典型线面目标合成孔径雷达参数化成像

卫扬铠 曾涛 陈新亮 丁泽刚 范宇杰 温育涵

卫扬铠, 曾涛, 陈新亮, 等. 典型线面目标合成孔径雷达参数化成像[J]. 雷达学报, 2020, 9(1): 143–153. doi: 10.12000/JR19077
引用本文: 卫扬铠, 曾涛, 陈新亮, 等. 典型线面目标合成孔径雷达参数化成像[J]. 雷达学报, 2020, 9(1): 143–153. doi: 10.12000/JR19077
WEI Yangkai, ZENG Tao, CHEN Xinliang, et al. Parametric SAR imaging for typical lines and surfaces[J]. Journal of Radars, 2020, 9(1): 143–153. doi: 10.12000/JR19077
Citation: WEI Yangkai, ZENG Tao, CHEN Xinliang, et al. Parametric SAR imaging for typical lines and surfaces[J]. Journal of Radars, 2020, 9(1): 143–153. doi: 10.12000/JR19077

典型线面目标合成孔径雷达参数化成像

doi: 10.12000/JR19077
基金项目: 国家重点研发计划(2017YFC0804700),国家杰出青年基金(61625103),国家自然科学基金重点项目(91738302, 91438203)
详细信息
    作者简介:

    卫扬铠(1995–),男,湖北人。北京理工大学信号与信息处理专业博士研究生,主要研究方向为合成孔径雷达信号处理。E-mail: yangkai.wei@bit.edu.cn

    曾 涛(1971–),男,天津人。北京理工大学研究员、博士生导师,主要研究方向为雷达信息、信号处理与系统设计。E-mail: z.ding@bit.edu.cn

    陈新亮(1984–),男,湖北人。北京理工大学讲师,硕士生导师,主要研究方向为雷达信号检测与成像处理。E-mail: chenxinliang@bit.edu.cn

    丁泽刚(1980–),男,河南人。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

    范宇杰(1995–),女,河北人。现北京理工大学信号处理专业硕士研究生,主要研究高精度分布式合成孔径雷达成像算法。E-mail: 18743052515@163.com

    温育涵(1995–) ,男,北京人。北京理工大学信息与电子学院硕士研究生,主要研究方向为雷达信号处理及成像算法。E-mail: yuhan.wen@bit.edu.cn

    通讯作者:

    陈新亮 chenxinliang@bit.edu.cn

  • 中图分类号: TN958

Parametric SAR Imaging for Typical Lines and Surfaces

Funds: The National key R & D plan (2017YFC0804700), The National Outstanding Youth Fund (61625103), The National Natural Science Foundation of China (91738302, 91438203)
More Information
  • 摘要: 在复杂场景(特别是城区场景)合成孔径雷达(SAR)遥感成像中,存在大量线、面目标,如城区中的道路和建筑物边缘等目标,这些线面目标微波散射信号方向性强。传统SAR从单一视角获取场景的散射信息,且传统成像算法均基于点目标模型,使得传统SAR图像中线面目标主要特征表现为一系列的强散射点,而非线散射特征和面散射特征,最终造成SAR图像中目标不连续,SAR图像解译困难。因此,该文通过建立典型线段、三角面元目标的参数化回波模型,对线面目标SAR成像机理进行了深入细致的研究;并基于提出的参数化模型对线面目标进行参数化成像,即首先基于贝叶斯理论和所提的参数化模型对典型的线面目标进行分类判决,随后采用再成像的方式获得有效表征线、面目标散射特征的SAR图像,为线、面目标SAR图像解译提供有效支撑。最后,数值仿真实验成功验证了所提算法的有效性和正确性。

     

  • 图  1  直线参数化模型

    Figure  1.  Parametric line model

    图  2  线段连续与离散模型仿真对比

    Figure  2.  Simulation of continuous and discrete lines

    图  3  三角面元目标参数化模型

    Figure  3.  Triangular face parameterization model

    图  4  三角面元连续与离散模型仿真对比

    Figure  4.  Comparison of continuous and discrete models of triangular surface

    图  5  连续目标示意图与SAR成像示意图

    Figure  5.  Continuous target schematic and SAR imaging schematic

    图  6  不同角度采样下连续目标SAR成像意图

    Figure  6.  SAR imaging results of continuous target under different angles of sampling

    图  7  不同角度采样下三角面元SAR成像意图

    Figure  7.  SAR imaging results of triangular surface under different angle samplings

    图  8  雷达系统与信号频谱关系示意图

    Figure  8.  Schematic relationship between radar system and signal spectrum

    图  9  直线方位向成像模型图

    Figure  9.  Azimuth imaging model for line

    图  10  参数化成像流程图

    Figure  10.  Parametric imaging flowchart

    图  11  折线几何参数化图

    Figure  11.  Polyline geometry parameterization

    图  12  直线段可视化展示

    Figure  12.  Visualization of line

    图  13  三角面元可视化展示

    Figure  13.  Visualization of triangular surface

    表  1  雷达部分参数

    Table  1.   Some radar parameters

    雷达参数数值
    波长0.05 m
    带宽300 MHz
    距离向频点数60
    方位角0.075 rad
    方位向脉冲数360
    下载: 导出CSV

