CN114047511B - 一种基于csa算法的时变海面机载sar成像仿真方法 - Google Patents
一种基于csa算法的时变海面机载sar成像仿真方法 Download PDFInfo
- Publication number
- CN114047511B CN114047511B CN202111285422.4A CN202111285422A CN114047511B CN 114047511 B CN114047511 B CN 114047511B CN 202111285422 A CN202111285422 A CN 202111285422A CN 114047511 B CN114047511 B CN 114047511B
- Authority
- CN
- China
- Prior art keywords
- sea surface
- scene
- distance
- time
- buoy
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000004088 simulation Methods 0.000 title claims abstract description 61
- 238000000034 method Methods 0.000 title claims abstract description 36
- 238000003384 imaging method Methods 0.000 title claims abstract description 30
- 238000004422 calculation algorithm Methods 0.000 title claims abstract description 15
- 238000001228 spectrum Methods 0.000 claims abstract description 31
- 238000012545 processing Methods 0.000 claims abstract description 14
- 230000010287 polarization Effects 0.000 claims description 27
- 230000001133 acceleration Effects 0.000 claims description 16
- 238000012937 correction Methods 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 9
- 230000006835 compression Effects 0.000 claims description 8
- 238000007906 compression Methods 0.000 claims description 8
- 239000011159 matrix material Substances 0.000 claims description 8
- 238000013508 migration Methods 0.000 claims description 8
- 230000005012 migration Effects 0.000 claims description 8
- 230000003287 optical effect Effects 0.000 claims description 8
- 230000008859 change Effects 0.000 claims description 6
- 239000012530 fluid Substances 0.000 claims description 6
- 238000005070 sampling Methods 0.000 claims description 6
- 238000012614 Monte-Carlo sampling Methods 0.000 claims description 5
- 230000001131 transforming effect Effects 0.000 claims description 5
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 4
- 238000009795 derivation Methods 0.000 claims 1
- 230000008569 process Effects 0.000 abstract description 13
- 238000005259 measurement Methods 0.000 abstract description 10
- 238000010586 diagram Methods 0.000 description 15
- 230000010355 oscillation Effects 0.000 description 7
- 238000002592 echocardiography Methods 0.000 description 6
- 238000012795 verification Methods 0.000 description 6
- 238000011160 research Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 238000011065 in-situ storage Methods 0.000 description 4
