SAR imaging Learning

最新推荐文章于 2024-05-30 16:17:47 发布
最新推荐文章于 2024-05-30 16:17:47 发布
阅读量492 收藏 7
点赞数 2
文章标签： 算法
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_36150763/article/details/131254621
版权

SAR成像学习中的一些问题

对于LFM中dechirp的理解

这里要清楚对于LFM信号而言，由于其时频谱的形式都是二次方，与高斯信号类似，所以做的操作与其他信号在频域进行告诉匹配滤波一样。从而dechirp本质就是匹配滤波。

dechirp与时域匹配滤波的区别

dechirp操作是以生成更大的参考LFM为代价的，而且由于带宽的降低，采样点数随之减少，同时，dechirp会引入RVP项。
对于时域匹配滤波而言，由于需要满足nyqusit采样定理，所以采样相同时间窗内采样的点数急剧增加

雷达成像技术—P9中的理解

RVP项消除的理解
`公式（2.13）中的以参考点的时间作为基准感觉十分别扭，不是很本质的！ > 我的理解

消除RVP的本质是为了使得所有的单频信号全部对齐。
因此只要利用傅里叶时频关系，在频域乘以以参考距离为指数的相位，进行反变换即可实现RVP的消除<=>距离对齐。
公式推导——这样理解可能更好接受
RVP消除的公式推导
从公式中不难看出该方法的巧妙之处在于将所有的信号转移到了频域处理，最后统一乘上一个时移相位将信号在时域统一进行搬移。

由以上的频域推导联想到线性相位FIR

我们知道线性相位FIR滤波器与IIR的一个本质不同就是对于N很大的FIR滤波器系统是存在一个较大延迟的，即输入信号输出将滞后(N-1)/2的时间。
FIR滤波器的这种现象就是因为其较大的线性相位，根据Fourier变换关系可知频域负线性相位==>时域产生正比的滞后(延迟)
而IIR滤波器由于其递归结构基本不存在延迟，是一个实时系统。

RVP最大的影响

最大的影响实际是使得在时域脉冲不对齐的情况下的脉冲主副瓣干扰增强，因此一般要进行如下的处理。
RVP后时域加窗

注意采样时间与采样率是没有本质联系的，采样率只依赖于信号的带宽，采样时间只影响采样点数。

dechirp处理下的波数域理解

RVP对准图RVP时域对准图
dechirp下的波数域形式 dechirp下的波数域形式> 实际信号处理时的KR表示KR表示

注意 ：空间的时延与设备中产生信号所需要的时间是两码事！

接受端乘以一个参考Rref的chirp信号是合理的，从TI的板子可以看出，ADC开始采样前是有一段线性频率被生成且发射出去的，但是这段时间是不进行采样的。也就意味这接受与发射在经过产生信号的几微秒后，接受信号头与发射信号头相遇并进行混频，从而实现dechirp。

分析球面函数可知

不同距离的目标引入的空变性不一样；横向的目标位置改变不会引起空变

利用POSP方法进行多普勒域计算中遇到的问题

成像的精确计算，解析表达形式。其他的大多数算法都是在这基础上的近似

成像算法的核心推导

蓝线部分少了一个负号

续1
续2
续4

上面的蓝线处少了一个负号！

Chirp Scaling Algorithm的解析表达式推导

CS的调频率推导

CS的调频率推导以及时域表达形式

续-调频率推导
由于徙动因子D(fa)（小于1的）的调制作用使得不同距离上的徙动程度不一致，CS的第一步就是使得所有的弯曲都校正的与参考中心一致在这里插入图片描述
在这里插入图片描述
根据时域两个调频斜率成倍数关系的chirp信号相乘，输出信号延时会对应的发生尺度变换的原理
在这里插入图片描述
注意最后一个相位项中时延是有下标的

