星载高分辨频率步进SAR成像技术

龙腾; 丁泽刚; 肖枫; 王岩; 李喆

doi:10.12000/JR19076

星载高分辨频率步进SAR成像技术

DOI: 10.12000/JR19076 CSTR: 32380.14.JR19076

北京理工大学信息与电子学院雷达技术研究所北京 100081
北京理工大学嵌入式实时信息处理技术北京市重点实验室北京 100081

基金项目: 国家杰出青年科学基金(61625103)，国家自然科学基金(11833001)

详细信息

作者简介:
龙　腾(1968–)，男，湖北黄陂人。北京理工大学教授、博士生导师。现任北京理工大学副校长、雷达技术研究所所长。研究方向为新体制雷达与实时信息处理。E-mail: longteng@bit.edu.cn

丁泽刚(1980–)，男，河南信阳人，博士。现担任北京理工大学研究员、博士生导师，主要研究方向为新体制雷达成像机理、成像处理和图像信息提取。E-mail: z.ding@bit.edu.cn

肖　枫(1993–)，男，内蒙古包头人。北京理工大学雷达技术研究所在读博士研究生，主要研究领域为多模式星载SAR成像技术、SAR运动补偿技术。E-mail: 1120646612@qq.com

王　岩(1989–)，男，河北沧州人。博士后，现担任北京理工大学副研究员、硕士生导师，主要研究方向为新体制雷达系统、成像、干涉和极化应用。E-mail: yan_wang@bit.edu.cn

李　喆(1996–)，男，河北任丘人。北京理工大学信息与电子学院硕士研究生，主要研究方向星载合成孔径雷达系统设计与成像。E-mail: 3120180770@bit.edu.cn

通讯作者:
龙腾 longteng@bit.edu.cn

丁泽刚 z.ding@bit.edu.cn

中图分类号: TN958
计量
- 文章访问数: 3569
- HTML全文浏览量: 1439
- PDF下载量: 437
- 被引次数: 13
出版历程
- 收稿日期: 2019-08-30
- 修回日期: 2019-12-01
- 网络出版日期: 2019-12-01

Spaceborne High-resolution Stepped-frequency SAR Imaging Technology

Radar Research Lab, School of Information and Electronics, Beijing Institute of Technology, Beijing 100081, China
Beijing Key Laboratory of Embedded Real-Time Processing Technology, Beijing 100081, China

Funds: The National Science Foundation for Distinguished Young Scholars (61625103), The National Natural Science Foundation of China (11833001)

More Information

Corresponding author: LONG Teng, longteng@bit.edu.cn; DING Zegang, z.ding@bit.edu.cn

摘要

摘要:
星载合成孔径雷达(SAR)是一种2维高分辨率微波成像雷达。它通过发射大带宽信号实现距离向高分辨，通过合成孔径技术实现方位向高分辨。随着人们对分辨率需求的不断提升，星载SAR正朝着分米级分辨率发展。一方面，受限于现有器件水平，可以通过频率步进技术实现大带宽信号发射，需要研究高精度子带拼接技术、子带间幅相误差对成像的影响与补偿技术；另一方面，受限于有限的波束宽度，可以使系统工作在聚束模式或滑聚模式实现长合成孔径，此时需研究轨道弯曲、“Stop-go”假设误差、电离层与对流层传输误差等非理想因素对成像的影响与补偿技术。因此，该文详细介绍了频率步进信号时序设计与子带拼接，研究星载高分辨率频率步进SAR成像算法与非理想因素补偿方法，最后给出成像算法的仿真验证和性能分析。
- 频率步进 /
- 高分辨成像 /
- 滑动聚束
Abstract:
Spaceborne Synthetic Aperture Radar (SAR) is a type of microwave imaging radar with 2D high resolution. This technological device achieves range high resolution by transmitting wideband signals and azimuth high resolution through the synthetic aperture approach. With the increasing demand for high-resolution imaging, the resolution of spaceborne SAR has moved toward the decimeter level. On the one hand, limited by the present hardware technology, achieving wideband signal transmission through stepped-frequency technology is necessary. In this case, we need to study high-precision bandwidth synthesis technology. The influence of slant range error and amplitude and phase error between sub-bands should be considered. On the other hand, due to limited beamwidth, the system needs to work in sliding spot mode to achieve a long synthetic aperture. In this case, we need to study the problem of imaging parameter variance caused by curved orbit, “Stop–go” error, and the influence of ionospheric and tropospheric transmission errors on imaging. To solve these problems, this paper introduces the principle of stepped-frequency signal design and bandwidth synthesis technology in detail. A time-domain algorithm and non-ideal factor compensation method are proposed for spaceborne high-resolution stepped-frequency SAR imaging. Finally, simulation verification and performance analysis of the imaging algorithm are conducted.
- Stepped frequency /
- High-resolution imaging /
- Sliding-spotlight

HTML全文

1. 引言

在传统跟踪方法中，目标假设为点目标，只占据一个分辨单元，但随着传感器分辨率的提高，目标将占据多个分辨单元，称该类目标为扩展目标。检测前跟踪算法是低信杂噪比(Signal To Clutter Noise Ratio, SCNR)下对目标进行处理的一种多帧信号积累方法，它使用传感器原始量测数据，并通过多次扫描量测数据的积累来提高信噪比，而粒子滤波(Particle Filter, PF)方法非常适合处理这类问题。Salmond^[1]在2001年第1次明确提出PF-TBD的概念，并将该方法应用于凝视型光电传感器的单目标检测与跟踪处理中。2005年，Rutten^[2]提出了一种针对观测噪声为Rayleigh情形下的PF-TBD算法。TSOU Haiping^[3]提出了基于极大似然估计的扩展目标跟踪算法，研究了目标发生旋转时的跟踪问题。Gilholm K^[4]利用多假设Kalman滤波来实现扩展目标跟踪，并分析了扩展目标中具有空间分布的散射点。Franken D^[5]提出扩展目标模型为对称正定随机矩阵，并用Bayes方法分析和解决该问题。Ling Fan^[6]建立椭圆模型，并在状态向量中加入目标存在变量和目标形状参数。针对雷达扩展目标，吴兆平^[7]利用传感器获得的数据，确立更接近于实际的线性扩展模型，并推导出了扩展模型的似然比函数，同时，对原始的粒子滤波算法进行了优化。为实现隐身扩展目标的检测与跟踪，于洪波^[8,9]将目标强度和空间长度引入状态向量，利用粒子滤波实现目标的跟踪和目标长度的估计。