- 208000004350 Strabismus Diseases 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 241000282414 Homo sapiens Species 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000005452 bending Methods 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 239000011148 porous material Substances 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000000644 propagated effect Effects 0.000 description 1
- 239000013535 sea water Substances 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/88—Radar or analogous systems specially adapted for specific applications
- G01S13/89—Radar or analogous systems specially adapted for specific applications for mapping or imaging
- G01S13/90—Radar or analogous systems specially adapted for specific applications for mapping or imaging using synthetic aperture techniques, e.g. synthetic aperture radar [SAR] techniques
- G01S13/9094—Theoretical aspects
Landscapes
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Physics & Mathematics (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明提供了一种基于CSA算法的时变海面机载SAR成像仿真方法。本发明利用双尺度理论模型对镜面散射系数与布拉格散射系数进行归一化叠加,从而更精细化地仿真整个流程。再基于SAR的成像原理对动态海面进行回波收集,基于创建的虚拟浮标对仿真海面进行动态采集,通过CSA算法将原始回波数据处理为包含速度聚束调制、倾斜调制、流体力学调制的SAR仿真图像谱。本发明在传统海面SAR成像仿真的基础之上进行改进,解决了仿真过程中主副影像不可同时生成的问题,这一定程度上减少了与现实测量工作的冲突,从而减少仿真过程中带来的误差,并且在今后的误差仿真工作、多基线模式仿真具有一定程度上的借鉴意义。
Description
技术领域
本发明属于海洋观测技术领域,具体涉及一种基于CSA算法的时变海面机载SAR成像仿真方法。
背景技术
合成孔径雷达(Synthetic Aperture Radar,SAR)具有全天候、全天时、多极化、高分辨率的对地观测能力。自20世纪90年代以来,随着机载、星载SAR遥感计划的相继实施,从而积累了丰富的SAR陆地观测数据。这些数据可应用于居民地检测、地表沉降监测、城市经济分析等多个方面,充分展示了SAR在遥感方面的意义和价值。
然而,由于星载SAR运行轨道和机载SAR飞行距离及经费的相关条件限制,无法获得丰富的海洋场景数据,也正因此限制了人们对海洋学的相关研究,故对二维粗糙海面场景进行SAR成像仿真十分必要。对海洋场景进行SAR成像仿真,一方面可以减少成本,另一方面可以基于仿真的海洋SAR观测数据进行相关试验,一定程度上突破海洋SAR数据的限制。
风浪是指在风的直接作用下产生的水面波动,风浪的生成和成长的机制是海浪研究中最基本且最重要的问题。涌浪则不同于风浪,是由其它风场传播而来的海浪,其持续运动并且不受本地风的影响。一般而言,仅风浪或者仅涌浪出现的情况极少,大多数的情况下都是以混合浪的形式出现。因此与陆地场景相比,海洋场景略显复杂。海洋组成要素繁多,而且其与电磁波的交互较为复杂,其时变的特性给SAR成像仿真带来了一个很大的挑战。
电磁波与海面的相互作用是一个非常复杂的过程,比如,在入射角较小的范围内,海面主要发生的是镜面散射;在中等的入射角内,海面的散射机制以Bragg散射为主;而在大入射角情况下则很难得到完整的电磁散射模型。雷达在对海面进行脉冲照射时,其接收到的回波主要是来自于与雷达发射的电磁波信号发生散射现象的波,其它接收到的回波都是对散射波进行调制获得的,改变波的散射方向和散射能量从而可以让雷达接收到回波。SAR海面电磁散射建模的基本思想是获取海面每个像元的电磁散射系数及回波,并对它们进行叠加,以此完成成像仿真。双尺度法是一种同时考虑镜面散射和Bragg散射的一种理论模型,因此,SAR海面成像仿真完全可以通过双尺度模型来进行建模。
