbp算法通过将雷 达回波数据反向投影到成像区域的各个像素，像素值通过计算雷达回波在雷达 天线和图像像素之间的距离的延时进行成像。
[0064]
本发明的另一目的在于提供一种信息数据处理终端，所述信息数据处理终 端用于实现所述的车载sar成像系统。
[0065]
结合上述的所有技术方案，本发明所具备的优点及积极效果为：本发明提 供的基于ffbp算法的车载sar时域快速成像方法，通过距离插值实现脉冲的 相干积累，通过角域插值实现子孔径融合，通过pga算法粗略补偿运动误差。 本发明通过对全孔径进行分块、pga算法对运动误差补偿，提高系统的成像速 度和精确度。
[0066]
本发明中ffbp算法在方位向处理中使用时域信号的相参积累，因而更容易 实现运动误差补偿并且通过插值可以获得更高分辨率的sar图像。本发明对比 其他时域算法，
拥有更快的运算速度，适用范围更广。
附图说明
[0067]
为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例中所 需要使用的附图做简单的介绍，显而易见地，下面所描述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。
[0068]
图1是本发明实施例提供的基于ffbp算法的车载sar时域快速成像方法 流程图。
[0069]
图2是本发明实施例提供的基于ffbp算法的车载sar时域快速成像方法 原理图。
[0070]
图3是本发明实施例提供的车载sar成像系统结构框图；
[0071]
图中：1、距离压缩模块；2、时域成像模块；3、反向投影模块；4、雷达 成像模块。
[0072]
图4是本发明实施例提供的基于ffbp算法车载合成孔径雷达成像的应用和 算法的工作模型图。
[0073]
图5a和图5b是本发明实施例提供的基于ffbp算法车载合成孔径雷达成 像的三个点目标在极坐标域和时域的成像结果示意图。
[0074]
图6a和图6b是本发明实施例提供的基于ffbp算法车载合成孔径雷达成 像的点目标在极坐标域和时域的频域成像结果示意图。
[0075]
图7a和图7b是本发明实施例提供的基于ffbp算法车载合成孔径雷达成 像的点目标在加入误差后经过pga算法前后的成像结果示意图。
[0076]
图8和图9是本发明实施例提供的陕西省西安市浐河红旗特大桥车载ffbp 的实测数据成像图。
具体实施方式
[0077]
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例， 对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以 解释本发明，并不用于限定本发明。
[0078]
针对现有技术存在的问题，本发明提供了一种基于ffbp算法的车载sar 时域快速成像方法，下面结合附图对本发明作详细的描述。
[0079]
如图1所示，本发明实施例提供的基于ffbp算法的车载sar时域快速成 像方法包括以下步骤：
[0080]
s101，将车载sar的原始数据进行距离压缩；
[0081]
s102，由相位梯度自聚焦算法pga进行运动补偿和快速分解后向投影算法 ffbp进行时域成像；
[0082]
s103，通过ffbp算法将雷达回波数据反向投影到成像区域的各个像素；
[0083]
s104，像素值通过计算雷达回波在雷达天线和图像像素之间的距离的延时 进行成像。
[0084]
本发明实施例提供的基于ffbp算法的车载sar时域快速成像方法原理图如 图2所示。
[0085]
如图3所示，本发明实施例提供的车载sar成像系统包括：
[0086]
距离压缩模块1，用于将车载sar的原始数据进行距离压缩；
[0087]
时域成像模块2，用于通过相位梯度自聚焦算法pga进行运动补偿和快速 分解后向投影算法ffbp进行时域成像；
[0088]
反向投影模块3，用于通过ffbp算法将雷达回波数据反向投影到成像区域 的各个像素；
[0089]
雷达成像模块4，用于通过像素值利用计算雷达回波在雷达天线和图像像素 之间的距离的延时进行成像。
[0090]
下面结合具体实施例对本发明的技术方案作进一步描述。
[0091]
实施例1
[0092]
为解决城市区域无人机禁飞而存在的城市探测成像困难问题，本发明提供 一种基于车载合成孔径雷达成像的方法及系统，其通过对全孔径进行分块、pga 算法对运动误差补偿，提高系统的成像速度和精确度。
[0093]
本发明公开了一种基于ffbp算法和pga算法的车载成像方法，包括：