上述问题只考虑Gaussian噪声下的微弱目标检测问题，没有考虑有杂波的情况。例如，当雷达工作于下视状态时，经过空时自适应(Space-Time Adaptive Processing, STAP)技术抑制杂波后的量测数据除了受噪声影响外还受剩余杂波的影响，使得传统基于噪声假设的量测模型不准确。同时，随着雷达性能的改善，研究者发现地(海)杂波出现了很长的波动，其杂波的统计特性明显偏离高斯分布。当高分辨雷达处于低视角观测时，通过考察地(海)杂波发现^[10–12]，Weibull分布能较好地刻画实际环境中的杂波统计特性。

针对杂波环境下微弱扩展目标的检测与跟踪问题，本文以杆状物体作为研究对象，对距离和方位进行划分，并给出不同区域上含有Weibull杂波的传感器量测模型。利用扩散函数，在点目标的基础上，推导了扩展目标的似然函数以及粒子权重的计算。在状态向量中加入目标存在状态以及目标形状参数，利用粒子滤波算法分别实现扩展目标状态和形状参数的检测和估计。仿真实验表明，杂波环境下基于粒子滤波的微弱扩展目标检测前跟踪算法具有较好的稳定性。

2. 系统模型

2.1 目标状态模型

考虑x-y平面内运动的杆状目标，目标状态转移具有如下形式：

${x_{k + 1}} = f({x_k}) + {v_k}$

(1)

其中，目标的状态 ${x_k} = {\left[ {\begin{array}{*{20}{c}}{{x_k}}&{{{\dot x}_k}}&{{y_k}}&{{{\dot y}_k}}&{{I_k}}&{{l_k}}\end{array}} \right]^{\rm T}}$ , (x_k, y_k), $\left( {{{\dot x}_k},{{\dot y}_k}} \right)$ 分别表示目标中心的位置、速度，I_k, l_k分别表示扩散目标的强度和空间长度，v_k为过程噪声。用E_k对目标存在状态建模，且描述为2态Markov链，定义目标“新生”概率P_b $\buildrel \Delta \over =$ P $\left\{ {{E_k}\!=\! 1|{E_{k - 1}} \!=\! 0} \right\}$ 和“死亡”概率P_d $\buildrel \Delta \over =$ P{E_k=0|E_k–1=1}，其中，E_k=0表示目标不存在，E_k=1表示目标存在，则Markov转换概率矩阵为：

$\phi =\left[ \begin{matrix} 1-{{P}_{b}} &{{P}_{b}} \\ {{P}_{d}} &1-{{P}_{d}} \\ \end{matrix} \right]$

(2)

2.2 量测模型

考虑经过脉冲压缩处理后的雷达距离-多普勒量测数据。假设距离和方位分别包含N_r和N_a个单元，距离和方位的分辨率分别为D_r和D_a，用 $\varOmega$ $\ \ \buildrel \Delta \over = \ \$ $\left\{ {1,2, \cdots ,{N_{\rm r}}} \right\}$ 和K $\buildrel \Delta \over =$ $\left\{ {1,2, \cdots ,{N_{\rm a}}} \right\}$ 来表示距离和方位上的分辨单元集合。对于距离向^[13]，由于目标的扩展，目标回波所占距离单元表示如下：

$\begin{aligned}{\varOmega _{\rm T}} = & \left\{ {\left\lceil {\frac{{{r_k} - L\left( {{x_k}} \right)/2}}{{{\varDelta _{\rm{r}}}}}} \right\rceil , \cdots ,\left\lceil {\frac{{{r_k}}}{{{\varDelta _{\rm{r}}}}}} \right\rceil , \cdots ,} \right.\\& \left. {\left\lceil {\frac{{{r_k} + L\left( {{x_k}} \right)/2}}{{{\varDelta _{\rm{r}}}}}} \right\rceil } \right\}\end{aligned}$

(3)

其中， $\left\lceil X \right\rceil$ 表示向上求整， ${r_k} = \sqrt {x_k^2 + y_k^2}$ , $L\left( {{x_k}} \right)$ 表示目标距离向长度。

对于方位向，目标回波所占的方位单元表示如下：

$\begin{aligned}{K_T} = & \left\{ {\left\lceil {\frac{{{a_k} - V\left( {{x_k}} \right)/2}}{{{\varDelta _{\rm{r}}}}}} \right\rceil , \cdots ,\left\lceil {\frac{{{a_k}}}{{{\varDelta _{\rm{a}}}}}} \right\rceil , \cdots ,} \right.\\& \left. {\left\lceil {\frac{{{a_k} + V\left( {{x_k}} \right)/2}}{{{\varDelta _{\rm{a}}}}}} \right\rceil } \right\}\end{aligned}$

(4)