    表  2  目标参数分布

    Table  2.   Target parameter distribution

    目标类型参数参数分布
    线段 长度L 截断高斯分布$L \in \left[ {0.5,8} \right]$, $\mu = 6,\varSigma = 1$
    法线角度${\varphi _n}$ $\left[ {0,2{\rm{\pi }}} \right]$均匀分布
    折线 边长${L_1}$, ${L_2}$ 截断高斯分布$L \in \left[ {0.1,3} \right]$, $\mu = 2,\varSigma = 0.5$
    倾斜角度${\phi _l}$ $\left[ {0,2{\rm{\pi }}} \right]$均匀分布
    三角形,三角面元 边长${L_1},{L_2},{L_3}$ 截断高斯分布$L \in \left[ {0.1,3} \right]$, $\mu = 2,\varSigma = 0.5$
    倾斜角度${\phi _t}$ $\left[ {0,2{\rm{\pi }}} \right]$均匀分布
    下载: 导出CSV

    表  3  基于贝叶斯理论的模型判决分类统计结果

    Table  3.   Statistical results of model decision classification based on Bayesian theory

    输入目标(数量)直线折线三角形三角面元
    直线(N=100)87%12%1%
    折线(N=100)28%64%1%7%
    三角形(N=200)7%66.5%26.5%0
    三角面(N=100)000100%
    下载: 导出CSV

    表  4  直线段重构SAR参数

    Table  4.   Line: SAR parameters for reconstruction

    雷达参数具体数值
    观测角度$\tilde \theta $80:0.01:110
    重构带宽3 GHz
    下载: 导出CSV

    表  5  三角面元:重构SAR参数

    Table  5.   Triangular surface: SAR parameters for reconstruction

    雷达参数具体数值
    观测角度$\tilde \theta $0.1:0.1:360
    频率$\tilde f$25 MHz:20 MHz:6.125 GHz
    下载: 导出CSV
  • [1] CURLANDER J C and MCDONOUGH R N. Synthetic Aperture Radar[M]. New York, USA: Wiley, 1991.
    [2] ZENG Tao, LIU Luosi, and DING Zegang. Improved stepped-frequency SAR imaging algorithm with the range spectral-length extension strategy[J]. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 2012, 5(5): 1483–1494. doi: 10.1109/JSTARS.2012.2196681
    [3] DING Zegang, LIU Luosi, ZENG Tao, et al. Improved motion compensation approach for squint airborne SAR[J]. IEEE Transactions on Geoscience and Remote Sensing, 2013, 51(8): 4378–4387. doi: 10.1109/TGRS.2013.2265327
    [4] ZENG Tao, LI Yinghe, DING Zegang, et al. Subaperture approach based on azimuth-dependent range cell migration correction and azimuth focusing parameter equalization for maneuvering high-squint-mode SAR[J]. IEEE Transactions on Geoscience and Remote Sensing, 2015, 53(12): 6718–6734. doi: 10.1109/TGRS.2015.2447393
    [5] XU Feng and JIN Yaqiu. Imaging simulation of polarimetric SAR for a comprehensive terrain scene using the mapping and projection algorithm[J]. IEEE Transactions on Geoscience and Remote Sensing, 2006, 44(11): 3219–3234. doi: 10.1109/TGRS.2006.879544
    [6] GORHAM L A and MOORE L J. SAR image formation toolbox for MATLAB[C]. The SPIE 7699, Algorithms for Synthetic Aperture Radar Imagery XVII. Orlando, USA, 2010.
    [7] CUMMING I G and WONG F H C. Digital Processing of Synthetic Aperture Radar Data[M]. Boston: Artech House, 2005: 3.
    [8] FREEMAN A and DURDEN S L. A three-component scattering model for polarimetric SAR data[J]. IEEE Transactions on Geoscience and Remote Sensing, 1998, 36(3): 963–973. doi: 10.1109/36.673687
    [9] FARRELL T J, PATTERSON M S, and WILSON B. A diffusion theory model of spatially resolved, steady‐state diffuse reflectance for the noninvasive determination of tissue optical properties in vivo[J]. Medical Physics, 1992, 19(4): 879–888. doi: 10.1118/1.596777
    [10] MILLER E K and LAGER D L. Inversion of one-dimensional scattering data using Prony’s method[J]. Radio Science, 1982, 17(1): 211–217. doi: 10.1029/RS017i001p00211
    [11] POTTER L C, CHIANG D M, CARRIERE R, et al. A GTD-based parametric model for radar scattering[J]. IEEE Transactions on Antennas and Propagation, 1995, 43(10): 1058–1067. doi: 10.1109/8.467641
    [12] GERRY M J, POTTER L C, GUPTA I J, et al. A parametric model for synthetic aperture radar measurements[J]. IEEE Transactions on Antennas and Propagation, 1999, 47(7): 1179–1188. doi: 10.1109/8.785750
    [13] SOUMEKH M. Synthetic Aperture Radar Signal Processing with MATLAB Algorithms[M]. New York: Wiley, 1999.
    [14] 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
    [15] Wei Y, Chen X, Fan Y, et al. Analysis and identification of continuous line target in SAR echo based on sidelobe features[J]. The Journal of Engineering, 2019, 2019(19): 5979–5981. doi: 10.1049/joe.2019.0327
    [16] BISHOP C M. Pattern Recognition and Machine Learning[M]. New York: Springer, 2006, 161–171.
    [17] 张连文, 郭海鹏. 贝叶斯网引论[M]. 北京: 科学出版社, 2006, 172–180.

    ZHANG Lianwen and GUO Haipeng. Introduction to Bayesian Networks[M]. Beijing: Science Press, 2006, 172–180.
  • 加载中
图(13) / 表(5)
计量
  • 文章访问数:  2952
  • HTML全文浏览量:  1351
  • PDF下载量:  312
  • 被引次数: 0
出版历程
  • 收稿日期:  2019-08-30
  • 修回日期:  2019-12-04
  • 网络出版日期:  2020-02-28

目录

    /

    返回文章
    返回