SAR图像主要受速度聚束调制、倾斜调制和流体力学调制三种调制的作用。速度聚束调制是因为海面上有径向速度分量的点目标会对雷达的回波造成多普勒频移现象,会使得最终图像上的点目标在径向上有个一定程度上的位移,也就是与真实海面散射单元的位置会发生偏移,具体表现为在雷达方位向上的一种非线性调制。倾斜调制则是由于波浪的运动,使得长波浪上满足Bragg散射的波增多,同时改变了每个发生Bragg散射的波的法线方向,也就是说每个散射单元的局部入射角发生了变化,从而使得反射的回波增多。当海浪沿着方位向运动时,倾斜调制对于后向散射强度影响不大,因此倾斜调制对沿着视线方向运动的海面波比较敏感。流体力学调制则是短波附在长波上,随着长波一起运动,从而改变了长波的局部粗糙度,使得长波被SAR所“发现”。流体力学调制主要是长波对短波的调制作用导致了短波在长波的不同位置处分布不均匀,从而导致了雷达后向散射截面的不同。倾斜调制和流体力学调制都是SAR对静止海浪的一种近似线性调制。
通过对二维粗糙海面进行SAR成像仿真,可以一定程度上使人们摆脱稀缺的海洋SAR数据给科学研究带来的制约。然而,针对传统SAR仿真方法而言,其仍存在一定程度上的不足。例如:多通道模式成像与实际测量工作不符,对二维粗糙海表面的仿真与现实中并不贴切,缺少一定的原位验证能力等等。
对合成孔径雷达(SAR)而言,跨轨测高和顺轨测流一直是海洋观测关注的焦点。通过对海面进行测高和测流,可以进一步加深人们对海洋环境的理解,丰富人类对海洋科学的研究。测高测流的原理依赖于主副通道的干涉相位差,这就需要具有同一个海面场景不同斜视角的SAR影像。而在实际观测中,通常在机载平台上搭载带有多通道的雷达天线去对目标地域进行测量,然而,传统的仿真单次生成一幅主影像,副影像则是通过在主通道散射场上加上由载体参数、海面场景参数计算得到的相位差和随机噪声生成,这与实际测量情况存在一定情况上的偏颇,这一定程度上增加了仿真过程中带来的误差,增加了对主通道成像的“依赖性”。
发明内容
本发明的目的是提供一种基于CSA算法的时变海面机载SAR成像仿真方法,以弥补现有技术的不足。
在实际的海洋观测中,通常会在目标区域放置一定数量的浮标去测量海表高度、流速或流向,以便和反演后的结果进行原位验证工作。本发明通过在仿真的二维粗糙海面上放置浮标,对原位验证工作提出了一种新方法,该方法与实际测量工作相符,与现实更为贴近,对于双向验证工作具有有一定的工程意义。
在传统仿真中,大多数的仿真只针对海面进行了布拉格散射系数的仿真生成,而忽略了一定情况下(例如近视角)海面镜面散射现象带来的影响。本发明利用双尺度理论模型对镜面散射系数与布拉格散射系数进行归一化叠加,从而更精细化地仿真整个流程。再基于SAR的成像原理对动态海面进行回波收集,基于创建的虚拟浮标对仿真海面进行动态采集,通过CSA算法将原始回波数据处理为包含速度聚束调制、倾斜调制、流体力学调制的SAR仿真图像谱。
为达到上述目的,并基于上述原理,本发明采取的具体技术方案为:
一种基于CSA算法的时变海面机载SAR成像仿真方法,包括如下步骤:
1)建立仿真海面环境:通过输入二维场景仿真参数,计算风驱海浪谱和涌驱海浪谱,通过输入参数,计算输入海浪谱,并对计算得到的海浪谱进行蒙特卡罗采样;
2)设置浮标的坐标并创建用于存储该坐标处海表高度、速度、加速度数值的浮标数组,并对浮标参数进行设置,例如采样频率;所述浮标参数包括:采样频率(平均几秒采集一次)、采集数据种类、(由仿真平台使用者决定采集哪些数据,比如高度、流速、加速度等)、采集时间段;
3)提供时间变量t,结合步骤1)生成的海浪谱生成t时刻的二维粗糙海平面场景,并用创建的浮标数组去记录该坐标处的高程值、速度值、加速度值;
4)对步骤3)得到的二维粗糙海平面对时间求导,获得海浪沿着z轴及x轴的速度变化,以此进一步得出海浪的径向速度;
5)对步骤3)得到的二维粗糙海面进行处理,根据几何光学近似模型和Bragg散射模型得到不同极化方式下的散射系数;
6)以步骤5)计算得到的后向散射系数为方差,0为均值,生成复圆高斯随机数矩阵,即可得到散射场;对浮标坐标位置的散射场进行重赋值,使该点处的散射场数值与周边水体的散射场数值进行区分,从而让载体显示浮标;
7)将单个时刻的散射场通过公式生成此刻的回波信号,并建立该时刻点的天线接收模式,即各个散射单元的包络信息;再将当前时刻的回波信号与计算得到的时刻点天线接收模式相乘,即可得到某时刻下带有载体飞行信息的各个散射单元原始的回波信号;在载体采集的时间段内,对每个海面更新的时刻点重复步骤3)到步骤7),直至时间结束,便得到SAR不同通道采集的原始回波信号;
8)基于CSA算法对7)得到的原始回波信号处理,得到SAR图像域。
进一步的,所述步骤1)中,建立以下坐标系:定义x轴为距离向,y轴为方位向,即载体飞行的方向,定义z轴为垂直方向,设置二维粗糙海面场景大小为(Nx∆x)×(Ny∆y),其中,∆x为二维粗糙海面场景距离向的场景分辨率,∆y为二维粗糙海面场景方位向的场景分辨率,Nx为二维粗糙海面场景距离向上的场景单元个数,Ny为二维粗糙海面场景方位向上的场景单元个数。
进一步的,所述步骤5)中:对步骤3)得到的二维粗糙海面沿着方位向和距离向对距离求偏导,分别得到二维粗糙海面场景单位网格的方位向斜率和距离向斜率,利用载体入射角、距离向斜率求得局部入射角;根据几何光学近似模型和Bragg散射模型得到不同极化方式下的散射系数。
更进一步为:对仿真的二维粗糙海面沿着方位向和距离向对距离求偏导,分别得到二维粗糙海面场景单位网格的方位向斜率和距离向斜率,利用载体入射角、距离向斜率求得局部入射角;再根据几何光学近似模型和Bragg散射模型分别求解二维粗糙海面场景的不同散射模型条件下不同极化方式的散射系数矩阵,利用局部入射角对Bragg散射系数矩阵进行倾斜调制,根据流体力学调制理论,利用流体力学调制函数进一步调制Bragg散射系数矩阵;在得到处理后的Bragg散射系数之后,将同种极化方式下的镜面散射系数矩阵与Bragg散射系数矩阵根据双尺度理论模型归一化叠加,得到不同极化方式下的散射系数。
