基于多通道复图像空间特性的通道方位基线误差估计方法

技术领域

本发明属于雷达信号处理技术领域，具体涉及一种基于多通道复图像空间特性的通道方位基线误差估计方法。

背景技术

随着成像需求的提高，高方位分辨率和宽测绘带成为近年来发展的重点目标。然而，对于传统星载合成孔径雷达(Synthetic Aperture Radar，简称SAR)，高方位分辨率和宽测绘不可同时实现，本质上由于低采样率和高分辨率的是一组基本矛盾，能够获得高分宽幅图像的方位多通道SAR近年来吸引了越来越多专家学者的注意。

方位多通道SAR的提出有效解决了这一基本矛盾。该系统运行时脉冲重复频率(Pulse Recurrence Frequency，简称PRF)选用低于单通道奈奎斯特采样率的频率，通过方位频谱重构消除多通道回波在方位上存在多普勒模糊，因而常规的单通道的成像算法得以应用于多通道数据的成像。这种系统本质上是通过方位多接收通道，等效增加方位采样率，从而充分利用方位信号所携带的信息。实际操作中，由于非理想因素存在于方位多通道SAR系统中，通道间存在相位增益误差，基线误差和时间不确定，所以通道间不可避免地存在通道不匹配。这些通道间的不匹配将会严重影响重构的性能，造成成像结果中存在方位模糊，严重降低成像质量，无法获得高质量的双基星载高分辨率宽测绘带合成孔径雷达(HighResolution Wide Swath Synthetic Aperture Radar，简称HRWS SAR)图像。到目前为止，针对多通道SAR系统中通道间不匹配的估计和校正成为在实际操作中的关键问题。针对方位多通道SAR系统通道间的基线误差，现有的估计方法包括基于高精度测量设备的估计方法和基于数据估计的方法。

但是，基于高精度测量设备的估计方法对系统的元器件精度和系统复杂度要求较高，无法实现在设备条件较差的环境；基于数据的估计方法大多是在频域上进行估计补偿，其在原始数据信噪比比较低的情况下可能会获得较低的估计精度。

发明内容

为了解决现有技术中存在的上述问题，本发明提供了一种基于多通道复图像空间特性的通道方位基线误差估计方法。

本发明的一个实施例提供了一种基于多通道复图像空间特性的通道方位基线误差估计方法，包括以下步骤：

步骤1、接收M个通道的回波数据，M为大于0的整数；

步骤2、对所述M个通道的回波数据进行置零操作得到M个通道的置零回波数据；

步骤3、对所述M个通道的置零回波数据进行方位频谱重构得到M个通道的信号频谱；

步骤4、通过线频调变标算法对所述M个通道的信号频谱进行成像得到M幅图像；

步骤5、对所述M幅图像进行低通滤波处理得到M个通道的基频分量成像结果；

步骤6、对所述M个通道的基频分量成像结果进行基线误差估计得到基线误差；

步骤7、根据所述M个通道的基线误差对观测方位基线进行修正得到最终M个通道的方位基线。

在本发明的一个实施例中，步骤2包括：

读取第m个通道的回波数据，0

在本发明的一个实施例中，步骤3包括：

步骤3.1、对所述M个通道的置零回波数据进行逆滤波得到M个通道的逆滤波信号；

步骤3.2、对所述M个通道的逆滤波信号进行重新排列得到所述M个通道的信号频谱。

在本发明的一个实施例中，步骤6包括：

步骤6.1、分析所述M个通道的基频分量成像结果的协方差矩阵得到M个通道的协方差矩阵估计量；

步骤6.2、对所述M个通道的协方差矩阵估计量进行求解得到M个通道的图像空间；

步骤6.3、采用最小二乘法对所述M个通道的图像空间进行误差估计得到M个通道的基线误差。

与现有技术相比，本发明的有益效果：

本发明提供的基于多通道复图像空间特性的通道方位基线误差估计方法，先进行重构和成像，再进行多通道方位基线误差的估计，由于成像后信号的能量相对于成像前更能集中，所以当选取信噪比高的子图像进行通道方位基线误差估计时，能得到更好的误差估计效果，从而提高成像质量，保证可以获得高质量的HRWS SAR图像。

