一种多旋翼无人机载合成孔径雷达分段孔径成像及定位方法

1.本发明属于信号处理技术领域，具体涉及一种多旋翼无人机载合成孔径雷达分段孔径成像及定位方法。


背景技术：

2.随着遥感技术广泛应用于地图测绘、地物表面形变检测、天气观测等民事应用，遥感设备的小型化已经成为必然趋势。自上世纪90年代以来，无人机平台由于其小型便携、灵活性高、操作简单等特点逐渐成为合成孔径雷达的重要平台，众多学者从系统设计和成像算法两个方面对无人机平台合成孔径雷达系统进行了大量研究。近年来随着无人机导航与控制技术的发展，各种型号的多旋翼无人机大量进入市场，但是还未被广泛使用于遥感领域，主要是因为传统机载成像算法对多旋翼无人机载合成孔径雷达的成像效果不稳定，受制于其携带的惯导设备性能，因此研究不依赖于惯导设备的多旋翼无人机载合成孔径雷达成像算法具有十分重要的意义。
3.目前国内外的研究机构采用的机载成像算法主要依赖于高精度惯导系统获取的数据进行运动补偿并成像，并且因为大型平台所携带的伺服系统可以实时补偿平台姿态角变化带来的影响，而无需考虑平台角度变化，因此无法解决多旋翼无人机载合成孔径雷达系统存在的三个问题：1)多旋翼平台的轨迹通常非常不稳定，因为它容易受到诸如风等环境因素的影响，可能会导致严重的抖动和急转弯；2)多旋翼独有的飞行原理会带来由于旋翼振动和机身倾斜操作引起的高频误差和入射角误差；3)高机动轨迹与低成本惯导系统相结合，导致用于运动补偿的运动状态和姿态角数据相当差。并且因为无人机载重的限制无法携带高精度惯导设备，因而无人机导航系统的定位精度也会有所下降，若飞机在飞行过程之中根据成像结果反演出飞机飞行轨迹则可为其导航系统提供依据，进行更智能化的航迹规划。因此研究不依赖于惯导设备的多旋翼无人机载合成孔径雷达成像及定位算法具有十分重要的意义。


技术实现要素：

4.本发明是针对上述现有机载成像算法的缺点和不足而进行的，目的在于提供一种多旋翼无人机载合成孔径雷达分段孔径成像(sai)及定位方法，适用于无惯导设备或低精度惯导设备的合成孔径雷达系统，提高雷达成像的聚焦效果与成像效率。
5.本发明提供了一种多旋翼无人机载合成孔径雷达分段孔径成像方法，用于根据合成孔径雷达的原始回波信号进行分段孔径成像，具有这样的特征，包括以下步骤：步骤1，对原始回波信号s(t,η)进行距离脉冲压缩得到距离脉压信号s
rc
(t,η)，其中t为距离快时间、η为方位慢时间，根据距离脉压信号s
rc
(t,η)中强散射点的相位历程计算机动平台的估计速度和估计波束中心斜视角步骤2，根据估计速度的方向将距离脉压信号s
rc
(t,η)分段得到n个段及每个段对应的段脉压信号s
rc,i
(t,η)，i＝1
…
n；步骤3，根据估计速度和
估计波束中心斜视角计算每个段对应的段脉压信号s
rc,i
(t,η)的相位补偿量对段脉压信号s
rc,i
(t,η)乘以运动误差补偿滤波器(t,η)乘以运动误差补偿滤波器得到n个已补偿信号为s
mc,i
(t,η)，虚数步骤4，对已补偿信号s
mc,i
(t,η)进行二维傅里叶变换得到n个二维频谱s
mc,i
(f,fd)，采用级数反演法对二维频谱s
mc,i
(f,fd)进行分解，构建方位压缩滤波器h
ac,i
，其中，f为与距离快时间t对应的频率，fd为与方位慢时间η对应的多普勒频率；步骤5，对二维频谱s
mc,i
(f,fd)乘方位压缩滤波器h
ac,i
，然后进行二维逆傅里叶变换得到n个成像结果s
img,i
(t，η)；步骤6，依次对相邻的段对应的成像结果s
img,i
(t,η)重叠区域中的强聚焦点所在距离维包络对齐与相参积累，对不重叠区域拼接，得到最终成像结果s
all
。
6.在本发明提供的多旋翼无人机载合成孔径雷达分段孔径成像方法中，还可以具有这样的特征：步骤1中，对距离脉压信号s
rc
(t,η中强散射点的相位历程进行二阶拟合得到该强散射点的相位历程根据二阶项系数β和一阶项系数α计算机动平台的估计速度以及估计波束中心斜视角其中，t为距离快时间，η为方位慢时间，o(η)为高阶相位误差，为常数相位项，λ为系统发射信号波长，为系统参考距离的估计值。
7.在本发明提供的多旋翼无人机载合成孔径雷达分段孔径成像方法中，还可以具有这样的特征：其中，步骤2中，根据估计速度的方向将距离脉压信号s
rc
(t,η)依次划分为速度方向一致的n个段，然后判断每个段的长度是否小于一个合成孔径长度，若小于，则将该段向两边扩展为一个合成孔径长度，最终得到分段后的n个段脉压信号s
rc,i
(t,η)，i＝1
…
n。
