多方位角多基线星载SAR三维成像方法研究

匡辉 杨威 王鹏波 陈杰

引用本文:
Citation:

多方位角多基线星载SAR三维成像方法研究

    作者简介: 匡 辉(1990–),男,湖北罗田人,现为北京航空航天大学电子信息工程学院博士生,研究方向为高分辨率星载SAR信号仿真与成像、多方位角星载SAR 3维成像技术。E-mail: kuanghui@buaa.edu.cn;杨 威(1983–),男,湖北宜昌人,博士,副教授。2011年在北京航空航天大学获得博士学位,现担任北京航空航天大学电子信息工程学院副教授。主要研究方向为高分辨率星载SAR系统设计、成像处理、图像处理和目标检测方法,目前发表论文50余篇。E-mail: yangweigigi@sina.com;王鹏波(1979–),男,江西波阳人,博士,副教授。2007年在北京航空航天大学获博士学位,现担任北京航空航天大学电子信息工程学院副教授。主要研究方向为新体制成像雷达系统技术、高分辨率雷达成像处理技术。E-mail: wangpb7966@buaa.edu.cn;陈 杰(1973–),男,河南郑州人,博士,教授,博士生导师。2011年在北京航空航天大学获得博士学位,现担任北京航空航天大学电子信息工程学院副院长。主要研究方向为星载SAR新体制、图像质量提升理论与方法、电离层探测方法等,目前发表论文100余篇。E-mail: chenjie@buaa.edu.com.
    通讯作者: 陈杰, chenjie@buaa.edu.com
  • 基金项目:

    国际科技合作专项(2015DFA10270)

  • 中图分类号: TN957

Three-dimensional Imaging Algorithm for Multi-azimuth-angle Multi-baseline Spaceborne Synthetic Aperture Radar

    Corresponding author: Chen Jie, chenjie@buaa.edu.com
  • Fund Project: The International S&T Cooperation Program of China (2015DFA10270)

    CLC number: TN957

  • 摘要: 传统星载合成孔径雷达(Sythetic Aperture Radar, SAR)采用多基线的方式可获取目标区域的3维图像,解决了SAR 2维图像中的叠掩问题,但仍存在因遮挡导致的信息获取不足的问题。为此,该文首次提出了多方位角多基线星载SAR 3维成像方法,其不仅解决了叠掩问题,还通过融合不同方位角下获取的3维点云减少了遮挡区域,提升了星载SAR信息获取能力。文中首先建立多方位角多基线星载SAR空间观测模型,并通过推导论证斜视多基线观测和正侧视多基线观测具有相同的数学信号模型,为直接将正侧视时的3维成像方法应用于斜视时的3维处理提供理论支撑;在此基础上,给出多方位角多基线星载SAR 3维成像方法及处理流程,其包括SAR斜视3维处理和多方位角3维点云融合两个步骤;最后,通过方位角45°下的点阵目标实验验证SAR斜视3维处理方法的有效性,并利用方位角45°和–45°下的直升机目标仿真验证多方位角3维点云融合方法的有效性。
  • 图 1  多方位角多基线星载SAR观测模型

    Figure 1.  Obsevation model of multi-azimuth-angle multi-baseline spaceborne SAR

    图 2  斜视多基线星载SAR 3维成像几何模型

    Figure 2.  3D imaging geometry of squinted multi-baseline spaceborne SAR

    图 3  方位向配准误差影响分析示意图

    Figure 3.  Influence analysis of the registration error in azimuth

    图 4  方位向配准精度随方位角的变化关系图

    Figure 4.  The relationship between azimuth registration accuracy and azimuth angle

    图 5  方位向配准误差对高度成像影响分析结果

    Figure 5.  Effect of azimuth registration error on elevation imaging

    图 6  多方位角多基线星载SAR 3维成像处理流程

    Figure 6.  3D imaging flowchar of multi-azimuth-angle multi-baseline spaceborne SAR

    图 7  基线分布图

    Figure 7.  Distribution of baseline

    图 8  点阵目标3维分布图

    Figure 8.  3D distribution map of point targets

    图 9  点目标3维成像结果

    Figure 9.  Imaging results of point targets

    图 11  直升机模型电磁散射仿真结果

    Figure 11.  Simulation results of electromagnetic scattering from helicopter model

