机动轨迹轻小型无人机SAR成像的PFA波前弯曲补偿方法、装置、电子设备及存储介质与流程

摘要: 本技术涉及sar(合成孔径雷达)成像,具体涉及一种机动轨迹轻小型无人机sar成像的pfa波前弯曲补偿方法、装置、电子设备及存储介质。背景技术:1、随着天线射频器...
机动轨迹轻小型无人机SAR成像的PFA波前弯曲补偿方法、装置、电子设备及存储介质与流程

本技术涉及sar(合成孔径雷达)成像,具体涉及一种机动轨迹轻小型无人机sar成像的pfa波前弯曲补偿方法、装置、电子设备及存储介质。

背景技术:

1、随着天线射频器件的快速发展,sar成像系统不断向高分辨率、小型化、轻量化和灵活部署方向演进,轻小型无人机(通常指空机重量小于15 kg、最大起飞重量不超过25kg,便于单人携行部署的多旋翼或垂直起降固定翼无人机,例如大疆经纬m300、mavic 3系列等行业级平台)逐渐成为sar系统的重要载体。在实际的低空遥感、灾害侦察、复杂地形探测任务中,轻小型无人机往往需进行机动状态下的曲线轨迹飞行。

2、极坐标格式算法(polar format algorithm, pfa)作为一种适用于机动轨迹的高分辨成像算法,因其计算效率高、易于工程实现等优点,是目前机动轨迹sar成像中应用最为广泛的算法之一。然而,传统pfa受到波前弯曲效应的影响,随着载体机动程度的提升,其产生的空变误差将导致图像边缘区域产生严重的散焦和几何畸变。

3、平面波前假设作为极坐标格式算法的一个基本前提,限制着该算法的实际有效聚焦场景范围,其导致的残留在回波相位中的误差随着散射点位置而变化,即具有两维空变性。这种空变的相位误差在现有的波前弯曲补偿方法中,并未得到完全的补偿,而是通过限制成像场景的尺寸,将其降低至可接受的水平。目前稳健性较强的一类经典补偿方法是空变后滤波(svpf)处理,该类方法结合分块空不变处理的思想,针对pfa插值后获得的含有散焦效应与几何畸变的图像进行子块划分,通过反算出子图像中心对应的正确地理位置信息,推导出导致散焦的二次相位误差,逐个子块进行滤波补偿,最后进行拼接获得完整聚焦图像。然而传统的svpf建立在匀速直线运动轨迹的基础上,对于轻小型无人机平台,三维速度与加速度不仅加剧了波前弯曲效应的空变性,也使得传统的svpf的误差模型失效。高阶运动参数的引入使得误差模型的推导变得复杂,因此波前弯曲效应造成的更高阶相位误差也未能够被现有的补偿方法充分考虑。

4、公开号为cn117348004 a的专利文献提及了解决双基sar(发射机和接收机分置)在pfa成像中,因平面波前假设引入的波前弯曲误差导致图像散焦和几何失真,且传统补偿方法运算复杂等问题的方案,其通过“最优坐标系选择”,将二维空变补偿问题巧妙地转化为一维问题,大大降低了计算复杂度。这是对双基sar pfa成像误差补偿理论的一个重要贡献。cn109143237a的专利文献提及的方案也涉及双基sar的pfa补偿问题。但这类方案的技术路线均无法应用到单基平台的误差补偿方案中。

5、公开号为cn110515080a的专利文献公开了面对高超声速机动平台的sar成像方法,提出了一种基于半径-角度维度的二维插值技术,取代了传统pfa中简单的直角坐标插值,从而能更有效地处理由加速度和目标高度起伏带来的复杂空变相位误差。然而其针对高超声速机动平台的技术路线并不能适配应用于机动轨迹的轻小型无人机sar成像场景。