其中， ${a_k} = \arctan\left( {{y_k}/{x_k}} \right)$ , V(x_k)表示目标方位向长度。

假设雷达在相同扫描区域已经产生多帧距离-多普勒图像，z_k(i, j)表示k时刻量测数据，具体形式为：

${{z}_{k}}\left( i,j \right)=\left\{ \begin{array}{*{35}{l}} \begin{array}{*{35}{l}} {{v}_{k}}\left( i,j \right)+{{n}_{k}}\left( i,j \right),i\in \Omega ,j\in K, \\ {{E}_{k}}=0 \\ \end{array} \\ \begin{array}{*{35}{l}} {{h}_{k}}\left( i,j \right)+{{v}_{k}}\left( i,j \right)+{{n}_{k}}\left( i,j \right),i\in {{\Omega }_{T}},j\in {{K}_{T}}, \\ {{E}_{k}}=1 \\ \end{array} \\ \begin{array}{*{35}{l}} {{v}_{k}}\left( i,j \right)+{{n}_{k}}\left( i,j \right),i\in \Omega \backslash {{\Omega }_{T}},j\in K\backslash {{K}_{T}}, \\ {{E}_{k}}=1 \\ \end{array} \\ \end{array} \right.$

(6)

式中， $i = 1,2, \cdots ,{N_{\rm r}},j = 1,2, \cdots ,{N_{\rm a}}$ , h_k(i, j)为目标在分辨单元(i, j)处的信号，n_k(i, j)表示在(i, j)处的杂波，v_k(i, j)为量测噪声，假设为零均值、方差为 $2{\sigma ^2}$ 的复高斯噪声。h_k(i, j)表示散射点对分辨单元(i, j)的强度影响，一般情况下h_k(i, j)可近似为2维高斯分布形式^[14,15]，则散射点在传感器分辨单元(i, j)的强度影响为^[7]：

$\begin{aligned}{h_k}\left( {i,j} \right) \approx & \frac{{{\varDelta _{\rm r}}{\varDelta _{\rm a}}{I_k}}}{{2 {π} {{{Σ} \;\!}^2}}}\\& \cdot \exp \left\{ { - \frac{{{{\left( {i{\varDelta _{\rm r}} - {x_k}} \right)}^2} + {{\left( {j{\varDelta _{\rm a}} - {y_k}} \right)}^2}}}{{2{{{Σ} \;\!}^2}}}} \right\}\end{aligned}$

(6)

其中 ${Σ}$ 为已知参数，表示传感器模糊斑点数量。k时刻的量测数据可表示为 ${z_k} = \{ {z_k}(i,j),i = 1, ·\!·\!· ,$ ${N_{\rm r}},j = 1, ·\!·\!· ,{N_{\rm a}}\}$ ，直到k时刻的完整量测数据集合表示为 ${Z_k} = \left\{ {{z_i},i = 1, ·\!·\!· ,k} \right\}$ 。

在实际雷达环境中，存在许多地物、海和云雨等各种杂波，经研究表明^[12]，Weibull分布在一定程度内可以与实际杂波吻合。因此，设 $\left| {n_k^{\left( {i,j} \right)}} \right|$ 符合以下Weibull分布，即

$\begin{aligned}p\left( x \right) = & \frac{p}{q}{\left( {\frac{x}{q}} \right)^{p - 1}}\exp \left[ { - {{\left( {\frac{x}{q}} \right)}^p}} \right],\\& x \ge 0,\ p > 0,\ q > 0\end{aligned}$

(7)

其中，p为形状参数，q为尺度参数。

3. 杂波环境下扩展目标的PF-TBD算法

设 ${z'\!\!_k}\left( {i,j} \right) = \left| {{h_k}\left( {i,j} \right) + {v_k}\left( {i,j} \right)} \right|$ 表示信号加噪声幅度，对于分辨单元(i, j)，当E_k=1时， ${z'\!\!_k}\left( {i,j} \right)$ 近似服从非中心的2阶卡方分布，即

$\begin{aligned} & \!\!\!\!\!\!\!\!\!\!\!\!\!\! p\left( {{{z'}\!\!_k}\left( {i,j} \right)|{x_k},{E_k} = 1} \right)\\ = & \frac{1}{{{\sigma ^2}}}\exp \left( { - \frac{{{{z'}\!\!_k}\left( {i,j} \right) + {h_k}\left( {i,j} \right)}}{{{\sigma ^2}}}} \right)\\& \cdot {I_0}\left( {\frac{{2\sqrt {{{z'}\!\!_k}\left( {i,j} \right){h_k}\left( {i,j} \right)} }}{{{\sigma ^2}}}} \right)\end{aligned}$

(8)

当E_k=0时，分辨单元(i, j)内信号的幅度近似服从瑞利分布^[13]，即

$p\left( {z}'{{}_{k}}\left( i,j \right)|{{E}_{k}}=0 \right)=\frac{\left| {z}'{{}_{k}}\left( i,j \right) \right|}{{{\sigma }^{2}}}\exp \left( -\frac{{{\left| {z}'{{}_{k}}\left( i,j \right) \right|}^{2}}}{2{{\sigma }^{2}}} \right)$

(9)

在目标存在时，考虑Weibull杂波因子，量测值z_k(i, j)的幅度服从非中心卡方分布与Weibull的混合分布，借用文献[16]的思想，根据混合概率密度公式

$f\left( y \right) = \rho {f_0}\left( {y,{\lambda _0}} \right) + \left( {1 - \rho } \right){f_1}\left( {y,\theta } \right),\ y > 0$

(10)

得到似然函数：

$\begin{aligned}& \!\!\!\!\!\!\!\!\!\!\!\! p\left( {\left| {{z_k}\left( {i,j} \right)} \right|\left| {{x_k},{E_k} = 1} \right.} \right)\\ = & \rho \frac{1}{{{\sigma ^2}}}\exp \left( { - \frac{{\left| {{z_k}\left( {i,j} \right)} \right| + {h_k}\left( {i,j} \right)}}{{{\sigma ^2}}}} \right)\\& \cdot {I_0}\left( {\frac{{2\sqrt {\left| {{z_k}\left( {i,j} \right)} \right|{h_k}\left( {i,j} \right)} }}{{{\sigma ^2}}}} \right)\\ & + \left( {1 - \rho } \right)\frac{p}{q}{\left( {\frac{{\left| {{z_k}\left( {i,j} \right)} \right|}}{q}} \right)^{{{p - 1}}}}\\ & \cdot \exp \left[ { - {{\left( {\frac{{\left| {{z_k}\left( {i,j} \right)} \right|}}{q}} \right)}^p}} \right]\end{aligned}$