进一步的,所述步骤7)中:将单个时刻的散射场通过公式生成此刻的回波信号,通过输入的载体参数,计算出当前载***置,并建立该时刻点的天线接收模式;再将当前时刻的回波信号与计算得到的时刻点天线接收模式相乘,即可得到某时刻下带有载体飞行信息的各个散射单元原始回波信号。对每个通道进行遍历,根据通道位置信息计算出交轨采集下不同通道的回波相位信息,完成第x行的回波信号采集。在载体采集的时间段内,对每个海面更新的时刻点重复步骤3)到步骤7),直至时间结束,便得到SAR不同通道采集的原始回波信号。
进一步的,所述步骤8)包括如下具体:
(1)对生成的回波数据沿方位向做傅里叶变换,将回波数据变换到距离多普勒域,通过与相位因子1相乘实现Chirp Scaling操作,使所有目标的距离徙动轨迹一致化;
(2)将步骤(1)处理后的结果沿着距离向傅里叶变换,与相位因子2进行相位相乘,同时完成距离压缩、SRC和一致RCMC;
(3)将步骤(2)处理后的结果沿着距离向做逆傅里叶变换,将数据变换到距离多普勒域,通过与随距离变化的相位因子3进行相位相乘,实现方位压缩及相位校正;
(4)将步骤(3)后的结果沿着方位向做逆傅里叶变换到二维时域,即SAR图像域,即完成主副单视复影像的生成。
本发明的优点和技术效果:
本发明在传统海面SAR成像仿真的基础之上进行改进,提供了一种双向检验的仿真方法。本发明解决了仿真过程中主副影像不可同时生成的问题,这一定程度上减少了与现实测量工作的冲突,从而减少仿真过程中带来的误差,并且在今后的误差仿真工作、多基线模式仿真具有一定程度上的借鉴意义。
本发明的具体优点如下:
1)根据SAR成像原理,对二维粗糙海表面进行动态仿真,并在各个时刻完成目标区域散射系数的生成,通过回波叠加以此完成SAR图像的生成;
2)通过双尺度理论模型,将镜面散射系数与布拉格散射系数进行归一化叠加,从而使得仿真精度进一步提高;
3)通过改写程序逻辑,使得成像过程更为真实。例如,通过定义通道坐标系,输入自定义的通道坐标和数量,即可完成多通道回波数据的生成;
4)通过在海表面放置虚拟浮标,从而完成对二维粗糙海表面的测量,对原位验证工作具有一定的工程意义;
5)利用CSA成像算法,通过避免RCMC中的插值操作,从而减少了SAR成像过程中的耗时,由于需要在二维频域进行数据处理,还能解决SRC对方位频率的依赖问题。
附图说明
图1为基于双尺度理论模型的时变海面机载SAR成像仿真与检验方法的流程图。
图2为计算得到的输入海浪谱图;(a)为风驱海浪谱,(b)为涌驱海浪谱。
图3为海面多个时刻的二维粗糙海面场景高度图。
图4为海面多个时刻的二维粗糙海面场景径向速度图。
图5为动态海面浮标设置及采集结果图;(a)为浮标设置位置,(b)为海面浮标高程采集结果,(c)为浮标方位向速度采集结果,(d)为浮标距离向速度采集结果,(e)为浮标方位向加速度采集结果,(f)为浮标距离向加速度采集结果。
图6为载体通道设置位置示意图。
图7为SAR原始回波处理流程过程图(HH极化方式),(a)为不同通道下的仿真结果图,(b)为不同通道下原始影像经距离徙动校正后的结果图,(c)为不同通道下原始影像的处理结果,(d)在(c)的基础上,将浮标区域进行放大的浮标区域图。
图8为SAR原始回波处理流程过程图(VV极化方式),(a)为不同通道下的仿真结果图,(b)为不同通道下原始影像经距离徙动校正后的结果图,(c)为不同通道下原始影像的处理结果,(d)在(c)的基础上,将浮标区域进行放大的浮标区域图。
图9为SAR处理双通道结果图(以HH极化方式为例),(a)为由通道一生成的仿真结果图,(b)为由通道二生成的仿真结果图。
具体实施方式
以下通过具体实施例并结合附图对本发明进一步解释和说明。
实施例1:
一种基于CSA算法的时变海面机载SAR成像仿真方法,包括如下步骤(如图1所示):
1)通过输入二维场景仿真参数,计算风驱海浪谱和涌驱海浪谱;
在仿真海面前期阶段,需要建立以下坐标系:定义x轴为距离向,y轴为方位向,即载体飞行的方向,定义z轴为垂直方向,设置二维粗糙海面场景大小为(Nx∆x)×(Ny∆y),其中,∆x为二维粗糙海面场景距离向的场景分辨率,∆y为二维粗糙海面场景方位向的场景分辨率,Nx为二维粗糙海面场景距离向上的场景单元个数,Ny为二维粗糙海面场景方位向上的场景单元个数,散射场景依据二维粗糙海面场景大小与场景分辨率进行网格划分,即散射场景单元数为NxNy个;通过输入参数,计算输入海浪谱。
对计算得到的海浪谱进行蒙特卡罗采样。
2)设置浮标的坐标并创建用于存储该坐标处海表高度、速度、加速度数值的数组,并在此步骤对浮标参数进行设置,例如采样频率。
3)提供时间变量t,将二维粗糙海平面进行更新,并用创建的浮标数组去记录该坐标处的高程值、速度值和加速度值。
利用蒙特卡罗采样后的风驱涌浪谱和涌驱海浪谱来模拟二维粗糙海面场景,以此获得二维粗糙海面场景高度图。
4)将步骤3)仿真得到的二维粗糙海平面对时间求导,可以获得海浪沿着z轴及x轴的速度变化,以此可以进一步得出海浪的径向速度;
5)对仿真的二维粗糙海面沿着方位向和距离向对距离求偏导,可以分别得到二维粗糙海面场景单位网格的方位向斜率和距离向斜率,利用载体入射角、距离向斜率求得局部入射角。
得到局部入射角之后,根据几何光学近似模型和Bragg散射模型分别求解二维粗糙海面场景的不同散射模型条件下不同极化方式的散射系数矩阵,其后,利用局部入射角对Bragg散射系数矩阵进行倾斜调制,根据流体力学调制理论,利用流体力学调制函数进一步调制Bragg散射系数矩阵。在得到处理后的Bragg散射系数之后,将同种极化方式下的镜面散射系数矩阵与Bragg散射系数矩阵根据双尺度理论模型归一化叠加,得到不同极化方式下的散射系数。
6)以步骤5)计算得到的后向散射系数为方差,0为均值,生成复圆高斯随机数矩阵,即可得到散射场。对浮标坐标位置的散射场进行重赋值,使该点处的散射场数值与周边水体的散射场数值进行区分,从而让载体“看到”浮标。