以下将结合附图及实施例对本发明做进一步详细说明。

附图说明

图1是本发明实施例提供的一种基于多通道复图像空间特性的通道方位基线误差估计方法的流程示意图；

图2是本发明实施例提供的一种多通道数据补零方法示意图；

图3是本发明实施例提供的未通过低通滤波器进行自由度压缩的成像结果示意图；

图4是本发明实施例提供的通过低通滤波器进行自由度压缩后的成像结果示意图；

图5是本发明实施例提供的基于多通道复图像空间特性的通道方位基线误差估计方法进行多通道成像结果示意图；

图6是本发明实施例提供的传统多通道成像结果示意图。

具体实施方式

下面结合具体实施例对本发明做进一步详细的描述，但本发明的实施方式不限于此。

实施例一

请参见图1，图1是本发明实施例提供的一种基于多通道复图像空间特性的通道方位基线误差估计方法的流程示意图。本实施例提出了一种基于多通道复图像空间特性的通道方位基线误差估计方法，该基于多通道复图像空间特性的通道方位基线误差估计方法包括以下步骤：

步骤1、接收M个通道的回波数据。

具体而言，对于通道数为M，方位模糊数为N的SAR系统，本实施例接收的M个通道的回波数据表示为：

S

其中，S

其中，exp(·)表示指数函数，j表示虚数单位，f

第m个通道间的基线误差为Δx

其中，

k

步骤2、对M个通道的回波数据进行置零操作得到M个通道的置零回波数据。

具体而言，本实施例步骤2包括读取第m个通道的回波数据，0

其中，[·]

对其余的M-1个通道的回波数据进行相同的置零操作，则共得到M个通道的置零回波数据，置零后的每组回波数据的大小与步骤1中接收的M个通道的回波数据相同。

步骤3、对M个通道的置零回波数据进行方位频谱重构得到M个通道的方位信号频谱。

具体而言，本实施例是针对M个通道的置零回波数据进行信号重构，可以得到M组重构数据，由于每个通道置零后的数据都是方位欠采样的数据，所以M组重构完的数据仍存在方位模糊，因此本实施例对M个通道的置零回波数据进行方位频谱重构得到M个通道的方位信号频谱，步骤3具体包括步骤3.1、步骤3.2：

步骤3.1、对M个通道的置零回波数据进行逆滤波得到M个通道的逆滤波信号。

具体而言，本实例分别对M个通道的置零回波数据进行逆滤波，得到2L+1＝N个从低频到高频的不同频谱分量的逆滤波信号，对第m个通道的置零回波数据进行逆滤波表示为：

S

其中，P＝H

步骤3.2、对M个通道的逆滤波信号进行重新排列得到M个通道的方位信号频谱。

具体而言，本实施例对步骤3.1得到的M个通道的逆滤波信号S

步骤4、通过线频调变标算法对M个通道的方位信号频谱进行成像得到M幅图像。

具体而言，本实施例将得到的完整方位信号频谱

对方位信号成像可等效于对方位信号进行匹配滤波，对步骤3中重构得到的完整的方位信号频谱

令f

其中，x

对M个通道信号的完整的方位信号频谱

其中，

进而，将M个通道的方位信号频谱匹配滤波后表示为I，I的表达式为：

其中，diag{pi+L+1}表示为一对角元素为向量pi+L+1的对角矩阵，pi+L+

其中，公式(17)中由于Λ

本实施例M个通道的方位信号频谱匹配滤波后得到M幅图像，M幅图像为方位模糊或重影的图像，每个通道的图像表示为：

其中，B

步骤5、对M幅图像进行低通滤波处理得到M个通道的基频分量成像结果。

具体而言，每个通道对应的图像由于重构时需要将多个频谱进行重排，而各个频谱分量之间不能完全对齐，对方位信号成像等效于一次匹配滤波，所以在通道数为M，方位模糊数为N的SAR系统中，成像后在图像空间中各个通道信号的自由度增加为2N-1。将每个通道的幅图像I分别通过低通滤波器，将高频分量滤除后即可降低图像空间的自由度，每个通道通过低通滤波器滤波，得到每个通道对应图像的基频分量成像结果I