[0094]
步骤1、由车载信号发生器发射线性调频信号，照射区域的距离向宽度由发 射带宽决定。经过一段时延后，车载信号接收器接收到反射的信号。读取接收 的数据，进行距离压缩处理，读取接收数据中的雷达系统参数。
[0095]
步骤2、ffbp算法根据系统参数将总孔径划分为若干个子孔径，并在极坐 标域规划网格大小。
[0096]
步骤3、在极坐标域中，通过计算雷达回波在雷达天线和图像像素之间的距 离的延时来对每个子孔径进行成像。使用距离插值对脉冲进行相干积累。
[0097]
步骤4、在极坐标域中，通过角域插值让子孔径两两融合，获得方位向的高 分辨率图像，最后获得所有子孔径融合之后的总孔径图像。
[0098]
步骤5、根据系统参数对融合之后的图像进行pga算法的运动误差补偿， pga算法包括四个基本步骤：循环移位、窗宽选择、相位误差估计、迭代校正。
[0099]
步骤6、根据极坐标和时域的参数关系，将总孔径图像由极坐标域转换到时 域，得到成像结果。
[0100]
作为本发明的进一步改进，所述步骤1，具体包括：
[0101]
步骤101、读取雷达系统参数和距离压缩匹配滤波器参数；
[0102]
以车辆行驶路线的方向为方位向方向，垂直方位向方向为距离向方向。所 述雷达系统参数包括工作载频fc、系统带宽b、脉冲重复频率prf、脉冲宽度 tp、系统采样率fs、雷达斜视角θ、光速c，为常数，斜距r表示车辆到场景中 心距离。
[0103]
为频域匹配滤波器函数。kr为距离向调频率。
[0104]
步骤102、依据系统带宽b和脉冲宽度tp得到距离向调频率k。在时域信 号中，设计匹配滤波器为时间反褶后的复共轭，带有二次相位的复共轭。信号 经过匹配滤波器后，将信号中的二次相位抵消。
[0105]
为得到的距离压缩后的基带信号。其 中，τ为快时间，tm为距离向的慢时间，k
rc
为波数中心。
[0106]
作为本发明的进一步改进，所述步骤2，具体包括：
[0107]
步骤201、规划网格大小，设置x方向地面网格的尺寸为xp，y方向地面 网格尺寸为yp，根据分辨率指标ρr和ρa，x方向网格像素间隔为δx，y方向网 格像素间隔为δy，地面成像网格点数为nx
×
ny：
[0108]
x
p
＝n
x
*δx
[0109]yp
＝ny*δy
[0110]
步骤202、假设合成孔径的长度为la、将整个合成孔径划分为k个子孔径， 则每个子孔径的长度为l＝la/k。初始划分子孔径数目为k
(1)
＝2
g-1
，其中，g为 大于1的整数，代表总阶段数。
[0111]
作为本发明的进一步改进，所述步骤3，具体包括：
[0112]
步骤301、采用bp算法对回波数据进行成像；
[0113]
在极坐标中，对于tm时刻天线相位中心到像素点的瞬时斜距为：
[0114][0115]
读取子孔径回波数据，对于某段回波数据，首先调用成像网格，计算极坐 标域中每个成像网格中网格角度大小，逐个方位向计算雷达与所有网格点的距 离。
[0116]
步骤302、计算当前网格点对应的回波落在网格中的位置，通过距离插值计 算网格点对应的回波值。对于某个点的重建，将每个方位时刻的脉冲进行相干 积累为：
[0117][0118]
其中，tm为距离向的慢时间，k
rc
为波数中心精确的斜距计算是bp成像的重 要环节，关乎图像的质量好坏。
[0119]
对于本发明的进一步改进，所述步骤4，具体包括：
[0120]
步骤401、每个子孔径图像两两融合，为了建立蝶形运算结构，假设第g阶 段的子孔径数目为k。相应地，子孔径中心的方位坐标为：
[0121][0122]
每幅子图像被重建在以其子孔径中心为原点的局部极坐标系，因此子图像 位于不同的极坐标系。则沿第k个子孔径进行积分，重建的子图像可以表示为：
[0123][0124]
步骤402、子图像的融合通过角域插值和距离插值的二维处理来完成。先前 阶段的子图像通过相干相加得到当前的子图像，即：
[0125][0126]
对于本发明的进一步改进，所述步骤5，具体包括：
[0127]
步骤501、由于目标的运动，会导致回波多普勒信号存在相位误差，造成图 像散焦。对于pga算法，系统会计算雷达与目标之间的斜距和计算波束中心穿 越时间里雷达移动的距离。从图像域出发，选择各距离单位上的最强点并将其 循环移位到图像中心。
[0128]
步骤502、在各方位对所有距离单元非相干求和确定宽度，同时对循环移位 图像