8.在本发明提供的多旋翼无人机载合成孔径雷达分段孔径成像方法中，还可以具有这样的特征：其中，步骤3中，相位补偿量相位补偿量式中，r0为各段的均值，θ0为n个估计波束中心斜视角的均值。
9.在本发明提供的多旋翼无人机载合成孔径雷达分段孔径成像方法中，还可以具有这样的特征：其中，步骤4中，方位压缩滤波器式中，f为与距离快时间t对应的频率，fd为与方位慢时间η对应的多普勒频率，fc为系统发射信号的载频，c为光速。
10.在本发明提供的多旋翼无人机载合成孔径雷达分段孔径成像方法中，还可以具有这样的特征：其中，步骤6中，先对相邻所述段对应的成像结果s
img,i
(t,η)进行几何校正得到已校正成像结果然后将已校正成像结果旋转度，得到斜距垂直于机动平台轨迹的已校正成像结果然后依次对相邻的段对应的已校正成像结果重叠
区域中的强聚焦点所在距离维包络对齐与相参积累，对不重叠区域拼接，得到最终成像结果s
all
。
11.在本发明提供的多旋翼无人机载合成孔径雷达分段孔径成像方法中，还可以具有这样的特征：其中，步骤6对成像结果s
img,i
进行几何校正按如下子步骤进行：步骤6-1，对成像结果s
img,i
(t,η)进行方位向傅里叶变换，得到距离多普勒域图s
img,i
(t,fd)；步骤6-2，根据傅里叶变换特性和目标空间几何结构，构建校正图像倾斜的倾斜校正滤波器的表达式：式中，l为典型建筑物的距离向尺度；步骤6-3，将距离多普勒域图s
img,i
(t,fd)乘以倾斜校正滤波器h
gc-1
，得到已倾斜校正频域图步骤6-4，对已倾斜校正频域图进行方位向逆傅里叶变换，得到已倾斜校正时域图步骤6-5，根据目标空间几何结构，得到拉伸/压缩因子表达式：步骤6-6，将拉伸/压缩因子表达式代入已倾斜校正时域图之中，得到已形变校正时域图步骤6-7，对已形变校正时域图进行距离向傅里叶变换，得到已形变校正频域图步骤6-8，根据傅里叶变换特性和目标空间几何结构，构建校正图像平移的二位置校正滤波器的表达式：步骤6-9，将已形变校正频域图乘以位置校正滤波器h
gc-3
，得到已几何校正频域图步骤6-10，对已几何校正频域图进行距离向逆傅里叶变换，得到各段完成几何校正操作的已校正成像结果
12.在本发明提供的多旋翼无人机载合成孔径雷达分段孔径成像方法中，还可以具有这样的特征：其中，步骤1中，估计速度及估计波束中心斜视角按如下步骤计算：步骤1-1，根据多普勒调频斜率ka和多普勒中心f
dc
的定义，得到ka与f
dc
的计算式：的计算式：的计算式：式中，表示(
·
)对方位慢时间η求导；步骤1-2，将原始回波信号所构成的空间称为信号空间，对距离脉压信号s
rc
(t,η)中强散射点的相位历程进行二阶拟合得到该强散射点在信号空间中的表达式：式中，β为二阶项系数，α为一阶项系数，为常数相位项，o(η)为高阶相位误差；步骤1-3，将相位历程的表达式分别代入步骤1-1中ka的计算式与f
dc
的计算式之中，得到信号空间中ka与f
dc
的表达式：步骤1-4，将目标和机动平台实际位置所构成的空间称
为目标空间，根据空间几何关系，得到目标空间中的相位历程的表达式：的表达式：式中，v表示机动平台运动速度，θ表示机动平台运动引起的波束中心斜视角，r0表示目标和机动平台的最近距离，λ为系统发射信号波长；步骤1-5，将目标空间中的相位历程的表达式分别代入步骤1-1中ka的计算式与f
dc
的计算式之中，得到目标空间中ka与f
dc
的表达式：步骤1-6，分别对比信号空间中ka的表达式与目标空间中ka表达式，信号空间中f
dc
的表达式与目标空间中f
dc
表达式的右侧，得到估计速度、估计波束中心斜视角、距离估计值：表达式的右侧，得到估计速度、估计波束中心斜视角、距离估计值：
13.在本发明提供的多旋翼无人机载合成孔径雷达分段孔径成像方法中，还可以具有这样的特征：其中，步骤4中，采用级数反演法对二维频谱s
mc,i
(f,fd)分解得到方位压缩滤波器表达式h
ac,i
的过程按如下子步骤进行：步骤4-2-1，根据驻相点法求得段对应的二维频谱s
mc,i
(f,fd)的表达式：)的表达式：式中，fc表示系统发射信号的载频，c表示光速；步骤4-2-2，采用级数反演法对步骤4-2-1中的二维频谱s
mc，i
(f，fd)的表达式进行分解，得到消除f和fd的耦合项的二维频谱表达式：的耦合项的二维频谱表达式：步骤4-2-3，根据步骤4-2-2中的消除f和fd的耦合项的二维频谱表达式构建理想相位滤波器表达式：步骤4-2-4，将估计速度估计波束中心斜视角距离估计值代入理想相位滤波器表达式之中，得到方位压缩滤波器表达式：