(11)

同上，当E_k=0时，量测值z_k(i, j)的幅度服从瑞利分布与Weibull分布的混合分布，则相应的似然函数为：

$\begin{aligned}& \!\!\!\!\!\!\!\!\!\!\!\!\! p\left( {\left| {{z_k}\left( {i,j} \right)} \right|\left| {{E_k} = 0} \right.} \right)\\ = & \kappa \frac{{\left| {{z_k}\left( {i,j} \right)} \right|}}{{{\sigma ^2}}}\exp \left( { - \frac{{{{\left| {{z_k}\left( {i,j} \right)} \right|}^2}}}{{2{\sigma ^2}}}} \right)\\ & + \left( {1 - \varepsilon } \right)\frac{p}{q}{\left( {\frac{{\left| {{z_k}\left( {i,j} \right)} \right|}}{q}} \right)^{{{p - 1}}}}\\& \cdot \exp \left[ { - {{\left( {\frac{{\left| {{z_k}\left( {i,j} \right)} \right|}}{q}} \right)}^p}} \right]\end{aligned}$

(12)

式中， $\rho$ 和 $\varepsilon$ 为比例系数( $\rho \in \left[ {0,1} \right],\varepsilon \in \left[ {0,1} \right]$ )。

随着雷达分辨率的提高，目标的物理尺寸大于距离分辨率，这样就会引起目标在距离和方位上的线性扩展，则扩展目标的似然函数为^[17]：

$p\left( {{z_k}|{x_k},{E_k} = 1} \right) = \int {p\left( {{z_k}|\hat x,{E_k} = 1} \right)p\left( {{{\hat x}_k}|{x_k}} \right){\rm{d}}{{\hat x}_k}}$

(13)

其中，x_k为中心点， ${\hat x_k}$ 为扩展点； $p\left( {{{\hat x}_k}|{x_k}} \right)$ 表示从点x_k扩展到 ${\hat x_k}$ 的概率密度函数。

目标在距离和方位角发生2维线性扩展。设线性扩展目标长度为N_z，扩展目标的方向与观察者视线方向的夹角为 $\theta$ ，则目标扩展后的坐标范围^[7]为：

$\begin{aligned}& \left( {\left[ {{l_k} - 0.5{N_z}\tan \theta ,{l_k} + 0.5{N_z}\tan \theta } \right],} \right.\\& \quad\quad\ \left. {\left[ {{d_k} - 0.5{N_z}\cos \theta ,{d_k} + 0.5{N_z}\cos \theta } \right]} \right)\end{aligned}$

(14)

其中，(l_k, d_k)表示扩展目标的中心位置。根据以上条件，则其似然函数为：

$\begin{align} & p\left( {{z}_{k}}|{{x}_{k}},{{E}_{k}}=1 \right)=\int_{-{{n}_{z}}/2}^{{{n}_{z}}/2}{p\left( {{z}_{k}}|{{x}_{k}},{{E}_{k}}=1 \right)p\left( {{{\hat{x}}}_{k}}|{{x}_{k}} \right)\text{d}{{{\hat{x}}}_{k}}} \\ & =\frac{1}{{{n}_{z}}}\int_{-{{n}_{z}}/2}^{{{n}_{z}}/2}{\left( \rho \frac{1}{{{\sigma }^{2}}}\exp \left( -\frac{{{z}_{k}}\left( i-u\tan \theta ,j-u\cos \theta \right)+{{h}_{k}}\left( i-u\tan \theta ,j-u\cos \theta \right)}{{{\sigma }^{2}}} \right) \right.} \\ & \cdot {{I}_{0}}\left( \frac{2\sqrt{{{z}_{k}}\left( i-u\tan \theta ,j-u\cos \theta \right){{h}_{k}}\left( i-u\tan \theta ,j-u\cos \theta \right)}}{{{\sigma }^{2}}} \right) \\ & +\left( 1-\rho \right)\frac{p}{q}{{\left( \frac{{{z}_{k}}\left( i-u\tan \theta ,j-u\cos \theta \right)}{q} \right)}^{p-1}} \\ & \left. \cdot \exp \left[ -{{\left( \frac{{{z}_{k}}\left( i-u\tan \theta ,j-u\cos \theta \right)}{q} \right)}^{p}} \right] \right)\text{d}u \\ \end{align}$

假设各个(i, j)内的z_k^{(i, j)}是独立的，似然函数可表示为：

$\begin{aligned} & \!\!\!\!\!\!\!\!\!\!\!\! p\left( {\left| {{z_k}} \right||{x_k},{E_k} = 1} \right)\\ \approx & \prod\limits_{i \in {C_i}\left( {{{x}_k}} \right)} {\prod\limits_{j \in {C_{j}}\left( {{x_k}} \right)} p } \left( {\left| {{z_k}\left( {i,j} \right)} \right|{x_k},{E_k} = 1} \right)\\& {\; \cdot \prod\limits_{i \notin {C_{i}}\left( {{{x}_k}} \right)} {\prod\limits_{j \notin {C_{j}}\left( {{x_k}} \right)} p } \left( {\left| {{z_k}\left( {i,j} \right)} \right|{x_k},{E_k} = 0} \right)}\end{aligned}$

(16)

$p\left( {\left| {{z_k}} \right||{E_k} = 0} \right) = \mathop \prod \limits_{i = 1}^{{N_\rm{r}}} \mathop \prod \limits_{j = 1}^{{N_{\rm a}}} p\left( {\left| {{z_k}\left( {i,j} \right)} \right||{E_k} = 0} \right)$

(17)

式中，C_i(x_k)和C_j(x_k)表示(i, j)内受回波影响的集合。

假设该模型中扩展目标每一时刻仅有限个回波(散射点)时^[18]，设散射点个数为M时，则有：

$p\left( {{z_k}|{x_k},{E_k} = 1} \right) \approx \frac{1}{M}\sum\limits_{i = 1}^M {p\left( {{z_k}|x_k^{\left( {i} \right)}} \right)}$