7)将单个时刻的散射场通过公式生成此刻的回波信号,通过输入的载体参数,计算出当前载***置,并建立该时刻点的天线接收模式。将当前时刻的回波信号与计算得到的时刻点天线接收模式相乘,得到带有载体飞行天线信息的各个散射单元的原始回波信号。
对每个通道进行遍历,根据通道位置信息计算出交轨采集下不同通道的回波相位信息,完成第x行的回波信号采集。在载体采集的时间段内,对每个海面更新的时刻点重复步骤3)到步骤7),直至时间结束,便得到SAR不同通道采集的原始回波信号。
以下基于CSA算法进行回波处理,具体包含以下步骤:
8)对生成的回波数据沿方位向做傅里叶变换,将回波数据变换到距离多普勒域。通过与相位因子1相乘实现Chirp Scaling操作,使所有目标的距离徙动轨迹一致化。
9)将步骤8)处理后的结果沿着距离向傅里叶变换,与相位因子2进行相位相乘,同时完成距离压缩、SRC和一致RCMC。
10)将步骤9)处理后的结果沿着距离向做逆傅里叶变换,将数据变换到距离多普勒域,通过与随距离变化的相位因子3进行相位相乘,实现方位压缩及相位校正。
11)将步骤10)后的结果沿着方位向做逆傅里叶变换到二维时域,即SAR图像域,即完成主副单视复影像的生成。
12)对生成的主副SLC文件进行insar干涉测高实验,将SLC文件反演后的SWH与浮标记录的海面高度真值反演的SWH进行对比,从而完成仿真过程的验证工作。
实施例2:
该实施例以实施例1为基础,进行实际仿真实验。
在所述步骤1)中,取二维粗糙海面场景距离向长度Lx=500m,方位向长度Ly=500m,距离向场景分辨率∆x =1m,方位向场景分辨率∆y=1m,风驱海浪谱、涌驱海浪谱选用pm谱,其公式为:
其中,是无量纲的经验常数,在传统的仿真中,一般根据经验定义为,定义为0.74,重力加速度,k为空间波数,为海面高度19.5m处的风速,在本实例中,风向角设置为60°,风速设置为5m/s,涌浪传播方向角设置为60°,涌浪波长设置为80m,有效波高设置为1.5m,生成输入海浪谱,图2(a)为风驱海浪谱,图2(b)为涌驱海浪谱,二者将被用来生成二维粗糙海面场景。
得到海浪谱计算结果后,对其进行蒙特卡罗采样,其公式为:
其中,m和n是二维海面要素点的坐标位置。km和kn是海浪波数在距离向和方向向上的分量,且和是海浪波数在距离向和方位向上的分量,,,Lx和Ly分别表示二维粗糙海平面距离向长度和方位向长度,是构建二维粗糙海表面所选用的海浪谱,在此处特指pm谱。N(0,1)是服从标准正态分布的随机数,i为复数。
在步骤2)中,根据步骤1)创建的海面选择浮标放置坐标点,在本实例中,设置浮标数量为2个,即创建2个用于存储高度值的数组,其坐标分别为(200m,200m)和(400m,400m),浮标采样频率设置为1Hz。浮标设置位置如图5(a)所示,黑色点代表设置的虚拟浮标,左侧为GNSS浮标1,右侧为GNSS浮标2。
所述步骤3)中,根据载体参数计算合成孔径时间,并进一步根据合成孔径时间、载体速度、二维粗糙海面方位向长度计算出载体需要采样的时间及合成孔径次数,即海面变化的总时长和SAR采集次数。根据合成孔径采集序列和合成孔径时间计算出载体当前所处的位置和时间,并用当前时间去代入二维粗糙海面高度函数,即可生成二维粗糙海面高度图,以此达到更新海面的效果,海表面高度17秒动态变化示意图如图3所示,在这个时间段内,海面不断变化,涌浪移动了30m左右。此处,合成孔径时间可以表示为,合成孔径距离可以表示为,采样次数为,prf为雷达重复频率,v为载体飞行速度,Ly为海面场景大小。在本实例中,prf设置为800Hz,v设置为68m/s,Ly=500m。
二维粗糙海面场景可以表示为:
其中,xm=m∆x,yn=n∆y,∆x和∆y分别为距离向和方位向上的场景分辨率,t表示当前海面的时刻点,Lx和Ly分别表示二维粗糙海平面距离向长度和方位向长度,Nx和Ny分别表示距离向和方位向上海面目标点数,m和n是二维海面要素点的坐标位置,F()为蒙特卡罗采样后的海浪谱。海面生成后,用步骤2)创建的数组去记录特定坐标下的海表高度,海面浮标高程采集结果如图5(b)所示,其中,细虚线为浮标1的高程采集结果,粗虚线为浮标2的高程采集结果。
步骤4)中,计算二维粗糙海面高度径向速度图,径向速度可以根据下列公式表示:
其中,为速度传递函数,。如图4所示,为海表面径向速度17秒动态变化示意图。得到径向速度分布后,用步骤2)创建的数组去记录特定坐标下的距离向速度、方位向速度,浮标方位向速度采集结果如图5(c)为浮标方位向速度采集结果所示,图5(d)为浮标距离向速度采集结果如图5(d)所示。在本次实验中,海面时变径向速度图如图4所示。根据加速度公式分别计算不同方向下的加速度,图5(e)为浮标方位向加速度采集结果如图5(e)所示,图5(f)为浮标距离向加速度采集结果如图5(f)所示。如图5所示,浮标高程采集结果呈周期震荡趋势,可以看到,在17秒内,“骑行”在大幅震荡上的小幅震荡为风浪,大幅震荡曲线则为涌浪经过;方位向速度与距离向速度也呈现震荡趋势,其中,距离向震荡频率要大于方位向震荡频率,其原因与当前海面场景有关;距离向加速度与方位向加速度都呈现密集的趋势。
所述步骤5)中,根据雷达视角,二维粗糙海面的距离向斜率,二维粗糙海面的方位向斜率,即可求得局部入射角,局部入射角的公式如下:
在得到局部入射角之后,进行散射系数的计算,几何光学近似模型公式可以表示为:
Bragg散射模型公式可以表示为:
根据双尺度理论模型,同时考虑镜面散射与Bragg散射,其归一化的散射系数可以表示为:
步骤6)中,根据散射系数生成散射场,其公式可以表示为:
步骤7)中,根据载体当前的位置定义载体的天线接收模式,即计算出载体天线收发能量模式,即进一步在回波的基础上叠加载体天线信息,天线接收模式公式可以表示为:
其中,alt为载体飞行高度,在本实例中,机载飞行平台高度设置为3313m。
将当前场景的回波信号与天线接收模式相乘,再与其通道位置,即与改变相位差的载体因子相乘,即可得到该场景下不同通道下的回波信号,其后,将各个时刻的回波信号叠加,即可得到最终的SAR原始影像,其公式为:
其中,为通道位置,在本实例中,通道位置定义为[-0.18,0.18],图6为通道设置位置,黑色方块分别代表主副通道,中心交叉点为坐标原点。图7(a)为HH极化方式下不同通道下的仿真结果图,即原始影像强度图,在本图中,浮标采用白色椭圆图形进行标注;图8(a)为VV极化方式下不同通道下的仿真结果图,即原始影像强度图,在本图中,浮标采用白色椭圆图形进行标注。
所述步骤8)中,将得到的回波信号进行方位向傅里叶变换到距离多普勒域,将其与CS因子相乘,CS因子可以表示为:
步骤9)中,对乘以CS因子后的信号进行距离向傅里叶变换,将其变换结果与相位因子2相乘,即可同时完成距离压缩和距离徙动校正,相位因子2可以表示为:
其中,为距离向频率,为参考距离。图7(b)为HH极化方式下不同通道下原始影像经距离徙动校正后的结果图,在本图中,浮标采用黑色椭圆状图形进行标注;图8(b)为VV极化方式下不同通道下原始影像经距离徙动校正后的结果图,在本图中,浮标采用黑色椭圆图形进行标注。
步骤10)中,将步骤9)得到的结果沿着距离向做逆傅里叶变换,将数据重新变换到距离多普勒域,将结果与相位因子3进行相乘,从而实现方位压缩和相位校正。相位因子3可以表示为:
步骤11)中,将步骤10)的结果沿着方位向做逆傅里叶变换,即可变换到二维时域,即SAR图像域,利用CSA算法对主副通道的原始回波进行处理,此时,即可完成主副单视复影像的生成,即SLC文件。图7(c)为HH极化方式下不同通道下原始影像的处理结果,图7(d)在图7(c)的基础上,将浮标区域进行放大的浮标区域图,此时可以明显的看到SLC文件上的浮标(已用黑色椭圆图形标注);图8(c)为VV极化方式下不同通道下原始影像的处理结果,图8(d)在图8(c)的基础上,将浮标区域进行放大的浮标区域图,同样,此时可以明显的看到SLC文件上的浮标(已用黑色椭圆图形标注)。图9为HH极化方式下不同通道的SLC结果图,图9(a)为由通道一生成的仿真结果图,图9(b)为由通道二生成的仿真结果图。同样,在图9(a)和图9(b)中,可以明显看到设置的虚拟浮标(已用黑色椭圆图形标注)。
如本实例所示,本发明可在参数设置完成后,一次性实现从海面生成到SLC生成,并可同步生成自定义通道间隔、自定义通道数量、自定义极化方式下的主副SLC文件,大大减少了仿真过程所占用的时间;本发明采用双尺度模型进行海表面散射场建模,比传统的单模型仿真结果更为精细;本发明可实现海面浮标与虚拟载体的同步观测,为进一步的研究提供了重要基础,如误差校正、多基线观测等。
Claims (6)
1.一种基于CSA算法的时变海面机载SAR成像仿真方法,其特征在于,该方法包括如下步骤:
1)通过输入二维场景仿真参数,计算风驱海浪谱和涌驱海浪谱,通过输入参数,计算输入海浪谱,并对计算得到的海浪谱进行蒙特卡罗采样;
2)设置浮标的坐标并创建用于存储该坐标处海表高度、速度、加速度数值的浮标数组,并对浮标参数进行设置,该浮标参数包括采样频率;
3)提供时间变量t,结合海浪谱生成t时刻的二维粗糙海面场景,并用创建的浮标数组去记录该坐标处的高程值、速度值、加速度值;
4)对步骤3)得到的二维粗糙海面对时间求导,获得海浪沿着z轴及x轴的速度变化,以此进一步得出海浪的径向速度;
5)对步骤3)得到的二维粗糙海面进行处理,根据几何光学近似模型和Bragg散射模型得到不同极化方式下的散射系数;
6)以步骤5)为基础计算得到散射场;对浮标坐标位置的散射场进行重赋值,使浮标坐标位置的散射场数值与周边水体的散射场数值进行区分,从而让载体显示浮标;
7)将单个时刻的散射场通过公式生成此刻的回波信号,并建立该单个时刻的天线接收模式;再将当前时刻的回波信号与计算得到的时刻点天线接收模式相乘;在载体采集的时间段内;对每个海面更新的时刻点重复步骤3)到步骤7),直至时间结束,便得到SAR不同通道采集的原始回波信号;
8)基于CSA算法对7)得到的原始回波信号处理,得到SAR图像域。
2.如权利要求1所述的时变海面机载SAR成像仿真方法,其特征在于,所述步骤1)中,建立以下坐标系:定义x轴为距离向,y轴为方位向,即载体飞行的方向,定义z轴为垂直方向,设置二维粗糙海面场景大小为(Nx∆x)×(Ny∆y),其中,∆x为二维粗糙海面场景距离向的场景分辨率,∆y为二维粗糙海面场景方位向的场景分辨率,Nx为二维粗糙海面场景距离向上的场景单元个数,Ny为二维粗糙海面场景方位向上的场景单元个数。
3.如权利要求1所述的时变海面机载SAR成像仿真方法,其特征在于,所述步骤5)中:对步骤3)得到的二维粗糙海面沿着方位向和距离向对距离求偏导,分别得到二维粗糙海面场景单位网格的方位向斜率和距离向斜率,利用载体入射角、距离向斜率求得局部入射角;根据几何光学近似模型和Bragg散射模型得到不同极化方式下的散射系数。
4.如权利要求3所述的时变海面机载SAR成像仿真方法,其特征在于,对仿真的二维粗糙海面沿着方位向和距离向对距离求偏导,分别得到二维粗糙海面场景单位网格的方位向斜率和距离向斜率,利用载体入射角、距离向斜率求得局部入射角;再根据几何光学近似模型和Bragg散射模型分别求解二维粗糙海面场景的不同散射模型条件下不同极化方式的散射系数矩阵,利用局部入射角对Bragg散射系数矩阵进行倾斜调制,根据流体力学调制理论,利用流体力学调制函数进一步调制Bragg散射系数矩阵;在得到处理后的Bragg散射系数之后,将同种极化方式下的镜面散射系数矩阵与Bragg散射系数矩阵根据双尺度理论模型归一化叠加,得到不同极化方式下的散射系数。