14.本发明还提供了一种多旋翼无人机载合成孔径雷达分段孔径成像方法，用于根据无人机载合成孔径雷达的原始回波信号，计算无人机飞行轨迹其特征在于，具有这样的特征，包括以下步骤：步骤s1，对原始回波信号s(t,η)进行距离脉冲压缩得到距离脉压信号s
rc
(t，η)，根据所述距离脉压信号s
rc
(t，η)中强散射点的相位历程计算机动平台的估计速度和估计波束中心斜视角步骤s2，根据估计速度的方向将距离脉压信号s
rc
(t,η)分段得到n个段及每个段对应的段脉压信号s
rc,i
(t,η)，i＝1
…
n，并且根据估计速度和估计波束中心斜视角计算第i个段对应的平台轨迹坐标k＝1
…
m,m为各段方位向长度，式中，θ
in
表示无人机载合成孔径雷达波束与地面法向的夹角；步骤s3，在第i个和第i-1个段中的相邻区域，提取三个强散射点，第i个段中强散射点的坐标分别为第i-1个段中强散射点的坐标
分别为步骤s4，根据强散射点的坐标和计算第i个和第i-1个段的旋转矩阵γ，1个段的旋转矩阵γ，步骤s5，将第i个所述段的所述平台轨迹坐标旋转至以第i-1个所述段的所述平台轨迹的坐标系下，使相邻段的平台轨迹坐标对齐，即：平台轨迹的坐标系下，使相邻段的平台轨迹坐标对齐，即：步骤s6，对第i个和第i-1个段重叠区域的平台轨迹坐标进行相参积累，对不重叠区域的平台轨迹坐标进行拼接，得到第i个和第i-1个段的拼接后轨迹坐标[p
x
,py,pz]，]，步骤s7，重复步骤s3-s6，直至得到所有相邻段的拼接后轨迹坐标从而得到平台的最终轨迹坐标
[0015]
发明的作用与效果
[0016]
根据本发明所涉及的多旋翼无人机载合成孔径雷达分段孔径成像及定位方法，采用基于回波信号相位历程估计平台运动参数和对回波信号分段的方法对平台运动误差精确补偿，达到成像聚焦效果好和成像成功率高的效果，提高了多旋翼无人机平台数据采集的效率，可以有效地对多旋翼无人机平台合成孔径雷达系统进行高分辨成像，并且在成像时可以对平台轨迹进行有效估计，得到平台相对于测量区域的坐标信息，达到对平台定位的效果。
[0017]
本发明与现有技术相比具有如下优点：
[0018]
与传统的机载合成孔径雷达成像算法相比，本发明考虑到了平台运动与信号相位之间的关系，可适用于无惯导设备或者低精度惯导设备的合成孔径雷达成像系统进行成像；
[0019]
与传统的机载合成孔径雷达成像算法相比，本发明考虑到了无人机平台姿态角变化带来的斜视影响，补偿了距离和方位的耦合相位，提高了图像聚焦效果，可适用于无天线伺服的合成孔径雷达成像系统；
[0020]
与传统的机载合成孔径雷达成像算法相比，本发明采用相位滤波器相乘的方法，替代插值方法，提高了各段内单次成像的成像速度；
[0021]
与传统的机载合成孔径雷达成像算法相比，本发明采用各段并行成像然后拼接为完整图像的办法获取图像，提高了完整图像的成像速度。
[0022]
与传统的机载合成孔径雷达成像算法相比，本发明可以在成像同时估计平台的位置，达到了对平台定位的效果，便于建立自动化、智能化、一体化的无人机探测系统。
附图说明
[0023]
图1本发明的实施例中的流程图；
[0024]
图2本发明的实施例中的机载合成孔径雷达系统目标空间和信号空间示意图；
[0025]
图3本发明的实施例中的几何校正流程图；
[0026]
图4本发明的实施例中的轨迹估计示意图；
[0027]
图5本发明的实施例中的实测轨迹与姿态角变化曲线图；
[0028]
图6本发明的实施例中的平台轨迹与点阵目标空间位置关系示意图；
[0029]
图7本发明的实施例中的各段成像结果、全孔径成像结果与传统成像方法成像结果对比图；
[0030]
图8本发明的实施例中的本发明与传统成像方法点扩散函数对比结果；
[0031]
图9本发明的实施例中的传统成像方法成像结果、本方法成像结果、光学模型对比图；
[0032]
图10本发明的实施例中的对平台估计轨迹曲线与惯导测量轨迹曲线对比及误差曲线图。
具体实施方式
[0033]
为了使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解，以下结合实施例及附图对本发明一种多旋翼无人机载合成孔径雷达分段孔径成像及定位方法作具体阐述。
[0034]
在本发明中，无人机起飞后，无人机载合成孔径雷达通过发射天线发射载频为fc的线性调频信号，发射信号经目标散射后由雷达通过接收天线接收，接收到的信号为原始回波信号s(t,η)，其中t为距离快时间、η为方位慢时间。合成孔径长度ls＝r
×
θ
bw
，其中，r为参考距离，θ
bw
为方位波束宽度。
[0035]
本发明提供的多旋翼无人机载合成孔径雷达分段孔径成像方法，用于根据无人机载合成孔径雷达的原始回波信号进行分段孔径成像，包括以下步骤：
