[发明专利]一种基于自聚焦的SAR平台初始高度误差估计方法

摘要

本发明提出了一种基于自聚焦的SAR平台初始高度误差估计方法，它首先对SAR原始回波信号进行距离压缩；初始化粗估计参数，划分场景目标观测区间并进行后向投影(BP)成像，利用BP成像结果计算图像锐度值，然后用遗传算法对初始高度误差进行初步估计得到初始高度误差粗估计值；利用SAR平台初始高度误差粗估计值调整精估计参数，重新划分观测场景目标空间，进行初始高度误差精估计，最终得到SAR平台初始高度误差精估计值。与传统方法相比，本发明具有计算量较小、运行速度快、而且对SAR初始高度误差估计精度较高的特点，因此更适用于大场景、大斜视角、高精度SAR成像。

主权项

1.一种基于自聚焦SAR平台初始高度误差估计方法，其特征是它包括以下步骤：步骤1、初始化SAR系统参数：初始化SAR系统参数包括：平台速度矢量，记做V；雷达初始位置矢量，记做P(0)；雷达工作中心频率，记做f_c；雷达载频波长，记做λ；雷达发射基带信号的信号带宽，记做B_r；雷达发射信号脉冲宽度，记做T_r；雷达发射信号的调频斜率，记做f_dr；雷达接收系统的采样频率，记做f_s；雷达发射系统的脉冲重复频率，记做PRF；电磁波在空气中的传播速度，记做C；距离向快时刻，记做t，t＝1,2,…,N_r，N_r为距离向快时刻总数；方位向慢时刻，记做l，l＝1,2,…,N_a，N_a为方位向慢时刻总数；上述参数均为SAR系统标准参数，其中雷达中心频率f_c，雷达载频波长λ，雷达发射基带信号的信号带宽B_r，雷达发射信号脉冲宽度T_r，雷达发射信号调频斜率f_dr，雷达接收波门持续宽度T_o，雷达接收系统的采样频率f_s，雷达发射系统的脉冲重复频率PRF在线阵SAR系统设计过程中已经确定；平台速度矢量V、雷达初始位置矢量P(0)、距离向快时刻t及方位向慢时刻l在SAR观测方案设计中已经确定；根据SAR成像系统方案和观测方案，SAR成像方法需要的初始化成像系统参数均为已知；SAR初始回波信号矩阵为S；步骤2、初始化SAR的观测场景目标空间参数：初始化SAR的观测场景目标空间参数，包括：以雷达波束照射场区域地平面构成的二维空间作为SAR的观测场景目标空间Ω；将观测场景目标空间Ω均匀划分成大小相等的单元格，单元网格在x方向、y方向边长分别记为d_x、d_y，单元格大小选择为线阵SAR系统传统理论成像分辨率的二分之一；观测场景目标空间Ω中第m个单元格的坐标矢量，记做P_m，m表示观测场景目标空间Ω中第m个单元格，m＝1,2,…,M,M为观测场景目标空间Ω中的单元格总数；观测场景目标空间Ω中所有单元格的散射系数按位置顺序排列组成向量，记做α，向量α由M行1列组成；散射系数向量α中第m个元素的散射系数，记做α_m；观测场景目标空间Ω在SAR成像方案设计中已经确定；步骤3、对原始回波数据进行距离压缩：采用SAR标准距离压缩方法对SAR初始回波信号S进行距离向脉冲压缩，得到距离压缩后的回波数据，记做E，其中S为步骤1初始化得到的SAR初始回波信号矩阵；步骤4、平台初始高度误差粗估计：步骤4.1、初始化粗估计参数：初始化平台初始高度误差估计参数包括：遗传算法种群个体数目，记为N₁；遗传算法代沟率，记为Gp₁；遗传算法最大迭代次数，记为Mg₁；平台初始高度误差粗估计的样本域，记为[‑H,H]；利用BP算法进行成像需