6、公开号为cn115542269a的专利文献公开了一种面向机动轨迹平台的pfa波前弯曲补偿方法,该方法通过计算精确的差分斜距历程并基于此得到插值后的精确相位,构建出二维空变滤波器。采用分块补偿的方式完成整个场景的空变相位补偿,最终得到精确聚焦的聚焦图像。该方法可在一定程度上适应机动轨迹平台成像需求,但其主要面向一般曲线轨迹场景,对轻小型sar机动飞行中的高度变化及强空变适应性不足,难以满足高精度聚焦成像要求。

7、上述相关现有技术存在的问题,使得pfa在机动飞行的轻小型无人机平台上难以获得较好的成像效果,严重制约了机动轨迹sar高分辨成像的实际应用。

技术实现思路

1、针对上述相关现有技术存在的缺陷,本技术提供一种机动轨迹轻小型无人机sar成像的pfa波前弯曲补偿方法、装置、电子设备及存储介质,打破常规二维空变的补偿瓶颈,边缘聚焦质量显著提升;且几何校正精度高,满足高精度测绘需求,在充分考虑工程适用性的基础上较好地解决了机动轨迹轻小型无人机平台pfa波前弯曲补偿的问题。

2、为了实现上述目的,本发明采用以下技术:

3、机动轨迹轻小型无人机sar成像的pfa波前弯曲补偿方法,包括:

4、建立具有三维速度与加速度分量的轻小型无人机sar三维几何模型,根据所述模型表示出被照射场景范围内任意一个独立散射点

p的基带回波信号;

5、对基带回波信号执行距离向傅里叶变换,并进行频域滤波的预处理;

6、对预处理的信号进行两维重采样插值,以将极坐标格式的数据转换为矩形格式的数据;对插值处理后的信号进行两维fft处理,得到粗聚焦图像;

7、将粗聚焦图像划分为若干聚焦子图像;

8、对于每个聚焦子图像,获取其中心像素位置,作为局部场景中心;

9、对于每个聚焦子图像,进行两维ifft变换到两维波数域后,与基于局部场景中心计算的待补偿高阶相位误差进行点乘,得到补偿后的子图像;

10、将所有补偿后的子图像进行部分重叠式拼接,使相邻的子图像边缘部分区域相互覆盖,得到散焦的全局图像;

11、对散焦的全局图像进行点对点重采样以完成几何校正。

12、进一步,待补偿高阶相位误差

h(

k

x,

k

y)为:

13、

h(

k

x,

k

y)=

ϕ(

k

x,

k

y)-

a01

k

x-

a10

k

y

14、其中,

ϕ(

k

x,

k

y)是聚焦子图像进行两维ifft变换到两维波数域后的相位;

k

x和

k

y分别为径向波数

k

r=4

π(

f

c+

fr)/

c在

x轴和

y轴方向上的投影,

f

r为距离频域,

f

c为载频,

c为光速;

a01和

a10分别为

k

x和

k

y的线性项系数;

15、对于划分前的粗聚焦图像而言,

k

x和

k

y表示为:

16、

17、为场景中心点

o(0

,0

,0)的斜距历程,(

x

a,

y

a,

z

a)为雷达坐标;

18、对于划分后的聚焦子图像而言,

k

x和

k

y表示为:

19、

20、为局部场景中心的斜距历程,(

x

c,

y

c,

z

c)为局部场景中心的坐标;

21、

a01和

a10表示为:

22、

23、对于划分后的聚焦子图像而言,此步骤计算

a01和

a10时,全局波数中心坐标(

k

c,0)替换为聚焦子图像的局部波数中心坐标,局部波数中心坐标通过局部场景中心坐标(

x

c,

y

c,

z

c)解算。

24、进一步,对散焦的全局图像进行点对点重采样以完成几何校正,包括:

25、以场景中心点

o为原点,构造均匀分布的地面网格,并预先分配与全局图像数据维度相同的空矩阵用以存储几何校正图像,记为

simg;

26、对地面每一个像素网格中心(

x

p(

j),

x

p(

i))进行图像位置坐标解算,此步骤中,

j和

i为地面网格的行号和列号,计算得到其对应的交叉畸变系数

a01(

j,

i)和

a10(

j,

i);