计算CS因子的具体表达式CS因子的表达式
CS因子结果CS因子
从而CS的滤波器构造如下在这里插入图片描述

对CS的一致校正的理解

CS因子校正后的理解

CS补偿算法流程

CS补偿操作流程
续

qq_36150763
关注
  • 2
    点赞
  • 踩
  • 7
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
dechirp_dechirp_脉冲压缩_解线调_解线频调_雷达_
09-30
雷达系统逆合成孔径雷达，脉冲压缩方法之解线频调
极坐标格式算法（PFA）-SAR成像算法系列（六）
yjh_2019的博客
05-18 7505
SAR成像算法：极坐标格式算法，介绍了算法的基本原理以及实现步骤，包含dechirp处理、RVP补偿，距离插值、方位插值。文后附有代码，可根据自身情况下载。
探索SAR成像：一款开源的合成孔径雷达图像处理工具
gitblog_00055的博客
04-01 405
探索SAR成像：一款开源的合成孔径雷达图像处理工具 项目地址:https://gitcode.com/joeyos/SAR-imaging 项目简介 SAR-imaging 是一个由Joeyos开发的开源项目，专注于合成孔径雷达（Synthetic Aperture Radar, SAR）图像处理和分析。该项目提供了一个直观的用户界面，使得非专业用户也能轻松操作，同时也为开发者提供了Python...
线性调频信号的解线调(dechirp，去斜)处理matlab仿真
诚朴勇毅
01-14 2790
去斜处理的主要原理为用发射副本信号与回波混频得到基带信号，再用傅里叶变换提取基带信号频率，通过时域到频域的转换将时域脉冲信号压缩为频域上的一个峰。匹配滤波和解线调其实都是一个sinc函数乘以一个复指数项的形式，两者的sinc函数一个位于快时间域一个位于距离频率域。去斜处理在一些特殊场合，不仅运算简单，而且可以简化设备，已经广泛应用于SAR和ISAR中作脉冲压缩。
Deep Learning Meets SAR
weixin_41697507的博客
07-16 7181
Deep Learning Meets SAR Abstract Deep learning in remote sensing has become an international hype, but it is mostly limited to the evaluation of optical data. Although deep learning has been introduced in SAR data processing, despite successful first attemp
论文阅读 Contrastive Learning-Based Dual Dynamic GCN for SAR Image Scene Classification (TNNLS2022)
qq_43497436的博客
08-19 1108
后来，我们计算在嵌入空间中的结点和边——构建图块级的结点，会降低算法的计算复杂度——但是不同的图块可能属于不同的场景，一些可能是主要场景一些可能是干扰场景，特别存在于一些多重场景中——不区分这些场景会导致学到的特征区别度减弱，导致最后的分类结果变差——为了解决这个问题，我们设计了结点注意力模块，来自动的学习图块中的主要的场景，构建更具有区别度的结点——设计了一个动态相关性矩阵学习算法，来自适应的学习结点之间的边，学习空间邻居关系、非局部依赖特征、以及在预测的场景标签中的先验知识。是在线网络的目标输出。
SAR Image Classification via Deep Recurrent Encoding Neural Networks
张帅影&RS&DeepLearning
12-26 202
With the advancement of imaging techniques, it permits to produce higher resolution SAR data and extend data amount. Therefore, intelligent algorithms for high-resolution SAR image classification are demanded. Inspired by deep learning technology, an end-t
Deep learning for image classification
qq_33786177的博客
09-26 1457
转自github，感谢作者mrgloom的整理 链接：https://github.com/mrgloom/awesome-semantic-segmentation   Awesome Semantic Segmentation Networks by architecture Semantic segmentation U-Net [https://arxiv.org/pdf/15...
paperdaily sar2opt 1.2
m0_37951243的博客
05-16 180