要将观测场景目标空间Ω均匀划分成大小相等的网格，网格在横向的划分单元数记为Nx₁，间隔大小记为Δx₁＝10d_x，在纵向的划分单元数记为Ny₁,间隔大小记为Δy₁＝10d_y，将观测目标空间划分为Nx₁行Ny₁列的二维网格，其中Ω为步骤2定义的观测场景目标空间，其中d_x为步骤2定义的单元格在x方向的边长,其中d_y为步骤2定义的单元格在y方向边长；步骤4.2、利用BP算法进行成像，并计算图像锐度值：根据步骤1中初始化的平台速度矢量V，雷达初始位置矢量P(0)和雷达发射系统的脉冲重复频率PRF，采用公式P_c(l)＝P(0)+V·l/PRF，l＝1,2,…,N_a，计算得到雷达在第l个方位向慢时刻的位置矢量，即为雷达的测量天线相位中心，记为P_c，P_c＝[P_c(1),P_c(2),…,P_c(N_a)]；利用Nx₁、Ny₁、d_x、d_y,根据公式Pa_i1＝(i‑N_x1/2)*Δ_x1、Pa_j1＝(j‑N_y1/2)*Δ_y1，计算得到划分后的目标空间的x方向第i个、y方向第j个网格点的位置(Pa_i1,Pa_j1)，按顺序将网格点的位置矢量依次排列组成一个向量，即为重新划分目标空间后的网格点位置矢量，即为(Pa_x1,Pa_y1)，其中Nx₁为步骤4.1定义的网格在横向的划分单元数，其中Ny₁为步骤4.1定义的网格纵向的划分单元数，其中Δx₁为步骤4.1定义的单元格在x方向的边长，其中Δy₁为步骤4.1定义的单元格在y方向边长；利用测量的天线相位中心P_c、网格点位置(Pa_x1,Pa_y1)和经过距离压缩后的回波数据E，用传统的合成孔径雷达后向投影‑BP算法进行成像，得到SAR图像数据，记为B₁，B₁为Nx₁行Ny₁列的二维复数矩阵，其中E为步骤3得到的初始SAR回波信号距离压缩后的回波数据；采用公式计算SAR图像的锐度值函数，其中|·|⁴表示对一个复数取模后的4次方；步骤4.3、利用遗传算法对平台初始高度误差进行粗估计：步骤4.3.1：根据N₁与[‑H,H]，采用传统的遗传算法随机初始化种群，记为D₀，其中N₁为步骤4.1初始化得到的种群个体数目，其中[‑H,H]为步骤4.1初始化得到的平台初始高度误差粗估计的样本域；步骤4.3.2：初始化遗传算法迭代次数，记为gen₁；步骤4.3.3：根据公式J₁＝‑f₁定义遗传算法中种群个体适应度函数，遗传算法中种群个体适应度函数记为J₁，其中f₁是步骤4.2得到的SAR图像锐度值；步骤4.3.4：根据J₁与Gp₁，采用传统的遗传算法选择算子对D₀进行选择操作，得到更优种群D₁，其中J₁为步骤4.3.3得到的种群个体适应度函数，其中Gp₁为步骤4.1初始化得到的遗传算法代沟率函数，其中D₀为步骤4.3.1初始化得到的初始化种群；步骤4.3.5：采用传统的遗传算法中的交叉算子对D₁进行交差操作，然后再对交差操作完成后得到的种群进行传统的遗传算法的变异操作，得到新的种群D₂，其中D₁为步骤4.3.4得到的更优种群；步骤4.3.6：终止条件判断，若gen₁满足gen₁＜Mg₁，则重复进行步骤4.3.4～步骤4.3.5且gen₁＝gen₁+1；当gen₁＝Mg₁时，转到步骤4.3.7，其中gen₁为步骤4.3.2定义的初始化遗传算法迭代次数，其中Mg₁为步骤4.1初始化得到的最大迭代次数,；步骤4.3.7:终止迭代后，得到最优估计个体，即为平台初始高度误差粗估