[0036]
步骤1，对原始回波信号s(t,η)进行距离脉冲压缩得到距离脉压信号s
rc
(t,η)，其中t为距离快时间、η为方位慢时间，根据距离脉压信号s
rc
(t,η)中强散射点的相位历程计算机动平台的估计速度和估计波束中心斜视角
[0037]
步骤2，根据估计速度的方向将距离脉压信号s
rc
(t,η)分段得到n个段及每个段对应的段脉压信号s
rc,i
(t,η)，i＝1
…
n；
[0038]
步骤3，根据估计速度和估计波束中心斜视角计算每个段对应的段脉压信号s
rc,i
(t,η)的相位补偿量对段脉压信号s
rc,i
(t,η)乘以运动误差补偿滤波器得到n个已补偿信号为s
mc,i
(t,η)，虚数
[0039]
步骤4，对已补偿信号s
mc,i
(t,η)进行二维傅里叶变换得到n个二维频谱s
mc,i
(f,fd)，采用级数反演法对二维频谱s
mc,i
(f,fd)进行分解，构建方位压缩滤波器h
ac,i
，其中，f为与距离快时间t对应的频率，fd为与方位慢时间η对应的多普勒频率；
[0040]
步骤5，对二维频谱s
mc,i
(f,fd)乘方位压缩滤波器h
ac,i
，然后进行二维逆傅里叶变换得到n个成像结果s
img,i
(t,η)；
[0041]
步骤6，依次对相邻的段对应的成像结果s
img,i
(t,η)重叠区域中的强聚焦点所在距离维包络对齐与相参积累，对不重叠区域拼接，得到最终成像结果s
all
。
[0042]
其中，步骤1中，对距离脉压信号s
rc
(t,η)中强散射点的相位历程进行二阶拟合得到该强散射点的相位历程合得到该强散射点的相位历程根据二阶项系数β和一阶
项系数α计算机动平台的估计速度以及估计波束中心斜视角以及估计波束中心斜视角其中，t为距离快时间，η为方位慢时间，o(η)为高阶相位误差，为常数相位项，λ为系统发射信号波长，为系统参考距离的估计值。
[0043]
步骤2中，根据估计速度的方向将距离脉压信号s
rc
(t,η)依次划分为速度方向一致的n个段，然后判断每个段的长度是否小于一个合成孔径长度，若小于，则将该段向两边扩展为一个合成孔径长度，最终得到分段后的n个段脉压信号s
rc,i
(t,η)，i＝1
…
n。
[0044]
步骤3中，相位补偿量式中，r0为各段的均值，θ0为n个估计波束中心斜视角的均值。
[0045]
步骤4中，方位压缩滤波器方位压缩滤波器式中，f为与距离快时间t对应的频率，fd为与方位慢时间η对应的多普勒频率，fc为系统发射信号的载频，c为光速。
[0046]
步骤6中，先对相邻所述段对应的成像结果s
img,i
(t,η)进行几何校正得到已校正成像结果然后将已校正成像结果旋转度，得到斜距垂直于机动平台轨迹的已校正成像结果然后依次对相邻的段对应的已校正成像结果重叠区域中的强聚焦点所在距离维包络对齐与相参积累，对不重叠区域拼接，得到最终成像结果s
all
。
[0047]
本发明还提供了一种多旋翼无人机载合成孔径雷达分段孔径成像方法，用于根据无人机载合成孔径雷达的原始回波信号，计算无人机飞行轨迹其特征在于，具有这样的特征，包括以下步骤：步骤s1，对原始回波信号s(t,η)进行距离脉冲压缩得到距离脉压信号s
rc
(t，η)，根据所述距离脉压信号s
rc
(t,η)中强散射点的相位历程计算机动平台的估计速度和估计波束中心斜视角
[0048]
步骤s2，根据估计速度的方向将距离脉压信号s
rc
(t,η)分段得到n个段及每个段对应的段脉压信号s
rc,i
(t,η)，i＝1
…
n，并且根据估计速度和估计波束中心斜视角计算第i个段对应的平台轨迹坐标k＝1
…
m,m为各段方位向长度，
[0049][0050][0051][0052]
式中，θ
in
表示无人机载合成孔径雷达波束与地面法向的夹角；
[0053]
步骤s3，在第i个和第i-1个段中的相邻区域，提取三个强散射点，第i个段中强散射点的坐标分别为第i-1个段中强散射点的坐标分别为
[0054]
步骤s4，根据强散射点的坐标和计算第i个和第i-1个段的旋转矩阵γ，
[0055][0056]
步骤s5，将第i个所述段的所述平台轨迹坐标旋转至以第i-1个所述段的所述平台轨迹的坐标系下，使相邻段的平台轨迹坐标对齐，即：
[0057][0058]
步骤s6，对第i个和第i-1个段重叠区域的平台轨迹坐标进行相参积累，对不重叠区域的平台轨迹坐标进行拼接，得到第i个和第i-1个段的拼接后轨迹坐标[p
x
,py,pz]，
[0059][0060]
步骤s7，重复步骤s3-s6，直至得到所有相邻段的拼接后轨迹坐标[p
x
,py,pz]，从而得到平台的最终轨迹坐标