    图 10  直升机3维结构模型

    Figure 10.  3D structure model of the helicopter

    图 12  直升机目标45°和–45° 3维成像结果

    Figure 12.  3D imaging result of the helicopter target at ±45°

    表 1  仿真参数

    Table 1.  Simulation parameters

    参数 参数值
    中心视角(°) 30
    波长(m) 0.03
    带宽(MHz) 300
    采样率(MHz) 360
    天线长度(m) 6
    脉冲重复频率(Hz) 3000
    轨道高度(km) 520
    偏心率 0.0011
    升交点赤径(°) 0
    轨道倾角(°) 97.44
    近地点幅角(°) 90
    方位角(°) –45~45
    下载: 导出CSV
  • [1] 李春升, 王伟杰, 王鹏波, 等. 星载SAR技术的现状与发展趋势[J]. 电子与信息学报, 2016, 38(1): 229–240. DOI: 10.11999/JEIT151116Li Chun-sheng, Wang Wei-jie, Wang Peng-bo, et al. Current situation and development trends of spaceborne SAR technology[J]. Journal of Electronics&Information Technology, 2016, 38(1): 229–240. DOI: 10.11999/JEIT151116
    [2] Jung H S, Lu Z, Shepherd A, et al. Simulation of the SuperSAR multi-azimuth synthetic aperture radar imaging system for precise measurement of three-dimensional earth surface displacement[J]. IEEE Transactions on Geoscience and Remote Sensing, 2015, 53(11): 6196–6206. DOI: 10.1109/TGRS.2015.2435776
    [3] Zhu X X and Bamler R. Very high resolution spaceborne SAR tomography in urban environment[J]. IEEE Transactions on Geoscience and Remote Sensing, 2010, 48(12): 4296–4308. DOI: 10.1109/TGRS.2010.2050487
    [4] Zhu X X, Shahzad M, and Bamler R. From TomoSAR point clouds to objects: Façade reconstruction[C]. Proceedings of 2012 Tyrrhenian Workshop on Advances in Radar and Remote Sensing, Naples, Italy, 2012: 106–113.
    [5] Shahzad M, Zhu X X, and Bamler R. Façade structure reconstruction using spaceborne TomoSAR point clouds[C]. Proceedings of 2012 IEEE International Geoscience and Remote Sensing Symposium, Munich, Germany, 2012: 467–470. DOI: 10.1109/IGARRSS.2012.6351385.
    [6] Wang Y Y and Zhu X X. Feature-based fusion of tomosar point clouds from multiview TerraSAR-X data stacks[C]. Proceedings of 2013 IEEE International Geoscience and Remote Sensing Symposium, Melbourne, Australia, 2013: 85–88. DOI: 10.1109/IGARSS.2013.6721098.
    [7] Zhu X X and Shahzad M. Facade reconstruction using multiview spaceborne TomoSAR point clouds[J]. IEEE Transactions on Geoscience and Remote Sensing, 2014, 52(6): 3541–3552. DOI: 10.1109/TGRS.2013.2273619
    [8] Fornaro G, Serafino F, and Soldovieri F. Three-dimensional focusing with multipass SAR data[J]. IEEE Transactions on Geoscience and Remote Sensing, 2003, 41(3): 507–517. DOI: 10.1109/TGRS.2003.809934
    [9] 孙希龙. SAR层析与差分层析成像技术研究[D]. [博士论文], 国防科学技术大学, 2012.Sun Xi-long. Research on SAR tomography and differential SAR tomography imaging technology[D]. [Ph.D. dissertation], National University of Defense Technology, 2012.
    [10] Curlander J C and McDonough R N. Synthetic Aperture Radar: Systems and Signal Processing[M]. New York: John Wiley & Sons, 1991.
    [11] Bara M, Scheiber R, Broquetas A, et al. Interferometric SAR signal analysis in the presence of squint[J]. IEEE Transactions on Geoscience and Remote Sensing, 2000, 38(5): 2164–2178. DOI: 10.1109/36.868875
    [12] Schmitt M. Reconstruction of urban surface models from multi-aspect and multi-baseline interferometric SAR[D]. [Ph.D. dissertation], Technische Universität München, 2014.
    [13] 周月琴, 郑肇葆, 李德仁, 等. SAR图像立体定位原理与精度分析[J]. 遥感学报, 1998, 2(4): 245–250. DOI: 10.11834/jrs.19980402Zhou Yue-qin, Zheng Zhao-bao, Li De-ren, et al. Stereopair positioning algorithm for SAR images and its accuracy analysis model[J]. Journal of Remote Sensing, 1998, 2(4): 245–250. DOI: 10.11834/jrs.19980402
    [14] 王青松, 黄海风, 董臻. 星载干涉合成孔径雷达[M]. 北京: 科学出版社, 2012.Wang Qing-song, Huang Hai-feng, and Dong Zhen. Spaceborne Interferometric SAR[M]. Beijing: Science Press, 2012.
    [15] 王金峰. SAR层析三维成像技术研究[D]. [博士论文], 电子科技大学, 2010.Wang Jin-feng. Study of three-dimentional synthetic aperture radar tomography imaging technology[D]. [Ph.D. dissertation], University of Electronic Science and Technology of China, 2010.
    [16] Moreira A and Scheiber R. A new method for accurate co-registration of interferometric SAR images[C]. 1998 IEEE International Geoscience and Remote Sensing. Symposium Proceedings, Seattle, USA, 1998, 2: 1091–1093. DOI: 10.1109/IGARSS.1998.699682.
    [17] Yee K. Numerical solution of initial boundary value problems involving maxwell’s equations in isotropic media[J]. IEEE Transactions on Antennas and Propagation, 1966, 14(3): 302–307. DOI: 10.1109/TAP.1966.1138693
  • [1] 周超伟李真芳王跃锟解金卫 . 联合多方位角调频率估计的星载SAR三维成像方法. 雷达学报, 2018, 7(6): 696-704. doi: 10.12000/JR18094
    [2] 丁振宇谭维贤王彦平洪文吴一戎 . 基于波数域子孔径的机载三维SAR偏航角运动误差补偿. 雷达学报, 2015, 4(4): 467-473. doi: 10.12000/JR15016
    [3] 谢冬冬吴侠义禹卫东 . 星载SAR 收发通道相位稳定性测试方法研究. 雷达学报, 2012, 1(1): 96-99. doi: 10.3724/SP.J.1300.2013.20009
    [4] 高敬坤邓彬秦玉亮王宏强黎湘 . 扫描MIMO阵列近场三维成像技术. 雷达学报, 2018, 7(6): 676-684. doi: 10.12000/JR18102
    [5] 惠叶白雪茹 . 基于RID序列的微动目标高分辨三维成像方法. 雷达学报, 2018, 7(5): 548-556. doi: 10.12000/JR18056
    [6] 刘向阳杨君刚孟进张晓牛德智 . 低信噪比下基于Hough变换的前视阵列SAR稀疏三维成像. 雷达学报, 2017, 6(3): 316-323. doi: 10.12000/JR17011
    [7] 李杭梁兴东张福博吴一戎 . 基于高斯混合聚类的阵列干涉SAR三维成像. 雷达学报, 2017, 6(6): 630-639. doi: 10.12000/JR17020
    [8] 谢朋飞张磊吴振华 . 融合ω-K和BP算法的圆柱扫描毫米波三维成像算法. 雷达学报, 2018, 7(3): 387-394. doi: 10.12000/JR17112
    [9] 闫敏韦顺军田博坤张晓玲师君 . 基于稀疏贝叶斯正则化的阵列SAR高分辨三维成像算法. 雷达学报, 2018, 7(6): 705-716. doi: 10.12000/JR18067
    [10] 田鹤李道京祁春超 . 频域稀疏毫米波人体安检成像处理和快速成像稀疏阵列设计. 雷达学报, 2018, 7(3): 376-386. doi: 10.12000/JR17082
    [11] 明婧张晓玲蒲羚师君 . 一种新型圆迹阵列三维SAR系统的点扩散函数分析与地面实验结果. 雷达学报, 2018, 7(6): 770-776. doi: 10.12000/JR18068
    [12] 卜运成王宇张福博冀广宇陈龙永梁兴东 . 基于子空间正交的阵列干涉SAR系统相位中心位置定标方法. 雷达学报, 2018, 7(3): 335-345. doi: 10.12000/JR18007
    [13] 洪文林赟谭维贤王彦平向茂生 . 地球同步轨道圆迹SAR研究. 雷达学报, 2015, 4(3): 241-253. doi: 10.12000/JR15062
    [14] 吴一戎 . 多维度合成孔径雷达成像概念. 雷达学报, 2013, 2(2): 135-142. doi: 10.3724/SP.J.1300.2013.13047
    [15] 何峰杨阳董臻梁甸农 . 曲线合成孔径雷达三维成像研究进展与展望. 雷达学报, 2015, 4(2): 130-135. doi: 10.12000/JR14119
    [16] 林世斌李悦丽严少石周智敏 . 平地假设对合成孔径雷达时域算法成像质量的影响研究. 雷达学报, 2012, 1(3): 309-313. doi: 10.3724/SP.J.1300.2012.20035
    [17] 曾操梁思嘉王威徐青 . 基于频率步进信号的旋转式合成孔径雷达成像方法. 雷达学报, 2014, 3(4): 401-408. doi: 10.3724/SP.J.1300.2014.14043
    [18] 路满宋红军罗运华 . 基于调频连续波信号的圆弧式合成孔径雷达成像方法. 雷达学报, 2016, 5(4): 425-433. doi: 10.12000/JR16007
    [19] 金添 . 叶簇穿透合成孔径雷达增强成像方法. 雷达学报, 2015, 4(5): 503-508. doi: 10.12000/JR15114
    [20] 张珂殊潘洁王然李光祚王宁吴一戎 . 大幅宽激光合成孔径雷达成像技术研究. 雷达学报, 2017, 6(1): 1-10. doi: 10.12000/JR16152
  • 加载中
图(12)表(1)
计量
  • 文章访问数:  210
  • HTML浏览量:  70
  • PDF下载量:  199
  • 被引次数: 0
出版历程
  • 收稿日期:  2018-09-04
  • 录用日期:  2018-12-15
  • 刊出日期:  2018-12-28