计值，计为V₁；步骤5、平台初始高度误差高精度估计：步骤5.1、初始化高精度估计参数：遗传算法种群个体数目，记为N₂；遗传算法代沟率，记为Gp₂；最大迭代次数，记为Mg₂；根据平台初始高度误差粗估计值调整平台初始高度误差高精度估计的样本域，记为[V₁‑h,V₁+h]，其中V₁为步骤4.3.7估计得到的平台初始高度误差粗估计值；利用BP算法进行成像需要将观测场景目标空间Ω均匀划分成大小相等的网格，网格在横向的划分单元数记为Nx₂间隔大小记为Δx₂＝2d_x，在纵向的划分单元数记为Ny₂，间隔大小记为Δy₂＝2d_y，这样就将观测目标空间划分为Nx₂行Ny₂列的二维网格，用于接下来的BP成像，其中Ω为步骤2定义的观测场景目标空间；步骤5.2、利用BP算法进行成像，并计算图像锐度值：根据公式Pa_i2＝(i‑N_x2/2)*Δ_x2、Pa_j2＝(j‑N_y2/2)*Δ_y2，计算得到重新划分后的目标空间的x方向第i个、y方向第j个网格点的位置(Pa_i2,Pa_j2)，按顺序将网格点的位置矢量依次排列组成一个向量，即为重新划分目标空间后的网格点位置矢量，即为(Pa_x2,Pa_y2)，其中Nx₂为步骤5.1定义的网格在横向的划分单元数，其中Ny₂为步骤5.1定义的网格纵向的划分单元数，其中Δx₂为步骤5.1定义的单元格在x方向的边长，其中Δy₂为步骤5.1定义的单元格在y方向边长；利用测量的天线相位中心P_c、网格点位置(Pa_x2,Pa_y2)和距离压缩后的回波数据E，用传统的合成孔径雷达后向投影‑BP算法进行成像，得到SAR图像数据，记为B₂，B₂为Nx₂行Ny₂列的二维复数矩阵，其中E为步骤3得到的初始SAR回波信号距离压缩后的回波数据，P_c为步骤4.2得到的天线相位中心位置；采用公式计算SAR图像的锐度值函数，其中|·|⁴表示对一个复数取模后的4次方；步骤5.3、利用遗传算法对平台初始高度误差进行粗估计：步骤5.3.1：根据N₂与[V₁‑h,V₁+h]，采用传统的遗传算法随机初始化种群，记为G₀，其中N₂为步骤5.1初始化得到的种群个体数目，其中[V₁‑h,V₁+h]为步骤5.1初始化得到的平台初始高度误差粗估计的样本域；步骤5.3.2：初始化遗传算法迭代次数，记为gen₂；步骤5.3.3：根据公式J₂＝‑f₂定义遗传算法中种群个体适应度函数，遗传算法中种群个体适应度函数记为J₂，其中f₂步骤5.2得到的SAR图像锐度值；步骤5.3.4：根据J₂与Gp₂，采用传统遗传算法中的选择算子，对G₀进行选择操作得到更优种群G₁，其中J₂为步骤5.3.3得到的种群个体适应度函数，其中Gp₂为步骤5.1初始化得到的遗传算法代沟率函数，其中G₀为步骤5.3.1初始化得到的初始化种群；步骤5.3.5：利用传统遗传算法中的交叉算子对G₁进行交差操作后，对交差操作完成后得到的种群进行传统遗传算法中变异操作，得到新的种群G₂其中G₁为步骤5.3.4得到的更优种群；步骤5.3.6：终止条件判断，若gen₂满足gen₂＜Mg₂，则重复进行步骤5.3.4～步骤5.3.5且gen₂＝gen₂+1；当gen₂＝Mg₂时，转到步骤5.3.7，其中gen₂为步骤5.3.2定义的初始化遗传算法迭代次数，其中Mg₂为步骤5.1初始化得到的最大迭代次数；步骤5.3.7:终止迭代后，得到最优估计个体，即为平台初始高度误差粗估计值，计为V₂。