(18)

其中，x_k⁽ⁱ⁾表示在某一时间k相互独立的散射点。

$\begin{aligned}& \!\!\!\!\!\!\!\!\!\!\!\!\! p\left( {{z_k}|{x_k},{E_k} = 1} \right)\\ = & \sum\limits_{r = 0}^{n - 1} {\left( {\rho \frac{1}{{{\sigma ^2}}}\exp \left( { - \frac{{{z_k}\left( {i - {t_{r}}\tan \theta ,j - {t_{r}}\cos \theta } \right) + {h_k}\left( {i - {t_{r}}\tan \theta ,j - {t_r}\cos \theta } \right)}}{{{\sigma ^2}}}} \right)} \right.} \\& \cdot {I_{\rm{0}}}\left( {\frac{{2\sqrt {{z_k}\left( {i - {t_r}\tan \theta ,j - {t_r}\cos \theta } \right){h_k}\left( {i - {t_r}\tan \theta ,j - {t_{\mathop{ r}\nolimits} }\cos \theta } \right)} }}{{{\sigma ^2}}}} \right)\\& + \left( {1 - \rho } \right)\frac{p}{q}{\left( {\frac{{{z_k}\left( {i - {t_{r}}\tan \theta ,j - {t_{r}}\cos \theta } \right)}}{q}} \right)^{p - 1}}\\& \left. { \cdot \exp \left[ { - {{\left( {\frac{{{z_k}\left( {i - {t_{r}}\tan \theta ,j - {t_{r}}\cos \theta } \right)}}{q}} \right)}^p}} \right]} \right)\left( {{x_{{r} + 1}} - {x_{r}}} \right)\end{aligned}$

(19)

定义似然比为：

$L\left( {\left| {{z_k}} \right||x_k^{n},{E_k} = 1} \right) = \frac{{p\left( {\left| {{z_k}} \right||x_k^n,{E_k} = 1} \right)}}{{p\left( {\left| {{z_{k}}} \right||{E_{k}} = 0} \right)}}$

(20)

$\!\!\!\!\!\! L\left( {\left| {{z_k}} \right||{E_k} = 0} \right) = \frac{{p\left( {\left| {{z_k}} \right||{E_k} = 0} \right)}}{{p\left( {\left| {{z_k}} \right||{E_k} = 0} \right)}} = 1$

(21)

因此，对状态为 $x_k^n$ 的目标，将式(8)、式(19)代入式(20)、式(21)中，可以计算出未归一化权重 $\tilde \omega _k^{n}$ 。

下面给出PF-TBD算法^[19]。首先，引入混合状态向量 ${y_k} = {\left[ {x_k^{\rm T} {E_k}} \right]^{\rm{T}}}$ 。设在k–1时刻的联合PDF为 $p\left( {{y_{k - 1}}|{Z_{k - 1}}} \right)$ 可由粒子集 $\left\{ {y_{k - 1}^n,\omega _{k - 1}^n} \right\}_{n = 1}^N$ 来描述，N为粒子数量。则该算法运算步骤如下所示：

$\left[ {\left\{ {y_k^n} \right\}_{n\rm{ = 1}}^N} \right] = {\rm PF} - {\rm TBD}\left[ {\left\{ {y_{k\rm{ - 1}}^n} \right\}_{n\rm{ = 1}}^N,{z_k}} \right]$

(22)

步骤1 计算目标的存在变量 $\left[ {\left\{ {E_k^n} \right\}_{n\rm{ = 1}}^N} \right]$ 目标存在变量转移 $\left[ {\left\{ {E_{{k - 1}}^{n}} \right\}_{n\rm{ = 1}}^N,\varPhi } \right]$ ；

步骤2 从X_kⁿ中抽取M个散射点：

$\left\{ {\chi _{k}^{{n,m}}} \right\}_{m\rm{ = 1}}^M \sim \psi \left( {{\chi _{k}}|X_k^n} \right)$

(23)

步骤3 FOR n=1:N

(1) 对“新生”(即 $E_{{k - 1}}^n = 0,E_k^n = 1$ )粒子采样 $x_k^n \sim {p_\rm{b}}\left( {{x_k}|{z_k}} \right)$ ；

(2) 对“存活”(即 $E_{k\rm{ - 1}}^n = 1,E_k^n = 1$ )粒子采样 $x_k^n \sim p\left( {{x_k}|x_{k\rm{ - 1}}^n} \right)$ ；

(3) 计算权重 $\tilde \omega _k^n$ ；

步骤4 用 $x_k^n \sim {p_\rm{b}}\left( {{x_k}{|}{z_k}} \right)$ 替换权重比较低的 $x_k^n \sim p\left( {{x_k}|x_{k\rm{ - 1}}^n} \right)$ ，并计算相应的权重；

步骤5 归一化粒子权重， $\left\{ \omega _{k}^{n}=\tilde{\omega }_{k}^{n}/\sum\limits_{n=1}^{N}{\tilde{\omega }_{k}^{n}} \right\}_{n=1}^{N}\text{ }$ ；

步骤6 粒子重采样， $\left[ {\left\{ {y_k^n,1/N} \right\}_{n\rm{ = 1}}^N} \right]$ =重采样 $\left[ {\left\{ {y_k^n,\omega _k^n} \right\}_{n\rm{ = 1}}^N} \right]$ 。

目标在k时刻后验PDF为P_k $\buildrel \wedge \over =$ P{E_k=1|Z_k}，因此

${\hat P_k} = \sum\limits_{n = 1}^N {{{E_k^n} / {N, \ \ 0 \le }}} \hat P \le 1$

(24)

估计目标状态为：

${\hat x_k} = \sum\limits_{n = 1}^N {\left( {x_k^nE_k^n} \right) \biggr/ \sum\limits_{n = 1}^N {E_k^n} }$