[0061]
《实施例》
[0062]
在本实施例中，机动平台指多旋翼无人机，机载合成孔径雷达为ku波段的线性调频连续波雷达，目标指需要进行合成孔径成像的地面区域。
[0063]
如图1所示，多旋翼无人机载合成孔径雷达分段孔径成像方法包括如下步骤：
[0064]
步骤1，机动平台起飞后，机载合成孔径雷达通过发射天线发射载频为fc的线性调频信号，发射信号经目标散射后由雷达通过接收天线接收，接收到的信号为原始回波信号s(t,η)，其中t为距离快时间、η为方位慢时间。对原始回波信号进行距离脉冲压缩得到脉冲压缩信号s
rc
(t,η)，根据脉冲压缩信号s
rc
(t,η)中强散射点的相位历程计算机动平台的估计速度和估计波束中心斜视角具体按照如下子步骤进行：
[0065]
步骤1-1，根据多普勒调频斜率ka和多普勒中心f
dc
的定义，得到ka与f
dc
的计算式：
[0066][0067][0068]
式中，表示(
·
)对方位慢时间η求导，η为方位慢时间，为某个强散射点的相位历程；
[0069]
步骤1-2，参照图2，将原始回波信号所构成的空间称为信号空间，对信号空间之中的原始回波信号进行距离脉冲压缩，得到脉冲压缩信号s
rc
(t,η)，其中，t为距离快时间，对脉冲压缩信号s
rc
(t,η)中强散射点的相位历程进行二阶拟合得到该强散射点在信号空间中的表达式：
[0070][0071]
式中，β为方位慢时间二阶项系数，α为方位慢时间的一阶项系数，o(η)为高阶相位
误差，为常数相位项；
[0072]
步骤1-3，将上述式《3》分别代入式《1》与式《2》之中，得到信号空间中ka与f
dc
的表达式：
[0073][0074][0075]
步骤1-4，将目标和机动平台实际位置所构成的空间称为目标空间，根据目标空间之中的几何关系与余弦定理，得到目标和平台之间距离r的表达式：
[0076][0077]
式中，v表示机动平台运动速度，θ表示机动平台运动引起的波束中心斜视角，r0表示目标和机动平台的最近距离；
[0078]
将上述式《6》在η＝0时泰勒展开，保留至二阶项，得到r的表达式：
[0079][0080]
根据相位计算公式及定义，得到目标空间中相位历程的表达式：
[0081][0082]
式中，λ为系统发射信号波长；
[0083]
步骤1-5，将上述式《8》分别代入式《1》与式《2》之中，得到目标空间中ka与f
dc
的表达式：
[0084][0085][0086]
步骤1-6，分别对比上述式《4》与式《9》，式《5》与式《10》的等式右侧，得到估计速度、估计波束中心斜视角、距离估计值的表达式分别为：
[0087][0088][0089][0090]
步骤2，根据估计速度的方向将脉冲压缩信号s
rc
(t，η)分段得到n个段及每个段对应的段压缩信号s
rc,i
(t,η)，i＝1
…
n，具体如下：
[0091]
根据估计速度的正负方向初步将脉冲压缩信号s
rc
(t,η)依次划分为速度方向一致的段，然后检查每段长度是否小于一个合成孔径长度ls＝r
×
θ
bw
，若小于，则将该段向两
边扩展为一个合成孔径长度，否则不进行处理。最终，脉冲压缩信号s
rc
(t,η)被划分为n个段，每段对应的回波信号表示为s
rc,i
(t,η)，i＝1
…
n。
[0092]
步骤3，根据估计速度和估计波束中心斜视角计算每个段对应的段压缩信号s
rc,i
(t,η)的相位补偿量对段压缩信号s
rc,i
(t,η)乘以运动误差补偿滤波器得到n个已补偿信号为s
mc,i
(t,η)，虚数实现对每个段压缩信号s
rc,i
(t，η)进行运动补偿。具体按照如下子步骤进行：
[0093]
步骤3-1，计算各段平台运动状态变化带来的斜距变化δr对相位的影响，表达式为：
[0094][0095]
式中，v0为的均值，θ0为的均值；
[0096]
步骤3-2，构建各段对应的段压缩信号s
rc，i
(t，η)的相位补偿量的表达式：
[0097][0098]
步骤3-3，构建运动误差补偿滤波器表达式：
[0099][0100]
其中，j表示虚数，
[0101]
步骤3-4，对段压缩信号s
rc,i
(t,η)乘以如上述式《14》所示运动误差补偿滤波器，得到已补偿信号s
mc,i
(t,η)，完成对每个段压缩信号的运动补偿。
[0102]
步骤4，对已补偿信号s
mc,i
(t,η)进行二维傅里叶变换得到n个二维频谱s
mc,i
(f,fd)，采用级数反演法对二维频谱s
mc,i
(f,fd)进行分解，构建方位压缩滤波器h
ac,i
，其中，f为与距离快时间t对应的频率，fd为与方位慢时间η对应的多普勒频率。具体按照如下步骤进行：