27、根据像素单元长度换算索引值:

j1=

a01(

j,

i)/∆

y+n

r

+1;

i1=

a10(

j,

i)/∆

x+n

a

+1;其中

n

a和

n

r分别表示方位维和距离维像素点数,∆

x和∆

y分别为方位单元长度和距离单元长度,其计算方式为:∆

x=2

π/∆

k

x,∆

x=2π/∆

k

y,∆

k

x和∆

k

y分别表示波数支撑范围,由全局图像数据的波数最大值和最小值界定;

28、若换算出的索引(

j1,

i1)位于其对应的像素网格范围内,则进行逐点赋值,将全局图像数据中位于(

j1,

i1)的数据填入

simg对应的(

j,

i)位置处;否则,不进行逐点赋值。

29、机动轨迹轻小型无人机sar成像的pfa波前弯曲补偿方法装置,包括:

30、模型建立模块,用于建立具有三维速度与加速度分量的轻小型无人机sar三维几何模型,根据所述模型表示出被照射场景范围内任意一个独立散射点

p的基带回波信号;

31、预处理模块,用于对基带回波信号执行距离向傅里叶变换,并进行频域滤波的预处理;

32、两维重采样模块,用于对预处理的信号进行两维重采样插值,以将极坐标格式的数据恢复至矩形格式的数据;并对插值处理后的信号进行两维fft处理,得到粗聚焦图像;

33、块划分模块,用于将粗聚焦图像划分为若干聚焦子图像,并对于每个聚焦子图像,获取其中心像素位置,作为局部场景中心;

34、子图像补偿模块,用于对于每个聚焦子图像,进行两维ifft变换后,与基于局部场景中心计算的待补偿高阶相位误差进行点乘,得到补偿后的子图像;

35、重叠拼接模块,用于将所有补偿后的子图像进行部分重叠式拼接,使相邻的子图像边缘部分区域相互覆盖,得到散焦的全局图像;

36、几何校正模块,用于对散焦的全局图像进行点对点重采样以完成几何校正。

37、一种电子设备,包括至少一个处理器和存储器;其中,所述存储器存储有计算机执行指令;在所述至少一个处理器执行所述存储器存储的计算机执行指令,使得所述至少一个处理器执行所述的机动轨迹轻小型无人机sar成像的pfa波前弯曲补偿方法。

38、一种计算机可读存储介质,其上存储有计算机程序,在所述计算机程序被处理器运行时控制所述存储介质所在设备执行所述的机动轨迹轻小型无人机sar成像的pfa波前弯曲补偿方法。

39、本发明有益效果在于:

40、1、运动模型匹配度更高,适应机动能力强:现有技术通常基于匀速直线运动进行误差建模。本发明针对轻小型无人机特有的飞行动态,引入了包含高度变化的三维速度与三维常加速度联合模型。该模型能够准确刻画无人机在机动飞行(如俯冲、爬升、盘旋进入)时的复杂差分斜距历程;

41、2、打破了常规二维空变的补偿瓶颈,边缘聚焦质量显著提升:现有的svpf处理往往仅能补偿引起散焦的二次相位误差,高阶误差在机动加剧时不可被忽视。本发明通过级数反演和精确的波数域泰勒展开,并依靠对场景真实地理位置和图像畸变位置之间的精确解算,实现针对全部高阶相位误差的补偿函数的构造。即使在成像场景边缘依然能够保证聚焦良好,有效扩大了轻小型sar极坐标格式算法的有效聚焦场景范围;

42、3、几何校正精度高,满足高精度测绘需求:本发明将几何畸变与块内高阶项的补偿拆分,在完成高阶相位补偿和重叠子图拼接后,引入了基于真实物理坐标精确解算的全局几何校正机制。通过点对点的几何映射,恢复了无畸变的图像,满足了轻小型sar高分辨率成像的实际工程需求。