多方位角多基线星载SAR三维成像方法研究

    通讯作者: 陈杰, chenjie@buaa.edu.com
    作者简介: 匡 辉(1990–),男,湖北罗田人,现为北京航空航天大学电子信息工程学院博士生,研究方向为高分辨率星载SAR信号仿真与成像、多方位角星载SAR 3维成像技术。E-mail: kuanghui@buaa.edu.cn;杨 威(1983–),男,湖北宜昌人,博士,副教授。2011年在北京航空航天大学获得博士学位,现担任北京航空航天大学电子信息工程学院副教授。主要研究方向为高分辨率星载SAR系统设计、成像处理、图像处理和目标检测方法,目前发表论文50余篇。E-mail: yangweigigi@sina.com;王鹏波(1979–),男,江西波阳人,博士,副教授。2007年在北京航空航天大学获博士学位,现担任北京航空航天大学电子信息工程学院副教授。主要研究方向为新体制成像雷达系统技术、高分辨率雷达成像处理技术。E-mail: wangpb7966@buaa.edu.cn;陈 杰(1973–),男,河南郑州人,博士,教授,博士生导师。2011年在北京航空航天大学获得博士学位,现担任北京航空航天大学电子信息工程学院副院长。主要研究方向为星载SAR新体制、图像质量提升理论与方法、电离层探测方法等,目前发表论文100余篇。E-mail: chenjie@buaa.edu.com
  • 北京航空航天大学电子信息工程学院   北京   100191
基金项目:  国际科技合作专项(2015DFA10270)

摘要: 传统星载合成孔径雷达(Sythetic Aperture Radar, SAR)采用多基线的方式可获取目标区域的3维图像,解决了SAR 2维图像中的叠掩问题,但仍存在因遮挡导致的信息获取不足的问题。为此,该文首次提出了多方位角多基线星载SAR 3维成像方法,其不仅解决了叠掩问题,还通过融合不同方位角下获取的3维点云减少了遮挡区域,提升了星载SAR信息获取能力。文中首先建立多方位角多基线星载SAR空间观测模型,并通过推导论证斜视多基线观测和正侧视多基线观测具有相同的数学信号模型,为直接将正侧视时的3维成像方法应用于斜视时的3维处理提供理论支撑;在此基础上,给出多方位角多基线星载SAR 3维成像方法及处理流程,其包括SAR斜视3维处理和多方位角3维点云融合两个步骤;最后,通过方位角45°下的点阵目标实验验证SAR斜视3维处理方法的有效性,并利用方位角45°和–45°下的直升机目标仿真验证多方位角3维点云融合方法的有效性。

English Abstract

    • 星载合成孔径雷达(Synthetic Aperture Radar, SAR)具备全天时、全天候的工作能力,已成为空间对地观测的重要手段之一。经历了近40年的发展,星载SAR在多波段、多极化、多模式、高分宽幅等方面取得了重要的研究成果,但在目标多方位角3维信息获取方面仍是空白,限制了星载SAR的应用效能。

      多方位角星载SAR是指具备方位波束大角度扫描能力,能单航过对同一目标或场景从不同方位角进行观测的天基维波成像雷达系统[1,2],其通过控制方位波束指向,一方面能够增加雷达系统对目标的观测时间,提高方位分辨率;另一方面雷达具备大斜视工作能力,在单航过中可实现广域多目标的灵活观测和重点目标的多方位角精细探测,既可提升雷达系统工作的灵活性,也可获取目标的多方位角散射信息。

      多方位角星载SAR在目标3维信息获取方面也具有很好的应用潜能。基于多基线的SAR层析(SAR Tomography, TomoSAR)[39] 3维成像技术可以解决SAR 2维图像中固有的叠掩问题[10],但是现有的星载SAR系统只能获取观测区域小方位角范围内的3维图像,无法获取复杂、不规则目标中被遮挡部分的3维信息。遮挡现象在城市区域尤为严重[4,5],文献[6,7]通过将升降轨获取的3维图像融合处理可以减少遮挡区域,但获取升降轨图像数据需要较长时间,且仍仅获取了左右正侧视两个方向的观测信息。为此,本文首次提出了多方位角多基线星载SAR 3维观测模型,其不仅可通过多基线3维成像解决SAR 2维图像中的叠掩问题,还可通过融合不同方位角下的3维点云减少了遮挡区域,可提升星载SAR观测性能。但为得到融合后的多方位角3维点云,需要解决方位斜视观测时的多基线3维成像和多方位角3维点云融合两大难题。目前尚无论文开展方位斜视观测时的多基线3维成像技术的研究,文献[11]分析了方位斜视时的干涉信号模型,具有借鉴意义。在3维点云融合方面,文献[7]则是先将3维点云投影到地面估计建筑物的轮廓,在此基础上利用建筑物侧面垂直于地面的先验信息,将左右侧视获取的3维点云进行融合得到重建后的3维建筑,但该方法不适用于有复杂3维结构的目标。文献[12]提出了一种基于立体像素网格的融合方法,并已应用于多基线机载SAR 3维点云融合中,取得了较好的效果,该方法也适用于不同方位角下3维点云融合处理。

      基于上述分析,为获取目标的多方位角3维信息,本文首先建立多方位角多基线星载SAR 3维观测模型,并推导论证方位斜视观测时的多基线3维成像信号模型与正侧视时具有统一的形式,因此可以直接将正侧视多基线3维成像方法应用于方位斜视模式;进一步分析方位配准精度对3维成像的影响,并指出方位配准精度随着方位斜视角的增大而增大;讨论3维点云生成方法和多方位角3维点云融合方法;在上述分析的基础上,提出多方位角多基线星载SAR 3维成像方法,并给出3维成像处理流程,最后通过点目标和直升机模型仿真实验验证本文方法的有效性。

    • 多方位角多基线星载SAR观测模型如图1所示,其中, ${L_n}\left( {n = 1,2, ·\!·\!· ,N} \right)$ 表示卫星第 $n$ 次飞行轨迹, ${P_{n,m}}\left( {n = 1,2, ·\!·\!· ,N,m = 1,2, ·\!·\!· ,M} \right)$ 表示在第 $n$ 次飞行过程对目标区域的第 $m$ 次观测,其对应的方位斜视角为 ${\varphi _m}$ , $N$ $M$ 分别为卫星飞行轨道次数和每轨飞行过程中的观测次数。图中假设每轨飞行过程观测的次数相同,且方位角也相同。基于图1所示观测模型,则可获取同一目标区域的 $N \times M$ 组2维成像数据,为进行3维成像提供了丰富的数据源对,将同一方位角下的多基线数据进行处理,则可实现方位斜视3维成像。