[0103]
步骤4-1，对已补偿信号s
mc,i
(t,η)进行二维傅里叶变换得到各段对应的二维频谱s
mc,i
(f,fd)，其中，f为与距离快时间t对应的频率，fd为与方位慢时间η对应的多普勒频率；
[0104]
步骤4-2-1，根据驻相点法求得各段二维频谱s
mc，i
(f，fd)的表达式：
[0105][0106]
其中，fc表示系统发射信号的载频，c表示光速；
[0107]
步骤4-2-2，采用级数反演法对上述式《17》分解，得到消除f和fd的耦合项的二维频谱表达式：
[0108]
[0109][0110]
步骤4-2-3，根据上述式《15》构建理想相位滤波器表达式：
[0111][0112]
步骤4-2-4，将估计速度估计波束中心斜视角距离估计值代入上述式《19》之中，得到相位滤波器表达式：
[0113][0114]
步骤5，对二维频谱s
mc，i
(f,fd)乘方位压缩滤波器h
ac，i
，然后进行二维逆傅里叶变换得到n个成像结果s
img，i
(t，η)。
[0115]
步骤6，参照图3，依次对相邻的段对应的成像结果s
img,i
(t,η重叠区域中的强聚焦点所在距离维包络对齐与相参积累，对不重叠区域拼接，得到最终成像结果s
all
。具体按照如下子步骤进行：
[0116]
步骤6-1，对成像结果s
img,i
(t，η)进行方位向傅里叶变换，得到距离多普勒域图s
img,i
(t,fd)；
[0117]
步骤6-2，根据傅里叶变换特性和目标空间几何结构，构建校正图像倾斜的倾斜校正滤波器的表达式：
[0118][0119]
式中，l为典型建筑物的距离向尺度；
[0120]
步骤6-3，将距离多普勒域图s
img,i
(t,fd)乘以倾斜校正滤波器h
gc-1
，得到已倾斜校正频域图
[0121]
步骤6-4，对已倾斜校正频域图进行方位向逆傅里叶变换，得到已倾斜校正时域图
[0122]
步骤6-5，根据目标空间几何结构，得到拉伸/压缩因子表达式：
[0123][0124]
步骤6-6，将上述式《22》代入已倾斜校正时域图之中，得到已形变校正时域图
[0125]
步骤6-7，对已形变校正时域图进行距离向傅里叶变换，得到已形变校正频域图
[0126]
步骤6-8，根据傅里叶变换特性和目标空间几何结构，构建校正图像平移的二位置校正滤波器的表达式：
[0127][0128]
步骤6-9，将已形变校正频域图乘以上述式《23》中的位置校正滤波器h
gc-3
，得到已几何校正频域图
[0129]
步骤6-10，对已几何校正频域图进行距离向逆傅里叶变换，得到各段完成几何校正操作的已几何校正时域图
[0130]
步骤6-11，将已几何校正时域图沿逆时针旋转度，得到斜距垂直于机动平台轨迹的待拼接时域图
[0131]
步骤6-12，依次对相邻的待拼接时域图重叠区域中的强聚焦点所在距离维包络对齐；
[0132]
步骤6-13，对重叠区域进行相参积累，对不重叠区域依次连接，完成子孔径拼接，得到全孔径成像结果s
all
。
[0133]
旋翼无人机载合成孔径雷达分段孔径成像及定位方法的定位部分包括如下步骤：
[0134]
步骤s1，对原始回波信号s(t,η)进行距离脉冲压缩得到脉冲压缩信号s
rc
(t,η)，根据所述脉冲压缩信号s
rc
(t,η)中强散射点的相位历程计算机动平台的估计速度和估计波束中心斜视角
[0135]
本步骤的与成像方法部分的步骤1完全相同，在此不再赘述。
[0136]
步骤s2，根据估计速度的方向将脉冲压缩信号s
rc
(t,η)分段得到n个段及每个段对应的段压缩信号s
rc,i
(t,η)，i＝1
…
n。并且根据估计波束中心斜视角估计第i个段对应的平台轨迹坐标k＝1
…
m,其中，m为各段方位向长度。
[0137][0138][0139]
[0140]
其中，θ
in
表示无人机载合成孔径雷达波束与地面法向的夹角。
[0141]
步骤s3，在第i个和第i-1个段中的相邻区域，提取三个强散射点，第i个段中强散射点的坐标分别为第i-1个段中强散射点的坐标分别为
[0142]
步骤s4，根据强散射点的坐标和计算第i个和第i-1个段的旋转矩阵
[0143][0144]
步骤s5，将第i个所述段的所述平台轨迹坐标旋转至以第i-1个所述段的所述平台轨迹的坐标系下，使相邻段的平台轨迹坐标对齐
[0145][0146]
步骤s6，对第i个和第i-1个段重叠区域的平台轨迹坐标进行相参积累，对不重叠区域的平台轨迹坐标进行拼接，得到第i和第i-1段的拼接后轨迹坐标[p
x
,py,pz]。
[0147][0148]
