一种改进的基于全数据集的星载ScanSAR多普勒中心估计方法

doi:10.7523/j.issn.2095-6134.2009.1.014

中国科学院大学学报 ›› 2009, Vol. 26 ›› Issue (1): 97-101.DOI: 10.7523/j.issn.2095-6134.2009.1.014

一种改进的基于全数据集的星载ScanSAR多普勒中心估计方法

曹福祥^1,2, 胡东辉¹, 洪文^1†

1中国科学院电子学研究所，北京100080；2中国科学院研究生院，北京100049

收稿日期:1900-01-01 修回日期:1900-01-01 发布日期:2009-01-15

An improved doppler centroid estimator for spaceborne ScanSAR based on full datasets

CAO Fu-Xiang^1,2, HU Dong-Hui¹, HONG Wen¹

1 Institute of Electronics，Chinese Academy of Sciences，Beijing 100080，China；
2 Graduate University of the Chinese Academy of Sciences，Beijing 100049．China

Received:1900-01-01 Revised:1900-01-01 Published:2009-01-15

摘要/Abstract

摘要： 提出了一种改进的适合于ScanSAR成像的多普勒中心估计方法。算法首先在各个子带内求得解卷绕的多普勒基带中心估计;随后利用各子带间脉冲重复频率（PRF）的差异，以最小均方误差准则寻找合适的模糊数组合，从而解决多普勒模糊问题。与以往方法不同之处在于，多普勒模糊的解法基于整个回波数据集，而不依赖于相邻子带重叠区数据，且不需要关于信号或噪声分布的先验知识。算法假设子带间的方位向天线指向变化足够小，以致由此导致的多普勒中心的变化远小于PRF的差异，从而可以近似认为多普勒中心是随距离连续变化的。该算法容易实现，并且能有效保证多普勒中心估计的精度和效率。

关键词: 合成孔径雷达, 扫描式合成孔径雷达, 多普勒中心频率, 多普勒模糊, PRF变调法

Abstract: An improved technique to estimate the Doppler Centroid (DC) for Spaceborne ScanSAR is introduced. The technique estimates unwrapped baseband measures of DC in the subswaths, and then uses PRF (pulse repetition frequency) diversity between different subswaths to solve Doppler Ambiguity by searching proper ambiguity numbers according to the Minimum Mean Square Error (MMSE) rule. This estimator exploits the full datasets but not only the overlap area data, without knowledge about probability distributions of the signals or noises. We assume that changes of azimuth antenna pointing between subswaths are small enough to guarantee that DC changes much tinier than PRF diversity. This algorithm gives efficient and accurate DC estimation, and is easy to implement.

Key words: synthetic aperture radar (SAR), ScanSAR, Doppler Centroid (DC), Doppler ambiguity, PRF diversity method

曹福祥, 胡东辉, 洪文. 一种改进的基于全数据集的星载ScanSAR多普勒中心估计方法[J]. 中国科学院大学学报, 2009, 26(1): 97-101.

CAO Fu-Xiang, HU Dong-Hui, HONG Wen. An improved doppler centroid estimator for spaceborne ScanSAR based on full datasets[J]. , 2009, 26(1): 97-101.

[1]	尹迪, 韩冰, 孙吉利, 赵良波, 洪文, 胡玉新. 天线扫描对TOPSAR辐射影响的校正方法[J]. 中国科学院大学学报, 2021, 38(6): 791-799.
[2]	林世明, 张毅, 王吉利, 赵爽. 星载双基InSAR系统中的电离层色散效应分析与校正[J]. 中国科学院大学学报, 2021, 38(6): 809-816.
[3]	刘雨洁, 齐向阳. 基于长时间间隔序贯SAR图像的运动舰船跟踪方法[J]. 中国科学院大学学报, 2021, 38(5): 642-648.
[4]	潘志刚, 王超, 曹舸. 基于距离方程组的机载SAR图像立体定位方法[J]. 中国科学院大学学报, 2020, 37(6): 798-804.
[5]	王泽隆, 徐向辉, 张雷. 基于仿真SAR图像深度迁移学习的自动目标识别[J]. 中国科学院大学学报, 2020, 37(4): 516-524.
[6]	田东, 禹卫东. 电离层色散效应对星载SAR成像的影响[J]. 中国科学院大学学报, 2019, 36(3): 376-384.
[7]	邹浩, 林赟, 洪文. 基于多角度合成SAR图像的目标识别性能分析[J]. 中国科学院大学学报, 2019, 36(2): 226-234.
[8]	蒋莎, 仇晓兰, 韩冰, 胡文龙, 卢晓军. 一种基于普通分布目标的极化SAR幅相不平衡快速评价方法[J]. 中国科学院大学学报, 2019, 36(2): 280-288.
[9]	李松, 魏中浩, 张冰尘, 洪文. 深度卷积神经网络在迁移学习模式下的SAR目标识别[J]. 中国科学院大学学报, 2018, 35(1): 75-83.
[10]	肖垚, 刘畅. 基于稀疏求解的改进PCA方法在SAR目标识别中的应用[J]. 中国科学院大学学报, 2018, 35(1): 84-88.
[11]	杨国铮, 禹晶, 孙卫东. 基于相对全变分的复杂背景SAR图像舰船尾迹检测[J]. 中国科学院大学学报, 2017, 34(6): 734-742.
[12]	陈立福, 王思雨, 袁志辉, 王静, 邢学敏, 武鸿. 非线性ECS自配准成像算法中相位保持精度分析[J]. 中国科学院大学学报, 2017, 34(5): 640-646.
[13]	潘志刚, 王小龙, 李志勇. SAR原始数据压缩的自适应比特分配BAQ算法[J]. 中国科学院大学学报, 2017, 34(1): 106-111.
[14]	杨洋, 王岩飞. 一种基于混合模型的合成孔径雷达自聚焦算法[J]. 中国科学院大学学报, 2016, 33(5): 656-663.
[15]	邢涛, 黄友红, 胡庆荣, 李军, 王冠勇. 基于动态K均值聚类算法的SAR图像分割[J]. 中国科学院大学学报, 2016, 33(5): 674-678.

一种改进的基于全数据集的星载ScanSAR多普勒中心估计方法

An improved doppler centroid estimator for spaceborne ScanSAR based on full datasets

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价

访问统计

联系我们