      图  1  多方位角多基线星载SAR观测模型

      Figure 1.  Obsevation model of multi-azimuth-angle multi-baseline spaceborne SAR

      为了获取方位斜视观测下的3维图像,建立了如图2所示的斜视多基线星载SAR 3维成像几何模型,假设卫星利用多航过对目标区域进行了 $N$ 次观测,且每次观测的方位角均为 $\varphi $ ,以第 ${N / 2}$ 次观测模型为参考,建立直角坐标系 $O\!{{\raisebox{1.5pt}{\tiny{-}}}}\!\!X\!YZ$ ,卫星沿 $Y\;$ 轴方向飞行,飞行速度为 $v$ , ${P_n}$ 表示第 $n$ 次观测时卫星位置,其位于平面 ${P_{{N / 2}}}O'''O$ 内, $S$ 为高度向,其垂直于斜距成像平面 ${P_{{N / 2}}}O'''O''$ ,且平行于平面 ${P_{{N / 2}}}O'''O\,$ , $R$ 垂直于 $Y\,$ 轴和 $S$ 轴,直线 $b$ 为平行基线方向,其位于平面 ${P_{{N / 2}}}O'''O\,$ 内,且平行于 $S$ 轴, ${y_{{N / 2}}}$ ${P_{{N / 2}}}$ 到平面 ${P'\!\!_{{N / 2}}}O''O'$ 的距离, $r$ ${P_{{N / 2}}}$ $O''$ 之间的距离, ${r_0}$ ${P'\!\!_{{N / 2}}}$ $O''$ 之间的距离,由图中几何关系可知 $r = \sqrt {r_0^2 + y_{{N / 2}}^2} $ ,且有 ${r_0} = r\cos \varphi $ , ${y_{{N / 2}}} = r\sin \varphi $ 。将向量 $ {{{P}\!_{{N / 2}}}{{P}\!_n}} $ 分别沿 $S$ $R$ 方向投影,则可以得到垂直基线 ${b_{n, \bot }}$ 和平行基线 ${b_{n,//}}$ 分别为

      $ {b_{n, \bot }} = \frac{{ {{{P}\!_{{N / 2}}}{{P}\!_n}} \cdot {{s}}}}{{\left| { {s}} \right|}}\ $

      $ {b_{n,//}} = \frac{{{{{P}_{{N / 2}}}{{P}_n}} \cdot {{ {r}}_0}}}{{\left| {{{ {r}}_0}} \right|}} $

      基于图2几何模型, ${P_n}$ 与位于 $S$ 轴上的目标点 $A\left( {r,s} \right)$ 的斜距为 ${R_n}\left( {r,s} \right)$ ,则有

      图  2  斜视多基线星载SAR 3维成像几何模型

      Figure 2.  3D imaging geometry of squinted multi-baseline spaceborne SAR

      $ \begin{align} {R_n}\left( {r,s} \right) =& \sqrt {{{\left( {r\cos \varphi \!-\! {b_{n,//}}} \right)}^2} \!\!+\! {{\left( {s \!-\! {b_{n, \bot }}} \right)}^2} \!\!+\! {{\left( {r\sin \varphi } \right)}^2}} \\ \approx & \sqrt {{{\left( {r\cos \varphi - {b_{n,//}}} \right)}^2} + {{\left( {r\sin \varphi } \right)}^2}} \\ {\rm{}}&+ \frac{{{{\left( {s - {b_{n, \bot }}} \right)}^2}}}{{2\sqrt {{{\left( {r\cos \varphi - {b_{n,//}}} \right)}^2} + {{\left( {r\sin \varphi } \right)}^2}} }} \end{align} $

    • 假设获取的原始数据已经采用2维成像算法完成聚焦处理,并得到了2维复图像数据,且选择第 ${N / 2}$ 图像为主图像,并将其它图像与主图像进行配准,图像配准方法在后文中将进行详细讲述。则基于Born近似,第 $n$ 幅图像中的信号具有如下形式[8,9]

      $ \begin{align} {\rm{S}}{{\rm{S}}_n}\left( {y,r} \right) =& \int_{y - \scriptsize\displaystyle\frac{{{\rho _{\rm a}}}}{2}}^{y + \scriptsize\displaystyle\frac{{{\rho _{\rm a}}}}{2}} {\int_{r - \scriptsize\displaystyle\frac{{{\rho _{\rm r}}}}{2}}^{r + \scriptsize\displaystyle\frac{{{\rho _{\rm r}}}}{2}} {f\left( {y - y',r - r'} \right)} } \\ {\rm{}}&\cdot \left[ \int_{{s_{{\min}}}}^{{s_{{\max}}}} {\sigma \left( {y',r',s} \right)} \right. \\ {\rm{}}& \left.\cdot \exp \left\{ { - {\rm{j}}\frac{{4{{π}}}}{\lambda }{R_n}\left( {r',s} \right)} \right\}{\rm{d}}s \right]{\rm{d}} y' {\rm{d}} r' \end{align} $

      其中, ${\rho_{\rm a}}$ ${\rho _{\rm r}}$ 分别为2维图像中的方位向和距离向分辨率, $\sigma \left( {y',r',s} \right)$ 为3维目标散射系数, $\lambda $ 是波长, $\left[ {{s_{{\min}}},{s_{{\max}}}} \right]$ 为目标在高度向的跨度, $f\left( {y,r} \right)$ 为点目标2维响应函数,在斜视观测时,其近似具有如下形式:

      $ \begin{align} f\left( {y,r} \right) =& {\rm{sinc}}\left( {\frac{y}{{{\rho _{\rm a}}}}} \right) \cdot {\rm{sinc}}\left( {\frac{{r - {{\lambda {f_{{\rm{dc}}}}y} / {2v}}}}{{{\rho _{\rm r}}}}} \right) \\ {\rm{}}& \cdot \exp \left\{ { - {\rm{j}}2{{π}}{f_{{\rm{dc}}}}\frac{y}{v}} \right\} \end{align} $

      其中, ${f_{{\rm{dc}}}}$ 为多普勒中心频率。从式(5)可以看出,与正侧视观测时点目标2维响应函数相比,斜视观测时的点目标2维响应函数具有沿方位向的“斜坡”相位,且方位向与距离向不完全正交。

      将式(5)代入式(4)中,则有

      $ \begin{align} {\rm{S}}{{\rm{S}}_n}\left( {y,r} \right) =& \int_{y - \scriptsize\displaystyle\frac{{{\rho _{\rm a}}}}{2}}^{y + \scriptsize\displaystyle\frac{{{\rho _{\rm a}}}}{2}} \int_{r - \scriptsize\displaystyle\frac{{{\rho _{\rm r}}}}{2}}^{r + \scriptsize\displaystyle\frac{{{\rho _{\rm r}}}}{2}} {\rm{sinc}}\left( {\frac{{y - y'}}{{{\rho _{\rm a}}}}} \right) \\ {\rm{}} & \cdot {\rm{sinc}}\left( {\frac{{r - {{\lambda {f_{{\rm{dc}}}}\left( {y - y'} \right)} / {2v}} - r'}}{{{\rho _r}}}} \right) \\ {\rm{}} & \cdot \exp \left\{ { - {\rm{j}}2{{π}}{f_{{\rm{dc}}}}\frac{{y - y'}}{v}} \right\} \\ {\rm{}} & \cdot \left[ \int_{{s_{\min }}}^{{s_{\max }}} {\sigma \left( {y',r',s} \right)}\right. \\ {\rm{}}& \left.\cdot \exp \left\{ { - {\rm{j}}\frac{{4{{π}}}}{\lambda }{R_n}\left( {r',s} \right)} \right\}{\rm{d}}s \right]{\rm{d}}y'{\rm{d}}r' \end{align} $