步骤s7，重复n-1次步骤s3至s6，直至得到所有相邻段的拼接后轨迹坐标[p
x
,py,pz]，从而得到平台的最终轨迹坐标
[0149]
下面结合具体的对比验证结果进一步说明本方法的优点。
[0150]
1.仿真条件：
[0151]
如表1所列：
[0152]
表1仿真参数
[0153][0154][0155]
2.仿真与试验
[0156]
验证1：在表1条件下，仿真实测轨迹得到的点阵目标原始回波信号sr(t,η)，实测轨迹来自于某次试验惯导采集的实测数据，其轨迹如图5(a)、(b)所示。其中，图5(a)表示惯导记录的机动平台飞行时的姿态角随机动平台移动的变化曲线，从上至下三幅图分别为横滚角，俯仰角，偏航角相对于平台移动的变化曲线，图中横坐标表示机动平台飞过的路径从-200m飞行至200m。图5(b)表示惯导记录的机动平台运动轨迹在三个维度的曲线，从上至下三幅图分别为方位维度、距离维度、高度维度的变化曲线。
[0157]
点阵目标为距离、方位间隔分别为25m的7
×
7个点目标，点阵目标与平台轨迹的空间位置关系如图6所示。图6所示坐标系x、y、z分别对应于方位、距离、高度维度，图中r
ref
表示系统在当前入射角θ
in
下的参考距离，h表示机动平台飞行的平均高度，θa表示系统方位维的波束宽度，θ
bw
表示系统距离维的波束宽度，s表示待测区域的宽度，v表示机动平台的运动速度，ls表示一个合成孔径长度。图右侧的点阵表示仿真目标的位置关系，点阵中心位于图
片左侧r
ref
与y轴的交点。点阵的长宽分别均匀排列了7个点，点间距为25m，其余各参数取值参考表1。
[0158]
对sr(t,η)距离脉冲压缩后得到s
rd
(t,η)，对s
rd
(t,η)分别采用sai算法、传统成像方法进行成像对比，结果如图7、图8所示。其中，该路径被本文提出的sai算法分割为三段(段1、段2、段3)，图7中的(a)、(b)、(c)分别为本实施例中段1、段2、段3几何校正后的成像结果，由于每个段只能对部分区域成像，因此各段成像结果只包含了目标区域的一部分，另外，在方位维边缘的地方，可以看到点目标的轮廓有扩散的情况。图7中的(d)为本实施例中的各段拼接后的全孔径成像结果，图7中的(e)为传统成像方法的成像结果。对比图7(d)与(e)可以看出聚焦点轮廓清晰度不同，并且明暗程度有差异，其中以方框框出的几个点对比最为明显。图8为本实施例与传统成像方法点扩散函数对比结果。图8之中上图为段1、段2、段3第三行点目标的点扩散函数曲线对比图，下图为本文提出的sai方法与传统成像方法第三行点目标的点扩散函数曲线对比图。对段1、段2、段3、sai方法、传统成像方法的点扩散函数曲线每个尖峰的-3db位置处主瓣展宽进行分析，可以得到分辨率相对于理论值扩展的幅度，根据图中数据统计结果如表2a)所示，主瓣展宽系数越小，图像聚焦效果越好；对比这五条曲线每个峰值的主瓣和副瓣的幅度高低，统计结果如表2b)所示，主副瓣比越大表示图像信噪比越大，即图像质量越好；对比这五条曲线的峰值幅度损失可以让我们观察到不完整孔径对图像的影响，虽然各段峰值幅度损失在边缘处较大，但是sai最终全孔径图像由于各段的互补关系使其峰值幅度损失大大降低；衡量成像结果的某一行点的点扩散函数曲线指标以后，通过图像熵判断完整图像所包含的信息量，图像聚焦效果越高所包含的信息量越多，图像熵就越小，sai方法最终全孔径图像是熵最小的。从主瓣展宽系统、主副瓣比、峰值幅度损失、图像熵这四个方面对比，本文提出的sai方法相比于传统成像方法具有更高的分辨率、更大的信噪比、并且峰值幅度损失和原始方法相当，所包含的信息更多，因此本文提出的sai具备很好的成像效果，解决了无人机载合成孔径雷达所遇到的实际问题。
[0159]
表2图像质量指标对比
[0160]
a)主瓣展宽系数对比
[0161][0162]
b)主副瓣比(db)
[0163][0164][0165]
c)峰值幅度损失(db)
[0166][0167]
d)图像熵
[0168][0169]
验证2：将表1条件之中平台速度改为10m/s，平台飞行高度改为350m，即为实测飞行试验的试验条件，试验平台为kwt-65型号多旋翼无人机，携带ku波段小型调频连续波合成孔径雷达，使用该平台飞行约100架次，每架次飞行距离约1km，采集了地面某区域的多组回波数据。采用传统方法和本发明方法对多组回波数据成像后，聚焦效果对比如图9所示。其中，图9的(a)为传统成像方法的成像效果；图9的(b)为本实施例的方法的成像效果；图9的(c)为对该成像区域对应的光学模型。
[0170]