加窗处理，目的是减少背景噪声及其它目标的干扰。经循环移位及加窗处 理后，方位向逆傅里叶变换回到距离压缩相位历史域估计相位误差。把相位误 差与门限值比较，若大于门限，则校正相位误差，同时经傅里叶变换回到图像 域，准备下一次迭代，直到满足某种收敛准则，完成pga处理。再由pga得 到的误差对数据的方位向和距离向的相位进行补偿处理。
[0129]
对于本发明的进一步改进，所述步骤6，具体包括：
[0130]
步骤601、通过二维插值将所述极坐标下全空间分辨率图像转换至所述平面 直角坐标系中。
[0131]
图4是本发明实施例提供的基于ffbp算法车载合成孔径雷达成像的应用和 算法的工作模型图。
[0132]
图5是本发明实施例提供的基于ffbp算法车载合成孔径雷达成像的三个点 目标在极坐标域和时域的成像结果示意图。
[0133]
图6是本发明实施例提供的基于ffbp算法车载合成孔径雷达成像的点目标 在极坐标域和时域的频域成像结果示意图。
[0134]
图7是本发明实施例提供的基于ffbp算法车载合成孔径雷达成像的点目标 在加入误差后经过pga算法前后的成像结果示意图。
[0135]
图8和图9是陕西省西安市浐河红旗特大桥车载ffbp的实测数据成像。
[0136]
实施例2
[0137]
本发明提供一种基于ffbp算法车载合成孔径雷达成像的方法，其基于车载 sar成像系统实现；其中，
[0138]
步骤1、由车载信号发生器发射线性调频信号，照射区域的距离向宽度由发 射带宽决定。经过一段时延后，车载信号接收器接收到反射的信号。读取接收 的数据，进行距离压缩处理，读取接收数据中的雷达系统参数。
[0139]
具体包括：
[0140]
步骤101、读取雷达系统参数和距离压缩匹配滤波器参数；
[0141]
在本实施例中包括：以工作车在公路上标定行驶路线的起点作为坐标原点， 车辆行驶方向为y轴，垂直行驶的水平方向为x轴，垂直地面向上为z轴建立直 角坐标系。所述雷达系统参数包括工作载频fc＝0.5ghz、系统带宽b＝0.2ghz、脉 冲重复频率prf＝250hz、脉冲宽度tp＝4μs、系统采样率fs＝250mhz、雷达斜视 角θ＝0
°
、入射角θi＝45
°
雷达平台距地面高度h＝1000m、雷达天线运动速度v＝100m/s、回波数据距离向采样点数nr＝512、回波数据方位向采样点数 na＝1024。雷达场景中心距离r0＝1414.2m、参考斜距rref＝1414.2m、距离向分辨 率ρr＝0.6m、r0处方位向分辨率ρa＝0.4m。
[0142]
步骤102、依据系统带宽b和脉冲宽度tp得到距离向调频率kr。在时域信号 中，设计匹配滤波器为时间反褶后的复共轭，带有二次相位的复共轭。信号经 过匹配滤波器后，将信号中的二次相位抵消。回波信号在频域中乘上匹配滤波 器得到距离压缩后的信号，在调用matlab自带的ifft函数，将频率信号转换 到时域信号。距离压缩后的时域信号为
[0143]
步骤2、ffbp算法根据系统参数将总孔径划分为若干个子孔径，并在极坐标 域规划网格大小。
[0144]
步骤201、规划网格大小，根据距离向分辨率ρr＝0.6m、r0处方位向分辨率 ρa＝0.4m，设置距离向网格数为nx＝32
×
4096，方位向网格数为ny＝32
×
4096，z 轴方向网格数为ny＝32
×
4096。
[0145]
步骤202、根据总孔径点数为1024，划分64个子孔径，每个子孔径点数为 17，子孔径之间会有重复。
[0146]
步骤3、在极坐标域中，通过计算雷达回波在雷达天线和图像像素之间的距 离的延时来对每个子孔径进行成像。使用距离插值对脉冲进行相干积累。
[0147]
步骤301、采用bp算法对回波数据进行成像，读取子孔径回波数据，通过 计算雷达到每个距离单元点的瞬时斜距，计算极坐标域中每个成像网格中网格 角度大小，逐个方位向计算雷达与所有网格点的距离。然后调用成像网格，通 过sinc函数插值的方法来进行插值。
[0148]
步骤302、计算当前网格点对应的回波落在网格中的位置，通过距离插值计 算网格点对应的回波值。每个距离单元的瞬时斜距为512
×
1的列向量，每个方 位时刻的脉冲通过32点的sinc函数插值来相干积累，对像素点的重建公式为：
[0149][0150]
最后得到8个子孔径的成像结果。
[0151]
步骤4、在极坐标域中，通过角域插值让子孔径两两融合，获得方位向的高 分辨率图像，最后获得所有子孔径融合之后的总孔径图像。
[0152]