      又由式(3)可知

      $ \begin{align} {R_n}\left( {r\,',s} \right) \approx & \sqrt {{{\left( {r\,'\cos \varphi - {b_{n,//}}} \right)}^2} + {{\left( {r'\sin \varphi } \right)}^2}} \\ {\rm{}}& + \frac{{{{\left( {s - {b_{n, \bot }}} \right)}^2}}}{{2\sqrt {{{\left( {r'\cos \varphi - {b_{n,//}}} \right)}^2} + {{\left( {r'\sin \varphi } \right)}^2}} }} \end{align} $

      由于 $r' \in \left( {r - \displaystyle\frac{{{\rho _{\rm r}}}}{2},r + \displaystyle\frac{{{\rho _{\rm r}}}}{2}} \right)$ $r' \gg {\rho _{\rm r}}$ ,则有

      $ \begin{align} {\rm{}} &\frac{{{{\left( {s - {b_{n, \bot }}} \right)}^2}}}{{2\sqrt {{{\left( {r'\cos \varphi - {b_{n,//}}} \right)}^2} + {{\left( {r'\sin \varphi } \right)}^2}} }} \\ {\rm{}}&\approx \frac{{{{\left( {s - {b_{n, \bot }}} \right)}^2}}}{{2\sqrt {{{\left( {r\cos \varphi - {b_{n,//}}} \right)}^2} + {{\left( {r\sin \varphi } \right)}^2}} }} \end{align} $

      又因为 $r \gg {b_{n,//}}$ ,则有

      $ \begin{align} {\rm{}}& \sqrt {{{\left( {r'\cos \varphi - {b_{n,//}}} \right)}^2} + {{\left( {r'\sin \varphi } \right)}^2}} {\rm{ - }}\sqrt {{{\left( {r\cos \varphi - {b_{n,//}}} \right)}^2} + {{\left( {r\sin \varphi } \right)}^2}} \\ {\rm{}}& \quad\quad{\rm{ = }}\frac{{\left( {r' + r - 2\cos \varphi {b_{n,//}}} \right) \left( {r' - r} \right)}}{{\sqrt {{{\left( {r'\cos \varphi - {b_{n,//}}} \right)}^2} + {{\left( {r'\sin \varphi } \right)}^2}} {\rm{ + }}\sqrt {{{\left( {r\cos \varphi - {b_{n,//}}} \right)}^2} + {{\left( {r\sin \varphi } \right)}^2}} }}\\ {\rm{}}& \quad\quad \approx \left( {r' - r} \right) - \frac{{{b_{n,//}} \left( {r' - r} \right) \cos \varphi }}{r} \approx \left( {r' - r} \right) \end{align} $

      因此,式(7)可以写成如下形式:

      $ \begin{align} {R_n}\left( {r',s} \right) \approx &\left( \sqrt {{{\left( {r'\cos \varphi - {b_{n,//}}} \right)}^2} + {{\left( {r'\sin \varphi } \right)}^2}}\right. \\ {\rm{}}& \left.{\rm{ - }}\sqrt {{{\left( {r\cos \varphi - {b_{n,//}}} \right)}^2} + {{\left( {r\sin \varphi } \right)}^2}} \right)\\ {\rm{}}& + \Biggr( \sqrt {{{\left( {r\cos \varphi - {b_{n,//}}} \right)}^2} + {{\left( {r\sin \varphi } \right)}^2}} \\ {\rm{}}& + \frac{{{{\left( {s - {b_{n, \bot }}} \right)}^2}}}{{2\sqrt {{{\left( {r\cos \varphi - {b_{n,//}}} \right)}^2} + {{\left( {r\sin \varphi } \right)}^2}} }} \Biggr)\\ \approx & {R_n}\left( {r,s} \right) + \left( {r' - r} \right) \end{align} $

      将式(10)代入式(6)中,则有

      $ \begin{align} {\rm{S}}{{\rm{S}}_n}\left( {y,r} \right) =& \int_{{s_{\min }}}^{{s_{\max }}} \Biggr[ \int_{y - \scriptsize\displaystyle\frac{{{\rho _{\rm a}}}}{2}}^{y + \scriptsize\displaystyle\frac{{{\rho _{\rm a}}}}{2}} \int_{r - \scriptsize\displaystyle\frac{{{\rho _{\rm r}}}}{2}}^{r + \scriptsize\displaystyle\frac{{{\rho _{\rm r}}}}{2}} {\rm{sinc}}\left( {\frac{{y - y'}}{{{\rho _{\rm a}}}}} \right)\\ {\rm{}}& \cdot {\rm{sinc}}\left( {\frac{{r - {{\lambda {f_{{\rm{dc}}}}\left( {y - y'} \right)} / {2v}} - r'}}{{{\rho _{\rm r}}}}} \right) \\ {\rm{}}& \cdot \exp \left\{ { - {\rm{j}}2{{π}}{f_{{\rm{dc}}}}\frac{{y - y'}}{v}} \right\} \\ {\rm{}}& { \cdot \sigma \left( {y',r',s} \right) \exp \left\{ { \!- {\rm{j}}\frac{{4{{π}}}}{\lambda }\left( {r' \!-\! r} \right)} \right\}{\rm{d}}y'{\rm{d}}r'} \Biggr] \\ {\rm{}}& \cdot \exp \left\{ { - {\rm{j}}\frac{{4{{π}}}}{\lambda }{R_n}\left( {r,s} \right)} \right\}{\rm{d}}s \end{align} $

      对于2维图像中一特定的像素单元,式(11)中中括号内的二元积分项为定值,可以表示为如下形式:

      $ \begin{align} {\sigma _0}\left( {y,r,s} \right) =& \int_{y - \scriptsize\displaystyle\frac{{{\rho _a}}}{2}}^{y + \scriptsize\displaystyle\frac{{{\rho _{\rm a}}}}{2}} \int_{r - \scriptsize\displaystyle\frac{{{\rho _{\rm r}}}}{2}}^{r + \scriptsize\displaystyle\frac{{{\rho _{\rm r}}}}{2}} \!\!\sigma \left( {y',r',s} \right) {\rm{sinc}}\left( {\frac{{y - y'}}{{{\rho _{\rm a}}}}} \right) \\ {\rm{}}& \cdot {\rm{sinc}}\left( {\frac{{r - {{\lambda {f_{{\rm{dc}}}}\left( {y - y'} \right)} / {2v}} - r'}}{{{\rho _{\rm r}}}}} \right) \\ {\rm{}}& \cdot \exp \left\{ { - {\rm{j}}2{{π}}{f_{{\rm{dc}}}}\frac{{y - y'}}{v}} \right\} \\ {\rm{}}&\cdot \exp \left\{ { - {\rm{j}}\frac{{4{{π}}}}{\lambda }\left( {r' - r} \right)} \right\}{\rm{d}}y'{\rm{d}}r' \end{align} $