5.如权利要求1所述的时变海面机载SAR成像仿真方法,其特征在于,所述步骤7)中:将单个时刻的散射场通过公式生成此刻的回波信号,通过输入的载体参数,计算出当前载***置,并建立该时刻点的天线接收模式;再将当前时刻的回波信号与计算得到的时刻点天线接收模式相乘,即可得到某时刻下带有载体飞行信息的各个散射单元原始回波信号;对每个通道进行遍历,根据通道位置信息计算出交轨采集下不同通道的回波相位信息,完成第x行的回波信号采集;在载体采集的时间段内,对每个海面更新的时刻点重复步骤3)到步骤7),直至时间结束,便得到SAR不同通道采集的原始回波信号。
6.如权利要求1所述的时变海面机载SAR成像仿真方法,其特征在于,所述步骤8)包括如下具体:
(1)对生成的回波数据沿方位向做傅里叶变换,将回波数据变换到距离多普勒域,通过与相位因子1相乘实现Chirp Scaling操作,使所有目标的距离徙动轨迹一致化;
(2)将步骤(1)处理后的结果沿着距离向傅里叶变换,与相位因子2进行相位相乘,同时完成距离压缩、SRC和一致RCMC;
(3)将步骤(2)处理后的结果沿着距离向做逆傅里叶变换,将数据变换到距离多普勒域,通过与随距离变化的相位因子3进行相位相乘,实现方位压缩及相位校正;
(4)将步骤(3)后的结果沿着方位向做逆傅里叶变换到二维时域,即SAR图像域,即完成主副单视复影像的生成。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111285422.4A CN114047511B (zh) | 2021-11-02 | 2021-11-02 | 一种基于csa算法的时变海面机载sar成像仿真方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111285422.4A CN114047511B (zh) | 2021-11-02 | 2021-11-02 | 一种基于csa算法的时变海面机载sar成像仿真方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114047511A CN114047511A (zh) | 2022-02-15 |
CN114047511B true CN114047511B (zh) | 2022-04-12 |
Family
ID=80206807
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111285422.4A Active CN114047511B (zh) | 2021-11-02 | 2021-11-02 | 一种基于csa算法的时变海面机载sar成像仿真方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114047511B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114415181B (zh) * | 2022-03-31 | 2022-07-12 | 南方海洋科学与工程广东省实验室(广州) | 一种合成孔径雷达的原始回波生成方法和装置 |
CN115629364B (zh) * | 2022-12-22 | 2023-03-28 | 中国海洋大学 | 一种面向动态海面的星载小角度sar海况偏差仿真方法 |
CN116796553B (zh) * | 2023-06-30 | 2024-03-19 | 哈尔滨工程大学 | 一种全场景多参数的海面与舰艇尾迹仿真方法 |
CN117392311B (zh) * | 2023-09-28 | 2024-06-25 | 北京化工大学 | 毁伤场景sar图像仿真方法及装置 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108594230A (zh) * | 2018-07-17 | 2018-09-28 | 电子科技大学 | 一种海船场景的合成孔径雷达图像仿真方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102955152B (zh) * | 2011-11-10 | 2014-12-24 | 中国科学院对地观测与数字地球科学中心 | 一种海浪的sar 信号模拟方法 |
CN103383455B (zh) * | 2013-07-03 | 2015-04-01 | 南京信息工程大学 | 基于阴影恢复形状技术的海浪参数提取方法 |
CN103472443B (zh) * | 2013-09-24 | 2015-10-21 | 上海无线电设备研究所 | 一种动态海面激光脉冲波束回波仿真方法 |
CN109541591B (zh) * | 2018-09-18 | 2022-06-10 | 中国海洋大学 | 一种基于线性滤波法的sar海浪成像仿真方法 |
CN110988878B (zh) * | 2019-11-28 | 2023-04-07 | 中国海洋大学 | 一种基于rd算法的sar海浪成像仿真方法 |
-
2021
- 2021-11-02 CN CN202111285422.4A patent/CN114047511B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108594230A (zh) * | 2018-07-17 | 2018-09-28 | 电子科技大学 | 一种海船场景的合成孔径雷达图像仿真方法 |