(25)

4. 仿真实验

本节将通过仿真实验来说明在杂波环境下基于粒子滤波的雷达扩展目标TBD算法的有效性。假设目标的运动方程为：

${{x}_k} = {F}{{x}_{k - 1}} + {{w}}_{k - 1}$

(26)

其中，

${F} = \left[ {\begin{array}{*{20}{c}}1&1&0&0&0&0\\0&1&0&0&0&0\\0&0&1&1&0&0\\0&0&0&1&0&0\\0&0&0&0&1&0\\0&0&0&0&0&1\end{array}} \right]$

(27)

目标在x-y平面内做匀速直线运动，w_k–1为零均值Gaussian噪声，其协方差Q为：

${Q} = \left[ {\begin{array}{*{20}{c}}{\frac{{{q_1}}}{3}{T^\rm{3}}}&{\frac{{{q_1}}}{2}{T^2}}&0&0&0&0\\{\frac{{{q_1}}}{2}{T^2}}&{{q_1}T}&0&0&0&0\\0&0&{\frac{{{q_1}}}{3}{T^3}}&{\frac{{{q_1}}}{2}{T^2}}&0&0\\0&0&{\frac{{{q_1}}}{2}{T^2}}&{{q_1}T}&0&0\\0&0&0&0&{{q_2}T}&0\\0&0&0&0&0&{{q_3}T}\end{array}} \right]$

(28)

其中，q₁和q₂分别表示运动和强度的过程噪声方差。设置q₁=0.001, q₂=0.01, q₃=0.01设置T为1 s。其他相关参数设置为D_x=D_y=1, ${\Large\varSigma} = 0.9$ , ${N_\rm{r}} = {N_\rm{a}} = 20$ , ${\alpha _{m}} = 0.3$ ，观测噪声方差为 ${\sigma ^2} = 1$ 。取 ${{x}_\rm{1}} = {\left[ {\begin{array}{*{20}{c}}0&1&2&0&I\end{array}} \right]^\rm{T}}$ ，在整个跟踪过程中，共有32帧。其中，第7到25帧时E_k=1，共19帧，而杂波和噪声从第1帧到第32帧一直存在。信杂噪比计算公式为：

${\rm SCNR} = \frac{S}{{V + C}}$

(29)

其中，S为信号功率，C为杂波功率，V为噪声功率。

图1模拟了散射点模型。根据散射点状态可知，从状态点到扩散点满足均匀分布。在图中，为了清楚地体现扩散效果，围绕着中心点取了8个扩散点。

图 1 目标散射点

Figure 1. Target scatter point

下载: 全尺寸图片幻灯片

图2给出了扩展目标在x-y平面上的运动轨迹，其中x轴、y轴只是相对值。在整个过程中，目标做匀速直线运动。目标的初始位置为(10, 2)，设设杆长l为2，即占据2个分辨率单元。

图 2 扩展目标真实航迹图

Figure 2. Real track of extended target

下载: 全尺寸图片幻灯片

滤波参数设置为：目标的p_b和p_d都取为0.1，初始存在概率 ${\mu _1}$ =0.05，信号强度门限 $\gamma$ =0.5, v_max=1, I_min=5, I_max=50, p=2。

图3是不同SCNR下扩展目标的平均存在概率图，设置门限为0.5，即目标的平均概率超过0.5，认为能够检测到目标，否则相反。从整体上来看，SCNR=3 dB, 6 dB, 9 dB和12 dB均能够检测到目标存在。SCNR=12 dB能够准确检测出目标出现时刻和消失时刻。SCNR=9 dB在目标出现时有2个时刻延迟，但能够准确检测到目标消失时刻。SCNR=3 dB, 6 dB时在目标出现时有2个时刻延迟，而目标消失时刻则有1个延时。

图 3 目标的平均存在概率

Figure 3. Average existence probability of target

下载: 全尺寸图片幻灯片

从图4可以看出，在目标开始出现时，不同SCNR下，误差都比较大，但经过几个时刻后，误差趋于稳定，但仍有一些波动。比较这4种不同情况，SCNR=3 dB的误差最大，这是比较符合实际情况。

图 4 目标位置的RMSE

Figure 4. RMSE of target position

下载: 全尺寸图片幻灯片

图5是目标长度的随时间变化的RMSE，从图中可以看出，目标刚出现时，误差比较大，随着时间的积累，误差逐渐减少。比较不同SCNR下的误差值，可以得出，SCNR=12 dB时，误差最小，也比较平缓，SCNR=3 dB估计值不太理想，误差一直居高不小。SCNR=6 dB和SCNR=9 dB时，误差均可以接受。

图 5 目标长度的RMSE

Figure 5. RMSE of target length

下载: 全尺寸图片幻灯片

5. 总结

针对杂波环境下的雷达扩展目标检测前跟踪问题，采用了含有Weibull杂波分布的杆状量测模型，运用散射点函数，推导出扩展目标的似然函数和粒子权重。基于粒子滤波，抽样得到散射点集合。实验结果表明，Weibull杂波环境下PF-TBD算法具有较好的稳定性。

图 1 子带并发

Figure 1. Simultaneously transmitted subpulses

下载: 全尺寸图片幻灯片

图 2 脉内子带串发

Figure 2. Sequential subpulses transmitted in PRT

下载: 全尺寸图片幻灯片

图 3 脉间子带串发

Figure 3. Sequential subpulses transmitted interpulse

下载: 全尺寸图片幻灯片

图 4 高分辨率星载SAR子带交替串发设计结果

Figure 4. Design result of subpulses transmitted alternatively for high resolution spaceborne SAR

