SAR距离多普勒成像(RD)算法

这篇具有很好参考价值的文章主要介绍了SAR距离多普勒成像(RD)算法。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

系列:

(1)SAR距离多普勒成像(RD)算法_Xc Lbb的博客-CSDN博客

(2)Chirp Scaling SAR成像算法(CS算法)_chirp scaling算法_Xc Lbb的博客-CSDN博客

(3)SAR成像波数域WK成像算法_Xc Lbb的博客-CSDN博客

(4)SAR后向投影(BP)成像算法_Xc Lbb的博客-CSDN博客

距离多普勒算法

(1)实现框图

sar rd算法 三维目标,算法

(2)流程

①雷达原始数据:

解调后单个点目标的基带信号可以表示为:

sar rd算法 三维目标,算法

                                       sar rd算法 三维目标,算法

其中sar rd算法 三维目标,算法——距离向快时间轴(光速)

      sar rd算法 三维目标,算法——方位向慢时间轴(波束照射区的推移)

    sar rd算法 三维目标,算法——多普勒中心频率

   sar rd算法 三维目标,算法——距离向包络(矩形窗函数)

  sar rd算法 三维目标,算法——方位向包络(sinc平方型函数 

   sar rd算法 三维目标,算法——载波频率

  sar rd算法 三维目标,算法——距离向调频率

瞬时斜距:sar rd算法 三维目标,算法(RD算法一般用到二阶近似)

②距离压缩:去除信号的二次相位,距离匹配函数为:

                          sar rd算法 三维目标,算法

距离压缩处理后沿距离向为sinc函数形式,即下式中的sar rd算法 三维目标,算法

sar rd算法 三维目标,算法

③方位向傅里叶变换

方位向傅里叶变换后,变为距离多普勒域,距离相同而方位不同的点目标在距离多普勒域中,位置重合。因此多个距离相同的点目标可以同时进行RCMC,这是算法可以高效实现的关键。

sar rd算法 三维目标,算法

其中距离徙动:

sar rd算法 三维目标,算法

④RCMC

插值:用于恢复非整数点上的函数值sar rd算法 三维目标,算法,使用sinc函数进行插值时,首先应当计算出相较于原来的变化量,以及插值轴的采样间隔,用变化量除以采样间隔得到移动量。

取P点的sinc插值,插值公式为:

sar rd算法 三维目标,算法

其中n'∆n四舍五入的整数部分,而franc(∆n)∆n的小数部分。

RD算法的插值在距离时域进行,变化量sar rd算法 三维目标,算法,移动量sar rd算法 三维目标,算法

⑤方位向压缩

匹配滤波器为:sar rd算法 三维目标,算法

压缩后的信号为:

sar rd算法 三维目标,算法(3)仿真

参数来源于表4.1中机载典型参数

sar rd算法 三维目标,算法

代码参考这位大佬: SAR成像(七):RD成像算法_rd算法_璇焱如柳的博客-CSDN博客

close all; clear; clc;
%% 仿真参数
%参数来源表4.1,P98
%2023.6.23 lbb
R_etac=30e3;%景中心斜距
H=10e3;%飞行高度
Tr=10e-6;%脉冲宽度
B=100e6;%信号带宽
Kr=B/Tr;%距离脉冲调频率
Fr=1.2*B;%距离采样率
Vr=250;%雷达有效速度
f0=9.4e9;%载波频率
c=3e8;%光速
lamda=c/f0;%波长
Ka=2*Vr^2/lamda/R_etac;%方位向调频率
La=1;%天线真实孔径
Ls=0.886*R_etac*lamda/La;%合成孔径长度
Ta=Ls/Vr;%目标照射时间
Bw_doppler=0.886*2*Vr/La;%多普勒带宽
Fa=600;%方位向采样率
im=sqrt(-1);%虚数单位
%% 成像区域[Xc-X0,Xc+X0; Yc-Y0,Yc+Y0]
Xc = sqrt(R_etac^2-H^2);
Yc = 0;
Xo = 500;
Yo =300;
Rmin=sqrt(H^2+(Xc-Xo)^2);%观测场景距飞机的最近距离
Rmax=sqrt(H^2+(Xc+Xo)^2);%观测场景距飞机的最远距离
Ra=Ls+2*Yo;%正侧视时雷达在方位向行走距离
%% 目标位置
target = [Xc,Yc;
          Xc-300,Yc+200;
          Xc-300,Yc-200];  
%% 生成回波
eta=0:1/Fa:Ra/Vr-1/Fa;%慢时间轴
tao=2*Rmin/c-Tr/2:1/Fr:2*Rmax/c+Tr/2-1/Fr;%快时间轴
Na=length(eta);%方位向采样点数
Nr=length(tao);%距离向采样点数
signal_receive=zeros(Na,Nr);%回波
y=-Ra/2+Vr*eta;%飞机的位置
R_eta=zeros(size(target,1),Na);%瞬时斜距
A0=1;%幅度
for i=1:size(target,1)
    R_eta(i,:)=sqrt(target(i,1)^2+(target(i,2)-y).^2+H^2);
     for j=1:Na
         signal_receive(j,:)=A0*rectpuls(tao-2*R_eta(i,j)/c,Tr).*(abs(target(i,2)-y(j))<Ls/2).*...
         exp(-im*4*pi*f0*R_eta(i,j)/c).*exp(im*pi*Kr*(tao-2*R_eta(i,j)/c).^2)+signal_receive(j,:);
    end
end
%% 距离压缩
t=-Tr/2:1/Fr:Tr/2-1/Fr;
signal_ref=exp(im*pi*Kr*t.^2);%参考信号
NFFT=Nr+length(signal_ref)-1;%FFT点数
y1=zeros(Na,NFFT);
for i=1:Na
   y1(i,:)=ifft(fft(signal_receive(i,:),NFFT).*fft(conj(fliplr(signal_ref)),NFFT));
end
signal_matched=y1(:,length(signal_ref)/2:length(signal_ref)/2+Nr-1);%取出完全卷积点
r=((tao*c/2).^2-H^2).^(1/2);%距离向横坐标
figure;
[R,Y] = meshgrid(r,y);mesh(R,Y,abs(signal_matched));view(0,90);xlim([27800 28300]);
xlabel('距离向');
title('距离压缩后');
%% RCMC
Signal_azimuth_FFT=zeros(Na,Nr);
for i=1:Nr
  Signal_azimuth_FFT(:,i)=fftshift(fft(signal_matched(:,i),Na));%方位向FFT
end
%截断sinc函数插值
Signal_RCMC=zeros(Na,Nr);
f_eta=linspace(-Fa/2,Fa/2,Na);
P=8;%截断sinc插值的核函数的点数
delta_R=lamda^2*R_etac*(f_eta).^2/8/Vr^2;
delta_n=round(2*delta_R*Fr/c);
fracn=2*delta_R*Fr/c-delta_n;
for m=1:Na
    for n=P/2+1:Nr
        for i=-P/2:1:P/2-1
            if n+delta_n(m)+i>Nr
               Signal_RCMC(m,n)=Signal_RCMC(m,n)+Signal_azimuth_FFT(m,Nr)*sinc(delta_n(m)-i); %防止溢出
            else
               Signal_RCMC(m,n)= Signal_RCMC(m,n)+Signal_azimuth_FFT(m,n+delta_n(m)+i)*sinc(fracn(m)-i);
            end
        end       
    end
end
figure;
[R,Y] = meshgrid(r,y);
mesh(R,Y,abs(ifft(Signal_RCMC)));view(0,90);xlim([27800 28300]);
title('距离徙动校正')
xlabel('距离向');
%% 方位压缩
signal_processed=zeros(Na,Nr);%处理完的信号
H_az=exp(-im*pi*f_eta.^2/Ka);
for k=1:Nr
    signal_processed(:,k) =ifft( H_az.'.*(Signal_RCMC(:,k))); %方位向压缩后
end
figure;
mesh(r,y,abs(signal_processed));
view(0,90);xlim([27800 28300]);
xlabel('距离向');
ylabel('方位向');
zlabel('幅度'); title('点目标成像结果');

仿真效果:

sar rd算法 三维目标,算法

 sar rd算法 三维目标,算法

 sar rd算法 三维目标,算法

公式自己敲得可能有错文章来源地址https://www.toymoban.com/news/detail-799943.html

到了这里,关于SAR距离多普勒成像(RD)算法的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 多普勒频率相关内容介绍

    图1 多普勒效应 径向速度是作用于雷达或远离雷达的速度的一部分。 图2 不同的速度 JEM是涡轮机的压缩机叶片的旋转的多普勒频率。 最大无模糊范围需要 尽可能低的PRF ; 最大无模糊速度需要 尽可能高的PRF; 没有一个PRF可以同时最大化两者。 要测量频率f d,必须以至少