图9表明了本实施例的方法在聚焦效果上优于传统成像方法的聚焦效果。根据待测目标的光学图像可以看出目标呈现“工”字形。采用本发明方法的成像结果“工”字轮廓要比采用传统方法更为清晰，以图像“工”型楼的左边为例，雷达照射玻璃时，会穿透玻璃进入房间内部，无法将回波返回至雷达，因此成像结果会呈现出黑色，而窗户边缘因为存在直角和金属会有明显的反射，形成亮点。本发明方法所对应的成像结果，可以通过亮点之间黑色区域清晰观察得到楼层间隔，传统方法所对应的成像结果中亮斑都模糊成一团，无法清晰观察到楼层之间的玻璃。“工”型楼左上方存在一条马路，处采用本发明方法可以清晰看到马路边缘，传统方法成像得到的马路边缘轮廓不甚清晰，还有多余的纵向条纹。并且“工”型楼周围的花园轮廓本发明方法成像效果也更为清晰。图像整体的信噪比也优于传统方法。此外，经过多次/多地飞行试验验证本方法对90％的回波数据成像有较好的聚焦效果，而传
统方法聚焦效果较好的图像约为35％。对于同样尺度的图像(12500
×
8192)在相同计算机平台，本方法成像时间约为320s，传统成像方法成像时间约为5200s，速度约提升了16倍。
[0171]
验证3：对验证2条件下某次实测试验数据进行处理，得到图像的同时，可以估计得到平台的轨迹。采用本发明方法估计轨迹和用惯导设备采集的轨迹对比如图10所示。其中，图10的(a)为本发明方法估计轨迹和惯导设备采集轨迹从上至下分别是在方位维度、距离维度、维度的对比效果，其中蓝色曲线表示惯导设备的测量结果，红色曲线为本发明方法的估计结果，可以看出在方位上两者基本重合，使用多旋翼平台的高采样率保证了方位上的小误差，在距离维两者略有偏差，蓝色曲线在红色曲线的边缘处，尤其起伏较大的三个尖峰的地方，蓝色曲线会有偏差，在高度维可以看到蓝色曲线和红色曲线偏差会更大一些，由于本发明方法基于二维图像估计，因此部分误差会积累于第三个维度即高度维之上；图9的(b)为本实施例的方法的估计误差曲线，该曲线显示在方位维、距离维、高度维的偏差分别约为厘米级、厘米级、分米级，达到和惯导接近的水平。
[0172]
实施例的作用与效果
[0173]
根据本实施例提供的多旋翼无人机载合成孔径雷达分段孔径成像方法，方法主要包括：1)根据无人机载合成孔径雷达系统获取目标回波；2)根据回波信号估计机动平台的运动状态；3)根据平台运动状态对回波信号分段；4)根据平台运动状态对各段回波信号运动补偿；5)对各段补偿后的回波信号进行二维傅里叶变换得到二维频谱，采用级数反演法分解二维频谱得到各段相位滤波器；6)对各段二维频谱乘该段对应的相位滤波器，然后对二维频谱进行二维逆傅里叶变换得到各段图像；7)对各段图像进行几何校正，然后拼接各段图像，得到全孔径成像结果。8)对各段平台轨迹进行拼接，得到平台完整轨迹坐标。本实施例采用基于回波信号相位历程估计平台运动参数和对回波信号分段的方法对平台运动误差精确补偿，达到成像聚焦效果好和成像成功率高的效果，提高了多旋翼无人机平台数据采集的效率，可以有效地对多旋翼无人机平台合成孔径雷达系统进行高分辨成像。同时，本方法可以在成像同时计算平台轨迹的三维坐标，达到对平台定位的效果，可应用于无人机导航，为以后智能化、一体化探测系提供可能。
[0174]
与现有技术相比具有如下优点：
[0175]
与传统的机载合成孔径雷达成像算法相比，考虑到了平台运动与信号相位之间的关系，可适用于无惯导设备或者低精度惯导设备的合成孔径雷达成像系统进行成像；
[0176]
与传统的机载合成孔径雷达成像算法相比，考虑到了无人机平台姿态角变化带来的斜视影响，补偿了距离和方位的耦合相位，提高了图像聚焦效果，可适用于无天线伺服的合成孔径雷达成像系统；
[0177]
与传统的机载合成孔径雷达成像算法相比，采用相位滤波器相乘的方法，替代插值方法，提高了各段内单次成像的成像速度；
[0178]
与传统的机载合成孔径雷达成像算法相比，采用各段并行成像然后拼接为完整图像的办法获取图像，提高了完整图像的成像速度。
[0179]
另外，通过实验验证表明：本实施例提出的多旋翼无人机载合成孔径雷达分段孔径成像(sai)方法成像分辨率很高，并且运算速度快，同时，可以对平台轨迹进行估计，降低了算法对硬件设备的要求，表明本发明能有效应用于小型机动平台合成孔径雷达成像系统。
[0180]
本实施例详细推导了平台运动参数与回波相位之间的对应关系，并对斜视下二维频谱的二阶展开式，可以不依赖于惯导设备进行运动补偿和成像。仿真时对比了本实施例方法各段、完整图像和传统成像算法的点扩散函数曲线；实测验证对比了本发明方法与传统算法的成像结果图，证明本实施例可以有效地对多旋翼无人机平台合成孔径雷达系统进行高分辨成像。
[0181]
上述实施方式为本发明的优选案例，并不用来限制本发明的保护范围。