      式(12)表明经过2维成像后,3维目标的散射系数可以看作是在同一像素单元内的多个目标经过方位、距离的幅度和相位调制的结果,因此式(6)可以简化为

      $ \begin{align} {\rm{S}}{{\rm{S}}_n}\left( {y,r} \right) =& \int_{{s_{{\min}}}}^{{s_{{\max}}}} {{\sigma _0}\left( {y,r,s} \right)} \\ {\rm{}}& \cdot \exp \left\{ { - {\rm{j}}\frac{{4{{π}}}}{\lambda }{R_n}\left( {r,s} \right)} \right\}{\rm{d}}s \end{align} $

      由式(13)可以看出,方位斜视观测和正侧视观测时的信号模型具有统一的形式,传统基于正侧视观测的SAR 3维信号模型是式(13)的一个特例,即方位角 $\varphi $ 为零0°。但对于散射特性随方位角变化的目标,在不同方位角观测时,式(12)中的二元积分项 ${\sigma _0}\left( {y,r,s} \right)$ 会不同,则经过3维反演后的3维散射系数也存在差异,其对后续的3维点云融合也有影响。本文主要从理论上分析说明多方位角多基线星载SAR 3维成像的可行性,因此假设目标散射特性不随方位角变化,但在后续研究将会分析散射特性空变性对3维点云融合的影响。

    • 基于式(13)的统一信号模型,则用于处理正侧视多基线SAR数据的方法也可以直接用于处理斜视多基线SAR数据。目前,SAR 3维成像处理方法主要分为3类,分别是基于傅里叶变换的方法、基于现代谱估计的方法和基于压缩感知理论的方法。本文重点研究星载SAR斜视3维成像机理,同时考虑未来星载SAR可通过轨道优化设计、多星组网等方式获取高度向均匀、过采样信号,因此本文采用基于傅里叶变换的方法进行高度向数据处理。

      为实现高度向信号的聚焦,首先需要将高度向信号的2次相位补偿掉,使得高度向信号的频率范围校正到零频附近,其可通过将高度向信号与参考目标信号进行共轭相乘实现,该步骤也称为去斜,文献[9]对高度向信号去斜进行了详细说明。但为了计算参考目标信号,需要成像区域的参考地形(如DEM参数),在初始DEM无法获取或者DEM数据精度不够时,可采用SAR图像立体定位方法[13]获取DEM数据。在地形已知的情况下,参考目标信号可以表示为

      $ \begin{align} {H_n}\left( {r,y} \right) =& \exp \left\{ { - {\rm{j}}\frac{{4{{π}}}}{\lambda }{R_n}\left( {r,0} \right)} \right\} = \exp \left\{ {\! - j\frac{{4{{π}}}}{\lambda }\sqrt {{{\left( {r\cos \varphi \!-\! {b_{n,//}}} \right)}^2} \!+\! b_{n, \bot }^2 \!+\! {{\left( {r\sin \varphi } \right)}^2}} } \right\}\\ \approx & \exp \left\{ { - {\rm{j}}\frac{{4{{π}}}}{\lambda }\sqrt {{{\left( {r\cos \varphi - {b_{n,//}}} \right)}^2} + {{\left( {r\sin \varphi } \right)}^2}} } \right\} \exp \left\{\! { - {\rm{j}}\frac{{4{{π}}}}{\lambda }\frac{{b_{n, \bot }^2}}{{2\sqrt {{{\left( {r\cos \varphi - {b_{n,//}}} \right)}^2} + {{\left( {r\sin \varphi } \right)}^2}} }}}\! \right\} \end{align} $

      去斜后信号为

      $ \begin{align} {\rm{SS}}'\!_n\left( {y,r} \right) =& {\rm{S}}{{\rm{S}}_n}\left( {y,r} \right)H_n^ * \left( {r,y} \right) = \int_{{s_{\min }}}^{{s_{\max }}} {{\sigma _0}\left( {y,r,s} \right)} \exp \left\{ {{\rm{j}}\frac{{4{{π}}}}{\lambda }\frac{{s{b_{n, \bot }}}}{{\sqrt {{{\left( {r\cos \varphi - {b_{n,//}}} \right)}^2} + {{\left( {r\sin \varphi } \right)}^2}} }}} \right\}\\ {\rm{}}& \cdot \exp \left\{ { - {\rm{j}}\frac{{2{{π}}}}{\lambda }\frac{{{s^2}}}{{\sqrt {{{\left( {r\cos \varphi - {b_{n,//}}} \right)}^2} + {{\left( {r\sin \varphi } \right)}^2}} }}} \right\}{\rm{d}}s \end{align} $

      式(15)包括关于高度向位置 $s$ 的2次相位项,该相位项对于高度向目标聚焦无影响,可将其归结到 ${\sigma _0}\left( {y,r,s} \right)$ 中。同时,考虑到 ${b_{n,//}} \ll r$ ,则式(15)可以写为

      $ \begin{align} {\rm{SS}}'\!_n\left( {y,r} \right) & \approx \int_{{s_{{\min}}}}^{{s_{{\max}}}} {{{\sigma '}\!\!_0}\left( {y,r,s} \right)} \\ {\rm{}}& \quad\quad\cdot\exp \left\{ { - {\rm{j}}2{{π}}\left( { - \frac{{2{b_{n, \bot }}}}{{\lambda r}}} \right)s} \right\}{\rm{d}}s \\ {\rm{}}&= {\rm{FT}}\left( {{{\sigma '}\!\!_0}\left( {y,r,s} \right)} \right){|_{{\xi _n}}} \end{align} $

      其中, ${\rm{FT}}\left( \cdot \right)$ 表示傅里叶变换函数, ${\sigma '\!\!_0}\left( {y,r,s} \right) = $ $ {\sigma _0}\left( {y,r,s} \right) \exp \left\{ { - {\rm{j}}\displaystyle\frac{{2{{π}}}}{\lambda }\frac{{{s^2}}}{r}} \right\}$ , ${\xi _n} = - \displaystyle\frac{{2{b_{n, \bot }}}}{{\lambda r}}$

      由式(16)可以看出,高度向采样信号可看作是高度向目标散射信息的频谱在 ${\xi _n}$ 处的采样,因此通过逆傅里叶变换即可重构高度向的散射信息,即

      $ {\sigma '\!_0}\left( {y,r,s} \right) = {\rm{F}}{{\rm{T}}^{ - 1}}\bigr( {{\rm SS}'\!_n\left( {y,r} \right)}\bigr) $

      其中, ${\rm{F}}{{\rm{T}}^{ - 1}}\left( \cdot \right)$ 表示逆傅里叶变换函数。

      通过上述处理后,假设垂直基线 ${b_{n, \bot }}$ 沿高度向均匀分布,相邻垂直基线间距为 $\Delta b$ ,则在高程向的分辨率 ${\rho _{\rm h}}$ 和最大无模糊高程 $h$ 分别为