步骤401、每个子孔径图像两两融合，读取前面子孔径的成像数据，对于子 孔径第一次的融合，在极坐标域中，通过方位向的分辨率得到第一次融合的方 位向点数。设置rnum＝544，azicita＝49，设置待插值距离向坐标为rnum
×
1的 行向量，设置待插值方位向坐标1
×
azicita的列向量。经过bp成像的子孔径图 像为[512,17,ns1]，其中ns1＝1,2...128；通过波束矢量和极坐标域的角度来确定子 孔径第一次融合的图像大小为[512,33,ns1/2]。
[0153]
步骤402、子图像的融合通过角域插值和距离插值的二维处理来完成。调用 sinc函数，输入每个距离向的瞬时斜距为512
×
1的行向量，行列中每个元素与 初始斜距得到512
×
1的差值diffr，将差值diffr/rstep(距离向分辨率)，进一 步判断出每个点在网格上所处的位置。然后通过临近点插值法来得到距离向需 要插值的1
×
32的列向量，在极坐标域的方位向也进行相同操作，得到方位向需 要插值的32
×
1的行向量。由下式：
[0154][0155]
对所有距离单元进行相干积累，得到两个子孔径融合之后的图像。
[0156]
第一次融合后会得到32个子图像。依照相同的操作，七次融合后，得到在 极坐标域中一个512
×
2028完整的总孔径图像，因为融合的时候子孔径会有重复 的部分，得到图像点数不是完全是2的次方数。
[0157]
步骤5、根据系统参数对融合之后的图像进行pga算法的运动误差补偿， pga算法包括四个基本步骤：循环移位、窗宽选择、相位误差估计、迭代校正。
[0158]
步骤501、对于pga算法，系统会计算雷达与目标之间的斜距和计算波束 中心穿越时间里雷达移动的距离。从图像域出发，选择各距离单位上的最强点 并将其循环移位到图像中心，得到1
×
2028的估计误差列向量phas_pga。
[0159]
步骤501、再由pga得到的误差对数据的方位向和距离向的相位进行补偿 处理。
[0160]
调用fft函数和ifft函数，对总孔径图像数据的行向量和列向量做fft 变换，在每个列向量的频域乘上exp(4jπ
·
fr
·
(phas_pga
·
λ/4π))的相位，对列向量进 行补偿之后再做ifft处理，使距离向列向量回到成像域。再对方位向行向量的 相位进行相位误差补偿后，对行向量做ifft处理使数据回到成像域。完成pga 处理。
[0161]
步骤6、根据极坐标和时域的参数关系，将总孔径图像由极坐标域转换到时 域，得到成像结果。
[0162]
步骤601、通过二维插值将所述极坐标下全空间分辨率图像转换至所述平面 直角坐标系中。由极坐标域中的距离向和方位向分辨率变换成时域的距离向和 方位向分辨率，极坐标域的瞬时斜距变换成时域的瞬时斜距，然后依然通过距 离插值和方位向的插值得到最终的图像。
[0163]
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组 合来实现。当使用全部或部分地以计算机程序产品的形式实现，所述计算机程 序产品包括一个或多个计算机指令。在计算机上加载或执行所述计算机程序指 令时，全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可 以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算 机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向 另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、 计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(dsl) 或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器 或数据中心进行传输)。所述计算机可读取存储介质可以是计算机能够存取的 任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据 存储设备。所述可用介质可以是磁性介质(例如软盘、硬盘、磁带)、光介质 (例如dvd)、或者半导体介质(例如固态硬盘solid state disk(ssd))等。
[0164]
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，凡在本发明 的精神和原则之内所作的任何修改、等同替换和改进等，都应涵盖在本发明的 保护范围之内。