基于RD域分块的改进距离徙动成像算法

doi:10.7523/j.issn.2095-6134.2011.4.011

中国科学院大学学报 ›› 2011, Vol. 28 ›› Issue (4): 498-504.DOI: 10.7523/j.issn.2095-6134.2011.4.011

基于RD域分块的改进距离徙动成像算法

徐海胜^1,2, 宋红军¹, 华斌¹, 袁志辉^1,2

1. 中国科学院电子学研究所,北京 100190;
2. 中国科学院研究生院,北京 100049

收稿日期:2010-07-13 修回日期:2010-10-15 发布日期:2011-07-15

Modified RMA based on range sub-blocks in range-Doppler domain

XU Hai-Sheng^1,2, SONG Hong-Jun¹, HUA Bin¹, YUAN Zhi-Hui^1,2

1. Institute of Electronics, Chinese Academy of Sciences, Beijing 100190, China;
2. Graduate University, Chinese Academy of Sciences, Beijing 100049, China

Received:2010-07-13 Revised:2010-10-15 Published:2011-07-15

摘要/Abstract

摘要：

研究了二维频域成像算法,提出一种基于RD域分块的改进距离徙动成像算法,并将该算法与近似算法和一般逆变标算法进行了点阵目标仿真和运算效率比较.当测绘带较宽且距离徙动较大时,该算法聚焦性能优于近似算法和一般逆变标算法.通过比较还可看出该算法运算效率高于逆变标算法.最后用实测数据仿真验证了该算法是可行的.

关键词: 合成孔径雷达, 距离多普勒, 距离徙动, 分块, 成像算法

Abstract:

On the basis of our study on SAR imaging algorithm in 2D frequency domain, we propose a modified range migration algorithm (RMA) using range sub-blocks in range-Doppler domain (RDB-RMA), and make a comparison between our proposed algorithm and other two algorithms, approximate RMA and scaled inverse Fourier transformation algorithm (SIFTA). The simulation data show that RDB-RMA is better in focusing capabilitity than the other two algorithms, when the swath is very wide and the range migration is very large. By comparing these algorithms, we conclude that RDB-RMA is better in computing efficiency than SIFTA. Finally, an experiment carried out on measured data confirms feasibility of the proposed algorithm.

Key words: synthetic aperture radar (SAR), range Doppler (RD), range migration, block, imaging algorithm

中图分类号:

TN957

徐海胜, 宋红军, 华斌, 袁志辉. 基于RD域分块的改进距离徙动成像算法[J]. 中国科学院大学学报, 2011, 28(4): 498-504.

XU Hai-Sheng, SONG Hong-Jun, HUA Bin, YUAN Zhi-Hui. Modified RMA based on range sub-blocks in range-Doppler domain[J]. , 2011, 28(4): 498-504.

参考文献

[1] Cumming I G, Wong F H. Digital processing of synthetic aperture radar data algorithms and implementation
[M]. Norwood,MA: Artech House, 2005: 323-362.

[2] Stolt R H. Migration by fourier transform
[J]. Geophysics, 1978,43(1): 23-48.

[3] Carrara W G, Goodman R S, Majewski R M. Spotlight synthetic aperture radar: signal processing algorithms
[M]. Norwood,MA: Artech House, 1995: 340-360.

[4] Loffeld O, Hein A, Schneider F. SAR focusing: scaled inverse Fourier transformation and chirp scaling //1998 IEEE International Geoscience and Remote Sensing Symposium Proceedings( IGARSS'98). Seattle, WA,1998, 2: 630-632.

[5] Yu W, Loffeld, Knedlik S. Spotlight-mode SAR data focusing using a modified wavenumber domain algorithm //IEEE International Geoscience and Remote Sensing Symposium(IGARSS 2007). Barcelona,2007: 567-570.

[6] Subiza B, Gimeno-Nieves E, Lopez-Sanchez J M, et al. An approach to SAR imaging by means of non-uniform FFT's //2003 IEEE International Geoscience and Remote Sensing Symposium(IGARSS '03).2003, 6: 4089-4091.

[7] Subiza B, Gimeno-Nieves, Lopez-Sanchez J M, et al. Non-uniform FFT's (NUFFT) algorithms applied to SAR imaging //Proceedings of SPIE. Bellingham, WA, 2004, 5236: 72-79.

[8] Yong W, Hongjun S, Xiuqin X, et al. Improved RMA based on nonuniform fast fourier transforms(NUFFT's) //9th International Conference on Signal Processing(ICSP 2008). Beijing, 2008: 2489-2492.

[9] Cumming I G, Neo Y L, Wong F H. Interpretations of the omega-K algorithm and comparisons with other algorithms //2003 IEEE International Geoscience and Remote Sensing Symposium(IGARSS ’03). 2003, 3: 1455-1458.

[10] Wang R, Loffeld O, Neo Y L, et al. Focusing bistatic SAR data in airborne/stationary configuration
[J]. IEEE Transactions on Geoscience and Remote Sensing, 2010, 48(1): 452-465.

[11] Loffeld O, Nies H, Peters V, et al. Models and useful relations for bistatic SAR processing
[J]. IEEE Transactions on Geoscience and Remote Sensing, 2004, 42(10): 2031-2038.

[12] Mittermayer J, Moreira A, Loffeld O. Spotlight SAR data processing using the frequency scaling algorithm
[J]. IEEE Transactions on Geoscience and Remote Sensing, 1999, 37(5): 2198-2214.

[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.

基于RD域分块的改进距离徙动成像算法

Modified RMA based on range sub-blocks in range-Doppler domain

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