SAR成像(六):距离徙动矫正
1、什么是距离徙动?
距离徙动产生原因是合成孔径雷达的运动平台与目标之间的相对运动。对于地面一静止的点目标,当它处于雷达波束照射范围内的时间中时,随着飞行载体的运动,它与雷达飞行载体之间的距离会不断的变化。随着飞行载体的运动,同一个点目标在雷达接收机中的回波会分布在几个相邻的距离门中。我们将合成孔径雷达回波信号的这一特性称为距离徙动。
在对回波信号做完距离压缩之后,我们可以认为脉压峰值对应的时刻就是回波时延,可以根据此来计算出目标的距离,但是雷达平台在运行过程中,与目标的距离是变化的,这就导致在对于同一目标,雷达不同慢时间时刻上,距离脉冲压缩后的峰值不在同一时刻,如下图。

所以,如果不做距离徙动矫正,距离向压缩后的信号是一条弧线,继续进行方位向压缩的话必然会对图像质量有较大的影响。
2、如何距离徙动矫正(RCMC)
在这里考虑正侧视情况,可将距离方程近似为抛物线:
R
(
t
)
=
R
0
2
+
v
2
t
2
≈
R
0
+
v
2
t
2
2
R
0
(1)
R(t) = \sqrt{R_{0}^{2}+v^{2}t^{2}} ≈R_{0} + \frac{v^{2}t^{2}}{2R_0} \tag{1}
R(t)=R02+v2t2
≈R0+2R0v2t2(1)
为了推导方便,不考虑回波幅度、方向性函数,SAR回波表达式为:
s
(
τ
,
t
)
=
e
x
p
{
j
2
π
f
0
(
τ
−
2
R
(
t
)
c
)
+
j
π
K
(
τ
−
2
R
(
t
)
c
)
2
}
(2)
s(τ,t)=exp{ \{j2\pi f_0(τ-\frac{2R(t)}{c}) + j\pi K(τ-\frac{2R(t)}{c})^2}\} \tag{2}
s(τ,t)=exp{j2πf0(τ−c2R(t))+jπK(τ−c2R(t))2}(2)
先进行下变频 ,回波乘上
e
x
p
{
−
j
2
π
f
0
τ
}
exp{ \{-j2 \pi f_0 τ\} }
exp{−j2πf0τ},得到:
s
(
τ
,
t
)
=
e
x
p
{
−
j
4
π
f
0
R
(
t
)
c
+
j
π
K
(
τ
−
2
R
(
t
)
c
)
2
}
(2)
s(τ,t)=exp{ \{-j4\pi f_0\frac{R(t)}{c} + j\pi K(τ-\frac{2R(t)}{c})^2}\} \tag{2}
s(τ,t)=exp{−j4πf0cR(t)+jπK(τ−c2R(t))2}(2)
经过距离向脉冲压缩得到,并将(1)式代入第一个指数项得:
s
r
(
τ
,
t
)
=
s
i
n
c
[
τ
−
2
R
(
t
)
c
]
⋅
e
x
p
{
−
j
4
π
f
0
R
0
c
}
⋅
e
x
p
{
−
j
π
2
v
2
λ
R
0
t
2
}
(3)
s_r(τ,t)=sinc[τ-\frac{2R(t)}{c}]·exp\{ -j4\pi f_0\frac{R_0}{c}\}·exp\{-j\pi \frac{2v^2}{\lambda R_0}t^2\} \tag{3}
sr(τ,t)=sinc[τ−c2R(t)]⋅exp{−j4πf0cR0}⋅exp{−jπλR02v2t2}(3)
其中,
λ
=
c
f
0
\lambda=\frac{c}{f_0}
λ=f0c为波长。
暂时不用看指数项,观察第一项,可以看到在不同慢时间
t
t
t上,
s
i
n
c
(
⋅
)
sinc(·)
sinc(⋅)的峰值位置是不一样的,呈一条弧线分布,距离徙动矫正的目的就是把这条弧线掰直。

式(3)的第一个指数项为常数,第二个指数项为多普勒频移产生的方位向线性调频信号,用来做方位向脉冲压缩,调频率
K
a
=
−
2
v
2
λ
R
0
K_a=-\frac{2v^2}{\lambda R_0}
Ka=−λR02v2。
利用驻定相位原理(POSP),得到方位向上的时频关系:
f
a
=
K
a
t
(4)
f_a = K_at \tag{4}
fa=Kat(4)
将
t
=
f
a
/
K
a
t=f_a/K_a
t=fa/Ka,代入式(3),得到回波信号距离向时域,方位向频域的形式,也称为距离多普勒域。
S
(
τ
,
f
a
)
=