      $ {\rho _{\rm h}} = {\rho _{\rm s}}\sin {\theta _r} = \frac{{\lambda r\sin {\theta _r}}}{{2{B_{ \bot ,{\rm{total}}}}}} $

      $ h = H\sin {\theta _r} = \frac{{\lambda r\sin {\theta _r}}}{{2\Delta b}}\ \ $

      其中, ${B_{ \bot ,{\rm{total}}}} = \left| {{b_{N, \bot }} - {b_{1, \bot }}} \right|$ 为总的垂直基线长度, ${\theta _r}$ 为本地入射角。

    • 在3维成像处理前,需要对原始2维图像数据进行配准。实际中,图像难以做到完全配准,因此需要分析配准误差对3维成像的影响。

      为了简化分析,假设一个像素单元内仅有一个目标,且像素单元内信号不受其它像素单元目标的影响。若目标 $\sigma \left( {{y_0},{r_0},s} \right)$ 刚好落在像素单元 $\left( {y,r} \right)$ 中心,第 $n$ 幅图像无配准误差时,其信号模型为

      $ \begin{align} {\rm{S}}{{\rm{S}}_n}\left( {y,r} \right){\rm{ = }}&\sigma \left( {{y_0},{r_0},s} \right) {\rm{sinc}}\left( {\frac{{y - {y_0}}}{{{\rho _{\rm a}}}}} \right) \\ {\rm{}}&\cdot {\rm{sinc}}\left( {\frac{{r - {r_0} - {{\lambda {f_{{\rm{dc}}}}\left( {y - {y_0}} \right)} / {2v}}}}{{{\rho _{\rm r}}}}} \right)\\ {\rm{}}& \cdot \exp \left\{ { - {\rm{j}}2{{π}}{f_{{\rm{dc}}}}\frac{{y - {y_0}}}{v}} \right\} \\ {\rm{}}& \cdot \exp \left\{ { - {\rm{j}}\frac{{4{{π}}}}{\lambda }{R_n}\left( {{r_0},s} \right)} \right\} \end{align} $

      若第 $n$ 幅图像与主图像存在配准误差为 $\left( {\Delta y,\Delta r} \right)$ ,其中 $\Delta y$ $\Delta r$ 分别为方位向和距离向的配准误差量,则 $\left( {y,r} \right)$ 像素单元对应的信号模型为:

      $ \begin{align} {\rm{S}}{{{\rm{S'}}}\!_n}\left( {y,r} \right){\rm{ = }}&\sigma \left( {{y_0},{r_0},s} \right) {\rm{sinc}}\left( {\frac{{y - {y_0} - \Delta y}}{{{\rho _{\rm a}}}}} \right) \\ {\rm{}}&\!\cdot {\rm{sinc}}\!\!\left(\! {\frac{{r \!-\! {r_0} \!-\! \Delta r \!-\! {{\lambda {f_{{\rm{dc}}}}\left( {y \!-\! {y_0} \!-\! \Delta y} \right)} / {2v}}}}{{{\rho _{\rm r}}}}} \!\right)\\ {\rm{}}& \!\cdot \exp \left\{ { - {\rm{j}}2{{π}}{f_{{\rm{dc}}}}\frac{{y - {y_0} - \Delta y}}{v}} \right\} \\ {\rm{}}&\!\cdot \exp \left\{ { - {\rm{j}}\frac{{4{{π}}}}{\lambda }{R_n}\left( {{r_0},s} \right)} \right\} \end{align} $

      比较式(21)和式(20)可以看出,当存在配准误差时,信号不仅在幅度上有差异,在相位上也发生了变化。幅度上的差异受 ${\rm{sinc}}\left( \cdot \right)$ 函数的包络调制影响,而相位的变化是由于方位向“斜坡”相位引起的,图3对这一现象进行了说明。

      图  3  方位向配准误差影响分析示意图

      Figure 3.  Influence analysis of the registration error in azimuth

      通常情况下,采用分块精配准处理,图像配准精度可优于0.1个像素单元[14]。文献[15]的分析结果表明,在图像配准精度达到0.1个像素单元时,其对3维成像的影响可以忽略。但上述文献中的分析针对的是正侧视观测情况,正侧视观测时多普勒中心频率为0,因此方位向配准误差不会引入相位误差。但在斜视条件下,方位向配准误差引入的相位误差不可忽略,方位向配准误差 $\Delta y$ 引入的相位误差 ${\varphi _{{\rm{error}}}}$ 如式(22)所示:

      $ \begin{align} {\varphi _{{\rm{error}}}} =& 2{{π}}{f_{{\rm{dc}}}}\frac{{\Delta y}}{v} = 2{{π}}{f_{{\rm{dc}}}}\frac{{\Delta y}}{{{v / {{f_{{\rm{PRF}}}}}}}} \frac{1}{{{f_{{\rm{PRF}}}}}} \\ =& 2{{π}}{f_{{\rm{dc}}}} \frac{1}{{{f_{{\rm{PRF}}}}}} \Delta k \end{align} $

      其中, ${f_{{\rm{PRF}}}}$ 为脉冲重复频率, $\Delta k = {f_{{\rm{PRF}}}}\displaystyle\frac{{\Delta y}}{v}$ 是以像素单元为单位。

      假设各图像与主图像间的配准误差服从均匀分布 $\left[ { - K,K} \right]$ ,其中 $0 < K < 1$ ,则高度向信号序列也存在均匀分布的误差相位。若要求误差相位不超过90°,则有

      $ K \le \frac{{{f_{{\rm{PRF}}}}}}{{4{f_{{\rm{dc}}}}}} = \frac{{{f_{{\rm{PRF}}}} \lambda }}{{8v\sin \varphi }} $

      基于表1中的仿真参数,仿真分析了方位向配准精度需求随方位角的变化关系,其结果如图4所示,可以看出随着方位角的增大,方位向配准精度要求越高,当方位向斜视角为45°时,方位向配准误差要控制在0.01个像素单元以内。

      图  4  方位向配准精度随方位角的变化关系图

      Figure 4.  The relationship between azimuth registration accuracy and azimuth angle

      为了进一步验证上述分析的合理性,图5给出了方位角为45°下不同配准误差时高度向成像结果。由图5可以看出,当配准误差大于0.01个像素单元时,旁瓣抬升,成像质量严重恶化,验证了上述理论分析的正确性。

      图  5  方位向配准误差对高度成像影响分析结果

      Figure 5.  Effect of azimuth registration error on elevation imaging

      为了确保高度向成像质量,本文采用基于频谱分割差分相位的配准方法[16]完成SAR图像的精配准。该方法已经应用于干涉SAR图像的配准中,机载SAR真实数据处理结果表明该方法的配准精度优于0.01个像素单元[16]。在实际场景中,若目标区域高程起伏较大,可将场景区域划分更小的子块,逐子块进行精配准。同时,为了保证高度向成像质量,本文建议斜视多基线星载SAR 3维成像时,其方位角不超过45°。

