本文主要内容是SAR成像中的信号处理基础。
匹配滤波/脉冲压缩
匹配滤波就是输入信号经过匹配滤波器这个系统,所以可表示为卷积,而自相关又和卷积有关系:
x(t)和y(t)做相关等于x(t)与y(-t)做卷积
所以匹配滤波可以看作自相关过程、也可以看作卷积过程,再根据时域卷积频域乘积,就可以通过FFT和乘法运算来实现匹配滤波(这也启示我们,通过FFT可以实现自相关)
以上就是实际仿真中常用的实现方法,这在后面的SAR成像算法部分还会提到。
根据匹配滤波器的性质,有
h
(
t
)
=
s
∗
(
−
t
)
h(t)=s^* (-t)
h(t)=s∗(−t)
注意其中的
s
(
t
)
s (t)
s(t)是输入信号。
在频域角度分析,信号可表示为各次谐波的加和,而滤波器与输入信号的幅度谱相同,相位谱相反,所以经过匹配滤波器之后,对于各次谐波来说,波形不变,相位清零,这样的话所有波峰将会对齐,再叠加之后就在输出信号中形成了尖峰。
在理想情况下,目标反射的回波信号只与原信号
s
(
t
)
s(t)
s(t)差一个时延
τ
τ
τ,可以认为在频域表现为一个附加相位,但注意此时滤波器的
h
(
t
)
h(t)
h(t)仍是原
s
(
t
)
s(t)
s(t)的复共轭再翻转,因此“相位清零”只针对原输入信号的相位,而回波带来的附加相位依然保留。
此时尖峰不再出现在
t
=
0
t=0
t=0处,而是出现在
t
=
τ
t=τ
t=τ处,这样就能根据尖峰位置获取到时延,从而得到雷达与目标间的距离。
以上就是脉冲压缩的实现方法,以及通过它确定目标位置的原理。
可视化角度讲解请看这个视频:
匹配滤波器的几个问题解答
除了便于目标定位之外,还可以有其它思考角度。
在雷达系统中,为了得到较高的分辨率,就需要发射信号有较窄的脉冲宽度;但这样的信号持续时间短,脉冲能量较低,会导致回波信噪比太小,难以成像。
这个问题也可以通过脉冲压缩来解决:我们仍然使用LFM信号作为雷达的发射信号,只需要在接收时对回波信号进行匹配滤波(也就是脉冲压缩),就可以将其压缩成一个尖峰,也就是变成了sinc函数。这样即满足信噪比要求,又能在接受处理时有较窄的脉宽来保证分辨率。
插值
插值又称为重采样。我们知道,只要采样频率满足奈奎斯特准则,就可以从采样后的离散信号中无失真地恢复出原始的模拟信号。
考虑这样的问题:假设现在在信号的整数点处进行采样,我们手里只有采样后的离散信号,没有原来的模拟信号,但在后续操作中却需要某个非整数点的值——那么便可以利用插值来解决这个问题。
原理也很简单,先返回去重建出原始信号,再在需要的位置重新采样即可。
这个过程可以用数字信号与插值核的卷积实现,常用的插值核是sinc函数。除此之外有时我们也会用到样条插值,这里暂时先不展开。