下载: 全尺寸图片幻灯片

图 5 轨道弯曲引起的等效速度空变

Figure 5. Equivalent speed variance caused by curved orbit

下载: 全尺寸图片幻灯片

图 6 “Stop-go”误差引起的方位向偏移

Figure 6. Azimuth migration caused by stop-go error

下载: 全尺寸图片幻灯片

图 7 星载高分辨率SAR 100 s工作期间典型折射率下斜距误差的变化图

Figure 7. Range error variance of spaceborne high resolution SAR in typical refractive index during 100 s operation

下载: 全尺寸图片幻灯片

图 8 电离层导致的二次相位误差

Figure 8. Quadratic phase error caused by ionosphere error

下载: 全尺寸图片幻灯片

图 9 高分辨率滑动聚束星载SAR成像算法总流程

Figure 9. Flow chart of high resolution sliding spotlight spaceborne SAR imaging algorithm

下载: 全尺寸图片幻灯片

图 10 信号子带拼接前后对比

Figure 10. Stepped frequency subband signal and simulation result of synthetic bandwidth

下载: 全尺寸图片幻灯片

图 11 加入幅相误差的子带拼接结果

Figure 11. Compressed synthetic signal with amplitude errors and phase errors

下载: 全尺寸图片幻灯片

图 12 加入对流层误差的成像结果

Figure 12. Imaging result with troposphere error

下载: 全尺寸图片幻灯片

图 13 加入不同电离层误差的成像结果

Figure 13. Imaging results with different ionosphere errors

下载: 全尺寸图片幻灯片

图 14 加入不同大小DEM误差的成像结果

Figure 14. Imaging results with different DEM errors

下载: 全尺寸图片幻灯片

图 15 高分辨率滑动聚束星载SAR点阵目标成像结果图

Figure 15. Imaging result of dot targets with high resolution sliding spotlight spaceborne SAR

下载: 全尺寸图片幻灯片

表 1 高分辨率宽测绘带滑动聚束典型参数

Table 1. Typical parameters for sliding spotlight SAR with high resolution and wide swath

参数	数值
距离向发射带宽	2.4 G，单个脉冲400 M
PRF	3000～4000 Hz，分段变重频
采样延迟	分段变采样延迟
聚束因子	1/40

下载: 导出CSV

表 2 典型大气参数

Table 2. Typical atmosphere parameters

参数	数值
场景大气压	1.014 MPa
相对湿度	20%
场景气温	10°C
场景海拔	100 m

下载: 导出CSV

表 3 高分辨滑动聚束成像评估结果

Table 3. Evaluation results of high resolution sliding spotlight imaging

点目标	距离向		方位向		距离向分辨率 (m)	方位向分辨率 (m)
点目标	PSLR (dB)	ISLR (dB)	PSLR (dB)	ISLR (dB)	距离向分辨率 (m)	方位向分辨率 (m)
a	–25.72	–19.46	–23.13	–18.22	0.15	0.16
b	–25.42	–19.46	–22.97	–19.01	0.15	0.16
c	–25.70	–19.45	–24.76	–19.59	0.15	0.16
d	–25.66	–19.49	–21.77	–18.69	0.15	0.16
e	–25.37	–19.23	–21.27	–18.43	0.15	0.16

下载: 导出CSV

参考文献(18)

[1]	CUMMING I G and WONG F H. Digital Processing of Synthetic Aperture Radar Data: Algorithms and Implementation[M]. Norwood: Artech House, 2005: 1–9.
[2]	张澄波. 综合孔径雷达[M]. 北京: 科学出版社, 1989: 1–5. ZHANG Chengbo. Synthetic Aperture Radar[M]. Beijing: Science Press, 1989: 1–5.
[3]	袁孝康. 星载合成孔径雷达导论[M]. 北京: 国防工业出版社, 2003: 1–5. YUAN Xiaokang. Introduce to the Spaceborne Synthetic Aperture Radar[M]. Beijing: National Defend Industry Press, 2003: 1–5.
[4]	WILEY C A. Synthetic aperture radars[J]. IEEE Transactions on Aerospace and Electronic Systems, 1985, AES-21(3): 440–443. doi: 10.1109/TAES.1985.310578
[5]	TSUNODA S I, PACE F, STENCE J, et al. Lynx: A high-resolution synthetic aperture radar[C]. SPIE 3704, Radar Sensor Technology IV, Orlando, USA, 1999: 1–4. doi: 10.1117/12.354602.
[6]	ENDER J H G and BRENNER A R. PAMIR-a wideband phased array SAR/MTI system[J]. IEE Proceedings-Radar, Sonar and Navigation, 2003, 150(3): 165–172. doi: 10.1049/ip-rsn:20030445
[7]	WERNINGHAUS R and BUCKREUSS S. The TerraSAR-X mission and system design[J]. IEEE Transactions on Geoscience and Remote Sensing, 2010, 48(2): 606–614. doi: 10.1109/tgrs.2009.2031062
[8]	邓云凯, 陈倩, 祁海明, 等. 一种基于频域子带合成的多发多收高分辨率SAR成像算法[J]. 电子与信息学报, 2011, 33(5): 1082–1087. doi: 10.3724/SP.J.1146.2010.01067 DENG Yunkai, CHEN Qian, QI Haiming, et al. A high-resolution imaging algorithm for MIMO SAR based on the sub-band synthesis in frequency domain[J]. Journal of Electronics &Information Technology, 2011, 33(5): 1082–1087. doi: 10.3724/SP.J.1146.2010.01067
[9]	LORD R T and INGGS M R. High resolution SAR processing using stepped-frequencies[C]. 1997 IEEE International Geoscience and Remote Sensing Symposium, Remote Sensing - A Scientific Vision for Sustainable Development, Singapore, 1997: 490–492. doi: 10.1109/IGARSS.1997.615924.
[10]	WU Yuan, SUN Guangcai, YANG Chun, et al. Processing of very high resolution spaceborne sliding spotlight SAR data using velocity scaling[J]. IEEE Transactions on Geoscience and Remote Sensing, 2016, 54(3): 1505–1518. doi: 10.1109/TGRS.2015.2481923
[11]	PRATS-IRAOLA P, SCHEIBER R, RODRIGUEZ-CASSOLA M, et al. On the processing of very high resolution spaceborne SAR data[J]. IEEE Transactions on Geoscience and Remote Sensing, 2014, 52(10): 6003–6016. doi: 10.1109/TGRS.2013.2294353
[12]	BELCHER D P. Theoretical limits on SAR imposed by the ionosphere[J]. IET Radar, Sonar & Navigation, 2008, 2(6): 435–448. doi: 10.1049/iet-rsn:20070188
[13]	王沛. 高分辨率星载合成孔径雷达关键技术研究与验证[D]. [博士论文], 中国科学院大学, 2018: 47–49. WANG Pei. Study on key technology and verification of spaceborne high resolution synthetic aperture radar[D]. [Ph.D. dissertation], University of Chinese Academy of Sciences, 2018: 47–49.
[14]	VILLANO M, KRIEGER G, and MOREIRA A. Staggered-SAR for high-resolution wide-swath imaging[C]. 2012 IET International Conference on Radar Systems, Glasgow, UK, 2012: 1–6. doi: 10.1049/cp.2012.1600.
[15]	秦显平. 星载GPS低轨卫星定轨理论及方法研究[D]. [博士论文], 解放军信息工程大学, 2009: 1–3. QIN Xianping. Research on precision orbit determination theory and method of low earth orbiter based on GPS technique[D]. [Ph.D. dissertation], The PLA Information Engineering University, 2009: 1–3.
[16]	ULANDER L M H, HELLSTEN H, and STENSTROM G. Synthetic-aperture radar processing using fast factorized back-projection[J]. IEEE Transactions on Aerospace and Electronic Systems, 2003, 39(3): 760–776. doi: 10.1109/TAES.2003.1238734
[17]	DING Zegang, GUO Yansu, GAO Wenbin, et al. A range grating lobes suppression method for stepped-frequency SAR imagery[J]. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 2016, 9(12): 5677–5687. doi: 10.1109/JSTARS.2016.2593711
[18]	DING Zegang, GAO Wenbin, LIU Jingyun, et al. A novel range grating lobe suppression method based on the stepped-frequency SAR image[J]. IEEE Geoscience and Remote Sensing Letters, 2015, 12(3): 606–610. doi: 10.1109/LGRS.2014.2352676