    2024年02月07日
    浏览(40)
  • 【ISAR成像定标方法(1)—转台目标的RD成像算法MATLAB仿真】

    目录 前提介绍 ISAR成像基本流程 ISAR成像转台模型与回波建模 转台模型 发射信号与回波信号分析 转台目标RD成像算法 转台目标RD成像的仿真实验与分析 结语  ISAR成像定标方法 的研究具有重要意义,但是与之相关的学习资料以及仿真对于小白来说很难找或者很杂乱,本人作为

    2024年01月22日
    浏览(37)
  • 通信原理仿真100例 | 多普勒频移的matlab仿真

    下面是一份简单的MATLAB代码,可以用来模拟多普勒扩展现象。该代码使用了一个具有随机相位的复指数信号作为原始信号,将其通过一个多普勒频移的信道进行传输,并对接收到的信号进行频谱分析,以观察多普勒扩展的效果。 在上面的代码中,我们首先设置了一些参数,包

    2023年04月10日
    浏览(30)
  • 后向投影算法(续)-SAR成像算法系列(八)

     《后向投影算法(BPA)-SAR成像算法系列(二)》 文章目录 前言  一、成像场景设置 1.1 扫描模式 条带模式 聚束模式 1.2 几何构型 正侧视 斜视 1.3 成像坐标选择  固定场景直角坐标系 沿视线直角坐标系 数据获取面直角坐标系 数据获取面极坐标系 二、 BP算法 三、仿真结果

    2023年04月27日
    浏览(35)
  • 【OTFS与信号处理:论文阅读1】:考虑分数多普勒的OTFS系统有效信道估计(已更新)

    2023.06.05 最近在研究OTFS考虑分数多普勒时信道估计与信号检测相关问题,最近精读了一篇论文,并针对论文中部分公式进行推导,故记录一下学习过程。 论文题目: Efficient Channel Estimation for OTFS Systems in the Presence of Fractional Doppler 论文地址: https://ieeexplore.ieee.org/document/10118

    2024年02月11日
    浏览(50)
  • 【OTFS与信号处理:论文阅读4】OTFS时延多普勒域嵌入导频辅助信道估计

    2023.07.10 虽说目前已经有频谱效率更高的叠加导频设计,但是这篇论文堪称OTFS嵌入式导频的经典之作,经常被其他论文引用,左思右想觉得还是有必要重新阅读并记录学习过程。(注:关于MIMO的部分暂未深入)。 论文题目:Embedded Pilot-Aided Channel Estimation for OTFS in Delay–Dopp

    2024年02月15日
    浏览(46)
  • 【OTFS与信号处理:论文阅读4】OTFS时延多普勒域嵌入导频辅助信道估计(已更新)

    2023.07.10 虽说目前已经有频谱效率更高的叠加导频设计,但是这篇论文堪称OTFS嵌入式导频的经典之作,经常被其他论文引用,左思右想觉得还是有必要重新阅读并记录学习过程。(注:关于MIMO的部分暂未深入)。 论文题目:Embedded Pilot-Aided Channel Estimation for OTFS in Delay–Dopp

    2024年02月08日
    浏览(67)
  • 【OTFS与信号处理:论文阅读1】:考虑分数多普勒的OTFS系统有效信道估计(24.01.16更新)

    2023.06.05 最近在研究OTFS考虑分数多普勒时信道估计与信号检测相关问题,最近精读了一篇论文,并针对论文中部分公式进行推导,故记录一下学习过程。 论文题目: Efficient Channel Estimation for OTFS Systems in the Presence of Fractional Doppler 论文地址: https://ieeexplore.ieee.org/document/10118

    2024年01月17日
    浏览(46)
  • SAR成像系列:【1】合成孔径雷达(SAR)成像概述

    本系列主要介绍合成孔径雷达(SAR)成像的关键技术,帮助入门者更好的理解雷达成像原理及算法。 (1)雷达原理 雷达的英文式 Radar ,源于 Radio Detection and Ranging 的缩写,意思是“无线电探测和测距”。顾名思义初始雷达是为了探测目标距离和目标角度的。如下图所示,雷

    2024年02月02日
    浏览(30)
  • ISAC-OTFS综述论文阅读4:从OTFS到DD-ISAC:在时延多普勒域中集成感知与通信

    2023.12.14 最近需要了解通信感知一体化这一新的领域,因此会整理一些综述类的文章阅读笔记。由于内容较散,将以思维导图的形式进行论文整理与知识补充,这篇论文让我开始理解为什么OTFS可能是ISAC问题中较为合适的波形。 论文题目:From OTFS to DD-ISAC: Integrating Sensing and

    2024年04月28日
    浏览(42)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包