F
F
T
t
(
s
r
(
τ
,
t
)
)
=
s
i
n
c
[
τ
−
2
R
r
d
(
f
a
)
c
]
e
x
p
{
−
j
4
π
f
0
R
0
c
}
e
x
p
{
j
π
f
a
2
K
a
}
(5)
S(τ,f_a)=FFT_t(s_r(τ,t))=sinc[τ-\frac{2R_{rd}(f_a)}{c}]exp\{ -j4\pi f_0\frac{R_0}{c}\}exp\{j\pi \frac{f_a^2}{K_a}\} \tag{5}
S(τ,fa)=FFTt(sr(τ,t))=sinc[τ−c2Rrd(fa)]exp{−j4πf0cR0}exp{jπKafa2}(5)
联立式(1)和式(5)可以得到距离多普勒域中的距离徙动,即距离包络中的
R
r
d
(
f
)
R_{rd}(f)
Rrd(f)
R
r
d
(
f
a
)
≈
R
0
+
v
2
2
R
0
(
f
a
K
a
)
2
=
R
0
+
λ
2
R
0
f
a
2
8
v
2
R_{rd}(f_a)≈R_0+\frac{v^2}{2R_0}(\frac{f_a}{K_a})^2=R_0+\frac{\lambda ^2R_0 f_a^2}{8v^2}
Rrd(fa)≈R0+2R0v2(Kafa)2=R0+8v2λ2R0fa2
如果矫正效果比较理想的话,矫正后的距离向包络为
s
i
n
[
τ
−
R
0
]
sin[τ-R_0]
sin[τ−R0],一般用
s
i
n
c
sinc
sinc插值做矫正,在下面一篇文章里会有具体代码实现。
注意距离徙动矫正发生在距离多普勒域,即方位向频域,这里可能有人疑惑,为啥要在频域矫正,不在时域矫正?
这里,我的理解是:同一距离向、不同方位向的点目标在距离多普勒域的表达式是一样的,也就是说这些点可以一起矫正。比如回波信号有
M
×
N
M×N
M×N个点,在时域矫正要做
M
×
N
M×N
M×N次矫正,而在R-D域只需要做
N
N
N次,降低计算量。
相关内容:
SAR成像(零):【总结】SAR成像原理和仿真实现
SAR成像(一):线性调频信号(LFM)和脉冲压缩
SAR成像(二):高方位向分辨率原理
SAR成像(三):快时间与慢时间
SAR成像(四):多普勒频移的计算
SAR成像(五):回波模型
SAR成像(六):距离徙动矫正
SAR成像(七):RD成像算法
参考书籍:
[1]合成孔径雷达成像——算法与实现 Ian G.Cumming等著.
[2]合成孔径雷达对抗技术 贾鑫等著.
SAR成像(六):距离徙动矫正的更多相关文章
- 合成孔径雷达(Synthetic Aperture Radar, SAR)
合成孔径雷达(Synthetic Aperture Radar, SAR)是20世纪最先进的科技发明之一.SAR有机载与卫载系统之分,能提供地表地形.乃至行星等远距离目标区高解析度图像.目前无人飞行载 ...
- 【遥感专题系列】微波遥感(三、SAR图像特征)
SAR是主动式侧视雷达系统,且成像几何属于斜距投影类型.因此SAR图像与光学图像在成像机理.几何特征.辐射特征等方面都有较大的区别.在进行SAR图像处理和应用前,需要了解SAR图像的基本特征. 本文主 ...
- 【遥感专题系列】微波遥感(二、合成孔径雷达SAR基础)
目前使用最广的成像雷达系统就是合成孔径雷达(Synthetic Aperture Radar:SAR),SAR几乎成为了雷达的代名词.本文从应用角度介绍SAR系统的基本知识. 本文主要包括: SAR基 ...
- Computer Vision_33_SIFT:SAR-SIFT: A SIFT-LIKE ALGORITHM FOR SAR IMAGES——2015
此部分是计算机视觉部分,主要侧重在底层特征提取,视频分析,跟踪,目标检测和识别方面等方面.对于自己不太熟悉的领域比如摄像机标定和立体视觉,仅仅列出上google上引用次数比较多的文献.有一些刚刚出版的 ...
- Google在KDD2013上关于CTR的一篇论文
最近在做CTR,刚好Google在KDD发了一篇文章,讲了他们的一些尝试,总结一下: 先是一些公式的符号说明: 一.优化算法 CTR中经常用Logistic regression进行训练,一个常用的L ...