施引文献

期刊类型引用(7)

1.	付丽梅. 基于选定区域颜色直方图的粒子滤波行人跟踪算法. 软件工程. 2021(07): 31-34 . 百度学术
2.	花文号，陈霄，薛安克. 基于权值选择的多雷达多目标检测前跟踪算法. 杭州电子科技大学学报(自然科学版). 2020(02): 34-39 . 百度学术
3.	冉星浩，杨路，李春波. 基于权值优选的改进二阶中心差分粒子滤波算法. 测控技术. 2020(07): 68-72 . 百度学术
4.	裴家正，黄勇，董云龙，何友，陈小龙. 杂波背景下基于概率假设密度的辅助粒子滤波检测前跟踪改进算法. 雷达学报. 2019(03): 355-365 . 本站查看
5.	裴家正，黄勇，董云龙，何友，陈小龙，陈唯实. 基于PHD的粒子滤波检测前跟踪改进算法. 雷达科学与技术. 2019(03): 263-270+279 . 百度学术
6.	张忠子. 基于改进粒子滤波跟踪算法的运动视频跟踪. 现代电子技术. 2019(15): 59-62 . 百度学术
7.	王经鹤，易伟，孔令讲. 组网雷达多帧检测前跟踪算法研究. 雷达学报. 2019(04): 490-500 . 本站查看

其他类型引用(6)

资源附件(0)

访问统计

图(15) / 表(3)

计量

文章访问数: 3569
HTML全文浏览量: 1439
PDF下载量: 437
被引次数: 13

1. 引言
2. 系统模型
2.1 目标状态模型
2.2 量测模型
3. 杂波环境下扩展目标的PF-TBD算法
4. 仿真实验
5. 总结

星载高分辨频率步进SAR成像技术

DOI: 10.12000/JR19076 CSTR: 32380.14.JR19076

通讯作者:
龙腾 longteng@bit.edu.cn

丁泽刚 z.ding@bit.edu.cn

计量

Spaceborne High-resolution Stepped-frequency SAR Imaging Technology

Corresponding author: LONG Teng, longteng@bit.edu.cn; DING Zegang, z.ding@bit.edu.cn

1. 引言

2. 系统模型

2.1 目标状态模型

2.2 量测模型

3. 杂波环境下扩展目标的PF-TBD算法

4. 仿真实验

5. 总结

期刊类型引用(7)

其他类型引用(6)

计量

目录

1. 引言

2. 系统模型

2.1 目标状态模型

2.2 量测模型

3. 杂波环境下扩展目标的PF-TBD算法

4. 仿真实验

5. 总结

期刊介绍

联系我们

星载高分辨频率步进SAR成像技术

DOI: 10.12000/JR19076 CSTR: 32380.14.JR19076

通讯作者: 龙腾 longteng@bit.edu.cn 丁泽刚 z.ding@bit.edu.cn

计量

出版历程

Spaceborne High-resolution Stepped-frequency SAR Imaging Technology

Corresponding author: LONG Teng, longteng@bit.edu.cn; DING Zegang, z.ding@bit.edu.cn

1. 引言

2. 系统模型

2.1 目标状态模型

2.2 量测模型

3. 杂波环境下扩展目标的PF-TBD算法

4. 仿真实验

5. 总结

期刊类型引用(7)

其他类型引用(6)

计量

出版历程

目录

1. 引言

2. 系统模型

2.1 目标状态模型

2.2 量测模型

3. 杂波环境下扩展目标的PF-TBD算法

4. 仿真实验

5. 总结

期刊介绍

联系我们

通讯作者:
龙腾 longteng@bit.edu.cn

丁泽刚 z.ding@bit.edu.cn