其中，F

步骤6、对M个通道的基频分量成像结果进行基线误差估计得到M个通道的基线误差。

具体而言，本实施例步骤6具体包括步骤6.1、步骤6.2、步骤6.3：

步骤6.1、分析M个通道的基频分量成像结果的协方差矩阵得到M个通道的协方差矩阵估计量。

具体而言，本实施例首先对步骤5中得到的M个通道的基频分量成像结果的协方差矩阵R(I

其中，E{·}表示求均值操作，Q＝S′M

将协方差矩阵R的估计量表示为

步骤6.2、对M个通道的协方差矩阵估计量进行求解得到M个通道的图像空间。

具体而言，求解每个通道的协方差矩阵估计量

步骤6.3、采用最小二乘法对M个通道的图像空间进行误差估计得到M个通道的基线误差。

令U为经过残余常数相位补偿之后多通道SAR系统对应的噪声子空间，为了估计沿方位基线测量误差矩阵，构造每个通道的图像空间的最优目标函数为：

该问题等价于最小化如下函数：

J＝min||X+YΔd| (26)

即：

X＝-YΔd (27)

其中，

通过最小二乘法解公式(27)得到每个通道的基线误差，每个通道的基线误差表示为：

Δd＝-real[(Y

其中，real(·)表示提取复变量实部操作。

步骤7、根据M个通道的基线误差对观测方位基线进行修正得到最终M个通道的方位基线。

具体而言，本实施例利用步骤6估计得到的每个通道的基线误差Δd对测量值d进行校正，得到最终沿方位基线，最终方位基线表示为：

d

进一步地，本实施例采用修正后的最终方位基线对原始M个通道的回波数据进行重构、成像，得到无方位模糊的高分宽幅图像。

为了验证本实施例提出的基于多通道复图像空间特性的通道方位基线误差估计方法的有效性，通过以下仿真实验以进一步证明。

将接收的实测数据在频域补零和时域采样处理后，进行仿真实验处理。M＝5个通道的天线阵列沿航迹方向均匀分布，发射通道位于天线阵列中心，天线阵列的每个通道都可作为接收回波信号的通道，相关参数如表1所示。

表1仿真参数表

为了评估本发明提出的基于多通道复图像的通道基线误差估计方法的估计性能，在存在相同通道基线误差的条件下，分析本发明提出的通道基线误差估计方法的估计性能，仿真结果如表2所示。

表2本发明多通道图像基线误差估计方法的仿真结果

由表2可以看出，使用本发明提出的基于多通道复图像空间基线误差估计方法，估计得到的通道基线误差更接近实际通道基线误差。

为了验证多通道信号在信号重构后通过低通滤波器进行自由度压缩的有效性，请参见图3和图4，图3是本发明实施例提供的未通过低通滤波器进行自由度压缩的成像结果示意图，图4是本发明实施例提供的通过低通滤波器进行自由度压缩后的成像结果示意图。在通道数为5，方位模糊数为3的SAR系统中，由于多通道信号的信号重构需要将多个频谱进行重排，而不同的频谱分量之间不能完全对齐，所以对于方位模糊数为N的信号，重构后每个通道信号的自由度为2N-1。由图3和图4可以看出：如图3所示，当重构后的多通道信号未通过低通滤波器进行自由度压缩时，对于方位模糊数为3的方位信号，成像后图像中会存在5个模糊点；如图4所示，当重构后的多通道信号通过低通滤波器进行自由度压缩时，成像后图像中模糊点数从5减少为3。对比可知，将信号重构后的多通道信号，通过低通滤波器即可有效降低自由度。

请参见图5和图6，图5是本发明实施例提供的基于多通道复图像空间特性的通道方位基线误差估计方法进行多通道成像结果示意图，图6是本发明实施例提供的传统多通道成像结果示意图，传统方法中采用多通道重构和成像方法但采用的天线基线未经过估计。由图5和图5可以看出：经过本发明所提方法估计的准确基线重构的多通道成像结果更加清晰，进一步说明通过本发明提出的通道基线误差估计方法估计得到的准确基线，将其用于多通道信号的重构，能够减小由于方位基线不准确带来的多通道信号重构性能的下降，提高成像质量。

综上所述，本实施例提出的基于多通道复图像空间特性的通道方位基线误差估计方法，先进行重构和成像，再进行多通道基线误差的估计，由于成像后信号的能量相对于成像前更能集中，所以当选取信噪比高的子图像进行通道基线误差估计时，能得到更好的误差估计效果，从而提高成像质量，保证可以获得高质量的HRWS SAR图像；基线误差估计在图像空间中进行，且避免了多次迭代处理造成的繁重的计算量，提高了多通道基线误差估计的速度和效率；还采用基于基频滤波的方式，将重构后的信号通过低通滤波器，降低了多通道信号在图像空间中的自由度，增加了本发明的基线误差估计方法所适用的场景。

以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演或替换，都应当视为属于本发明的保护范围。