- 【百度百科】对焦Focus
词语解释 duìjiāo [focusing] 指使用照相机时调整好焦点距离 对焦也叫对光.聚焦.通过照相机对焦机构变动物距和相距的位置,使被拍物成像清晰的过程就是对焦. 自动对焦 传统相机,采取一种 ...
- 一些特殊的矩阵快速幂 hdu5950 hdu3369 hdu 3483
思想启发来自, 罗博士的根据递推公式构造系数矩阵用于快速幂 对于矩阵乘法和矩阵快速幂就不多重复了,网上很多博客都有讲解.主要来学习一下系数矩阵的构造 一开始,最一般的矩阵快速幂,要斐波那契数列Fn=F ...
- 人工智能"眼睛"——摄像头
摄像头机器视觉人工智能的"眼睛",其重要性在嵌入式领域不言而喻.但是如何理解和使用摄像头却是一个非常棘手的问题.本文主要针对调试摄像头过程中遇到的问题,对摄像头的基本原理及概述进行 ...
- OJ题解记录计划
容错声明: ①题目选自https://acm.ecnu.edu.cn/,不再检查题目删改情况 ②所有代码仅代表个人AC提交,不保证解法无误 E0001 A+B Problem First AC: 2 ...
- 第十六届“二十一世纪的计算”学术研讨会 牛津大学肿瘤成像学教授Michael Brady主题演讲
Computing and Healthcare 牛津大学肿瘤成像学教授Michael Brady主题演讲" title="第十六届"二十一世纪的计算"学术研讨 ...
随机推荐
- 终端安装python3使用如下指令
''' brew install python3 ''' 会报错,报错如下:Cannot install in Homebrew on ARM processor in Intel default p ...
- JSP第九次作业
1.建库,建表2个用户表(id,用户名,密码)邮件表(id,发件人,收件人,标题,内容,发送时间,状态) 2.建model层entity,dao包 3.登陆,注册,登陆后显示全部邮件 dao 1 pa ...
- C#Autofac依赖注入批量注入 (目前版本.netcore3.0)
上一文:C#依赖注入一看就会系列 链接:C#依赖注入(直白明了)讲解 一看就会系列 - 22222220 - 博客园 (cnblogs.com) 上一次我们知道了 为什么要依赖注入,这次我们就用使用人 ...
- .net core 阿里云接口之将指定的OSS文件下载到流
紧接上文,.net core 阿里云接口之获取临时访问凭证_SunshineGGB的博客-CSDN博客 本文继续阿里云接口调用,将指定的OSS文件下载到流. 直接上代码: /// <summar ...
- SQL性能优化的47个小技巧,你了解多少?
大家好,我是哪吒. 1.先了解MySQL的执行过程 了解了MySQL的执行过程,我们才知道如何进行sql优化. 客户端发送一条查询语句到服务器: 服务器先查询缓存,如果命中缓存,则立即返回存储在缓存中 ...
- 躬身入局,干货分享,2023年春招后端技术岗(Python)面试实战教程,Offer今始为君发
早春二月,研发倍忙,杂花生树,群鸥竟飞.为什么?因为春季招聘,无论是应届生,还是职场老鸟,都在摩拳擦掌,秣马厉兵,准备在面试场上一较身手,既分高下,也决Offer,本次我们打响春招第一炮,躬身入局,让 ...
- kali挂代理之——proxychains4
记一次打站需要用到kali,但是得挂代理,就从别人那里知道了一个kali挂代理的工具proxychains4. 首先是打开kali输入:root@Kali:~# vi /etc/proxychains ...
- UOJ NOI Round #6
总结 \(\text{Day1}\) 只打了 \(T1\),想正解无果以致于没时间打暴力 \(\text{T1}\) 考虑到最后一个面基者要么落在点上,要么落在边上 所以可以枚举点和边,统计最久的落在 ...
- 2013-12-2 ISBN号码
问题描述 试题编号: 201312-2 试题名称: ISBN号码 时间限制: 1.0s 内存限制: 256.0MB 问题描述: 问题描述 每一本正式出版的图书都有一个ISBN号码与之对应,ISBN码包 ...
- DomDom
DomDom 目录 DomDom 1 信息收集 1.1 端口扫描 1.2 后台目录扫描 1.2.1 目录分析 2 GetShell 2.1 尝试命令执行 2.2 nc反弹shell失败 2.3 PHP ...