FCN-score fcn8s的分割得分 比较loss函数 ——pix2pix Since ...
High-Speed Ship Detection in SAR Images Based on a Grid Convolutional Neural Network 20190904
NotFound_error的博客
09-04 5845
High-Speed Ship Detection in SAR Images Based on a Grid Convolutional Neural Network Abstract1. Introduction2. Methodology2.1.Dataset2.2 G-CNN2.3. Model2.4. Anchor Box2.5.Evaluation Indicator3. Experi...
SAR imaging simulation-RD algorithm.zip
05-12
合成孔径雷达（SAR）距离多普勒（RD）成像算法Matlab仿真程序。
CUDA-SAR imaging CSA
05-14
基于gpu的sar成像程序。告借助GPU 强大的浮点运算和 高度的并行处理能力，将SAR成像中CSA算法在GPU上进行了验证，并得出了较好的效果。
Multichanel SAR Imaging USing Wavefront Reconstruction
06-07
一篇多套到SAR成像的文献，采用了波前重构算法，非常难得！
Near Space SAR Imaging Using Subaperture Technique
01-11
临近空间子孔径SAR成像技术，肖欣，景晓军，临近空间，指距地面20-100千米的空域，处于现有飞机的最高飞行高度和卫星的最低轨道高度之间，大致包括大气的平流层、中间层和部分
PSLandISL.rar_SAR IMAGING_SAR-wls_sar成像_sidelobe
07-15
sar成像最后如果要查看结果，就是这个程序实现的功能，画出峰值旁瓣比！
video PAR/DAR/SAR
haima1998的专栏
09-11 1299
转自：http://www.animemusicvideos.org/guides/avtech3/theory-videoaspectratios.html https://en.wikipedia.org/wiki/Pixel_aspect_ratio Advanced Aspect Ratios - PAR, DAR and SAR Now first of a
Leecode---347：输出前k个高频元素（使用unordered_map）
最新发布
qq_41920323的博客
05-30 194
unordered_map实现输出前k个高频元素
算法每日一题（python,2024.05.24) day.6
L613Z的博客
05-27 426
数字比较型可以用双指针法寻找数字相同（或构成其他关系）的俩个数值（或其他类型），涉及到与数值有关的列表问题可以思考到sort()排序方法加以辅助。
MIMO-SAR-mmWave-Imaging-Toolbox-master教程
05-25
MIMO-SAR-mmWave-Imaging-Toolbox 是一个 MATLAB 工具箱，用于 MIMO 雷达、SAR 和毫米波成像应用。它提供了许多函数和算法，可以实现基于 MIMO 雷达或毫米波成像技术的数据处理、图像重建、成像评估等操作。下面是一个简单的教程，介绍如何使用该工具箱进行数据处理和图像重建。 1. 准备数据 准备一组 MIMO 雷达或毫米波成像数据，可以使用自己的数据或下载样例数据。 2. 初始化工具箱 在 MATLAB 中打开 MIMO-SAR-mmWave-Imaging-Toolbox，通过运行 init.m 脚本初始化工具箱。 3. 加载数据 使用 load_data 函数加载数据，例如： ``` data = load_data('data.mat'); ``` 其中，'data.mat' 是数据文件名，可以根据实际情况修改。 4. 数据预处理 对数据进行预处理，例如去除 DC 偏移、零均值化、归一化等操作。可以使用 preprocess_data 函数，例如： ``` data = preprocess_data(data); ``` 5. 图像重建 使用 imaging 函数进行图像重建，例如： ``` image = imaging(data); ``` 其中，image 是重建得到的图像。 6. 图像评估 对图像进行评估，例如计算分辨率、信噪比等指标。可以使用 evaluate_image 函数，例如： ``` resolution = evaluate_image(image); snr = evaluate_image(image, 'snr'); ``` 其中，resolution 是分辨率指标，snr 是信噪比指标。 以上就是 MIMO-SAR-mmWave-Imaging-Toolbox 的基本使用方法。使用该工具箱进行 MIMO 雷达或毫米波成像数据处理和图像重建，可以大大提高效率和准确性。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值