    • 对于星载SAR系统,由于多基线2维图像数据获取需要间隔较长时间,非永久散射体目标相干性较差,在高度向处理中相当于噪声,因此需要通过3维点云生成步骤去除非相干目标点,只保留永久散射体目标。为了获取3维点云,首先对每个方位/距离像素单元沿高度向用惩罚似然准则的方法[3]估计目标个数,即模型阶数选择,并获取目标的散射信息;进一步根据空间成像几何关系可得到每个目标的3维坐标;最后,将各目标点3维坐标转换到地心转动坐标系中,即可得到3维几何校正后的3维点云。当获取了多个方位角的3维点云后,可采用基于立体像素网格的融合方法进行3维点云融合[12]。利用该方法可在转动地心坐标系下进行3维立体网格划分,网格像素间距可根据3维分辨率设定,根据已知目标点的位置信息可确定目标在3维立体网格中的位置。由于多方位角的3维点云存在重复目标点,当一个3维立体网格中存在多个目标点时,则分别以这些目标点的幅度和几何位置参数的平均值当做该网格目标的幅度和几何位置参数。通过幅度平均,还可以一定程度上缓解目标散射系数随方位角的空变性。通过上述处理,则可以得到多方位角3维点云融合后的图像。需要注意的是,受论文篇幅影响,本文在3维融合处理中没有考虑目标散射系数随方位角的空变性对3维点云融合的影响,在后续的研究将对此进行进一步分析。

      基于上述分析,多方位角多基线星载SAR 3维成像处理流程如图6所示,主要包括SAR斜视3维处理和多方位角3维点云融合两个步骤。首先,利用单方位角下获取的多基线数据经过斜视SAR图像配准、去斜处理、高度向处理和3维点云生成,可得到单角度的3维点云图像,再将多个方位角的3维点云通过融合处理,即可得到目标的多方位角3维图像。

      图  6  多方位角多基线星载SAR 3维成像处理流程

      Figure 6.  3D imaging flowchar of multi-azimuth-angle multi-baseline spaceborne SAR

    • 为了验证本节提出的多方位角多基线星载SAR 3维成像处理方法的有效性,分别进行了点阵目标和直升机模型仿真实验,仿真参数如表1所示。通过合理设计轨道,可利用轨道重访获得均匀基线分布,图7给出了方位角45°观测时得到49条基线分布图,从图7(a)可以看出垂直基线总长度约3000 m,相邻垂直基线间距约63 m,根据式(18)和式(19)可求得高程向分辨率和最大无模糊高程分别约为2 m和90 m;图7(b)中的平行基线长度约为1700 m,远小于斜距长度。

      图  7  基线分布图

      Figure 7.  Distribution of baseline

      参数 参数值
      中心视角(°) 30
      波长(m) 0.03
      带宽(MHz) 300
      采样率(MHz) 360
      天线长度(m) 6
      脉冲重复频率(Hz) 3000
      轨道高度(km) 520
      偏心率 0.0011
      升交点赤径(°) 0
      轨道倾角(°) 97.44
      近地点幅角(°) 90
      方位角(°) –45~45

      表 1  仿真参数

      Table 1.  Simulation parameters

    • 点阵目标场景分布如图8所示,其包含5个离散点目标,图9给出了方位角为45°时3维成像结果。图9(a)为点阵目标的压缩结果,可以看出目标均被压缩到正确的位置;图9(b)图9(d)分别为中心点目标在方位向、斜距向和高度向的剖面图,其中斜距向剖面图是根据式(4)沿斜距向最大值方向获取的,而不是直接沿垂直方位向,可以看出目标得到了精确聚焦。上述仿真结果验证了本文提出的星载SAR斜视3维成像方法的有效性。

      图  8  点阵目标3维分布图

      Figure 8.  3D distribution map of point targets

      图  9  点目标3维成像结果

      Figure 9.  Imaging results of point targets

    • 为进一步说明多方位角多基线星载SAR 3维成像在解决叠掩与遮挡方面的优越性,进行了多方位角3维成像实验。仿真中使用的直升机3维结构模型如图10所示。基于直升机3维结构模型,采用时域有限差分方法(Finit-Difference Time-Domain method, FDTD)[17]可获取不同方位角观测下直升机模型电磁散射系数,如图11所示,图11(a)图11(b)分别为方位角为45°(前斜视)和–45°(后斜视)下的仿真结果,图中每个点表示一个散射单元,其电磁散射系数进行了归一化处理,并用不同的颜色进行编码(为了匹配系统的分辨率,实际仿真中将直升机模型等比例放大了16倍)。从图11(a)图11(b)中可以看出明显的遮挡效应,不同方位角下获取的电磁散射结果也具有较大差别。图11(c)给出了±45°斜视角下获取的电磁散射单元融合后的结果(仅考虑了散射单元位置,忽略了电磁散射系数大小),其中红色和蓝色分别表示方位角–45°和45°时可观测的散射单元,可以看出通过多方位角度融合可得到直升机的较完整的结构模型,进一步说明采用多方位角观测获取3维图像的必要性。

      图  11  直升机模型电磁散射仿真结果

      Figure 11.  Simulation results of electromagnetic scattering from helicopter model

      图  10  直升机3维结构模型

      Figure 10.  3D structure model of the helicopter

      在卫星每次飞行过程中,通过调整方位波束指向,对仿真场景进行了2次观测,分别为方位角45°和–45°,并且通过轨道重访得到了49轨数据。

      采用本文提出的3维成像方法分别对45°和–45°方位角下获取的2维图像序列进行数据处理,得到3维成像结果如图12所示。图12(a)图12(b)分别为方位角45°和–45°时的3维点云结果,其中目标点归一化后的散射系数用不同颜色显示,图中目标的3维结构与图11中的仿真模型一致,进一步验证了本文提出的斜视3维成像方法的有效性。图12(c)给出了将方位角45°和–45° 3维点云融合后的结果。可以看出,经过3维点云融合后,可获取目标更全面的3维信息,展现了多方位角多基线星载SAR在3维成像方面的优越性。

      图  12  直升机目标45°和–45° 3维成像结果

      Figure 12.  3D imaging result of the helicopter target at ±45°

    • 本文针对多方位角多基线星载SAR 3维成像技术开展研究,首先建立多方位角多基线星载SAR空间观测模型,进而推导多基线星载SAR统一的3维成像信号模型,在此基础上提出星载SAR斜视3维成像方法,分析斜视条件下图像配准精度对3维成像质量的影响,并给出星载SAR 3维点云生成与融合方法和处理流程。最后,通过点阵目标和直升机模型仿真实验验证本文方法的有效性。本文从理论上说明了多方位角多基线星载SAR 3维成像的可行性,但仍存在较多不足,在后续研究将对以下问题进行深入的分析:(1)进一步研究目标散射系数空变性对多方位角3维点云融合的影响,并提出有效的补偿方法;(2)当存在系统误差时,不同方位角下获取的3维点云在地心转动坐标系下存在位置偏移,无法直接进行融合处理,需要先对不同方位角获取3维点云进行配准,再进行融合处理,因此需要进一步研究3维点云配准方法。

参考文献 (17)

目录

    /

    返回文章
    返回