Also Published As
Publication number | Publication date |
---|---|
CN114047511A (zh) | 2022-02-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114047511B (zh) | 一种基于csa算法的时变海面机载sar成像仿真方法 | |
CN105677942B (zh) | 一种重复轨道星载自然场景sar复图像数据快速仿真方法 | |
Piotrowski et al. | Accuracy of bathymetry and current retrievals from airborne optical time-series imaging of shoaling waves | |
Griffiths et al. | Interferometric synthetic aperture sonar for high-resolution 3-D mapping of the seabed | |
CN107238824B (zh) | 基于先验dem数据的星载sar图像几何精校正方法 | |
CN103207387B (zh) | 一种机载相控阵pd雷达杂波的快速模拟方法 | |
CN110988878B (zh) | 一种基于rd算法的sar海浪成像仿真方法 | |
CN105445711B (zh) | 一种基于逆Omega‑K算法的海面要素SAR原始数据仿真方法 | |
Rodriguez et al. | Wide-swath altimetry: a review | |
CN110456348B (zh) | 多视向sar海浪谱数据融合的海浪截断波长补偿方法 | |
CN101587500A (zh) | 双站合成孔径雷达海面成像的计算机仿真方法 | |
CN114970213B (zh) | 一种孤子内波起伏效应下的海杂波动态模拟方法 | |
CN109541591B (zh) | 一种基于线性滤波法的sar海浪成像仿真方法 | |
Lyons et al. | Modeling the effect of seafloor ripples on synthetic aperture sonar speckle statistics | |
Morrow et al. | Fine-scale altimetry and the future SWOT mission | |
CN110554377B (zh) | 基于多普勒中心偏移的单通道sar二维流场反演方法及*** | |
CN111190151A (zh) | 扫描模式下多模态小卫星sar的***参数设计及发射功率优化方法 | |
CN103778633B (zh) | 确定数字高程模型单元网格遮挡的方法及装置 | |
CN111487621A (zh) | 一种基于雷达图像的海表流场反演方法及电子设备 | |
Hwang et al. | Airborne scanning lidar measurement of ocean waves | |
CN108646245B (zh) | 一种基于同极化sar数据的海浪参数反演方法 | |
Hensley et al. | Automatic DEM generation using Magellan stereo data | |
Dogan et al. | Time domain SAR raw data simulation of distributed targets | |
Pleskachevsky et al. | Estimation of underwater topography using satellite high resolution synthetic aperture radar data | |
Wan et al. | Azimuth cutoff compensation method for SAR wave observation based on multiview wave spectrum data fusion |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right | ||
TR01 | Transfer of patent right |
Effective date of registration: 20240704 Address after: 266000 1405-1, Building G, Phase II, Innovation Park, No. 1, Keyuan Wei1 Road, Laoshan District, Qingdao, Shandong Patentee after: QINGDAO LIMAP HI-TECH INFORMATION TECHNOLOGY CO.,LTD. Country or region after: China Address before: 266100 Shandong Province, Qingdao city Laoshan District Songling Road No. 238 Patentee before: OCEAN University OF CHINA Country or region before: China |