THz级大带宽激光合成孔径雷达成像系统的数据处理方法

摘要

本专利公开了一种THz级大带宽激光合成孔径雷达成像系统的数据处理方法，系统由线性调谐半导体激光器、99:1光纤耦合器、90:10光纤耦合器、发射准直镜、极化偏振分束镜、λ/4波片、目标位移平台、接收准直镜、4个50:50光纤耦合器、2个平衡探测器、参考延时光纤、分子波长参考器、光功率计、数据采集模块和数据处理程序模块构成。本专利的激光合成孔径雷达成像系统是基于大范围线性调谐激光脉冲信号，采用零差相干探测技术、平衡探测技术和合成孔径技术，最后利用特殊的数据处理程序，计算得出目标的二维图像，优点是激光信号波长短，带宽大，成像分辨率高，具有全天时的特点；另外系统大部分基于光纤器件，稳定性高，结构简单，探测灵敏度高，作用距离远。

主权项

1.一种THz级大带宽激光合成孔径雷达成像系统的数据处理方法，它是在包括线性调谐半导体激光器（1）、99:1光纤耦合器（2）、90:10光纤耦合器（3）、发射准直镜（4）、极化偏振分束镜（5）、λ/4波片（6）、接收准直镜（7）、50:50光纤耦合器I（8）、50:50光纤耦合器II（9）、50:50光纤耦合器III（10）、目标通道平衡探测器（11）、50:50光纤耦合器IV（12）、参考通道平衡探测器（13）、参考延时光纤（14）、分子波长参考器（15）、光功率计（16）、目标位移平台（17）、数据采集模块（18）和数据处理程序模块（19）的系统上实现的，其特征在于：对数据采集模块（18）采集两个平衡探测器和光功率计输出的电信号而获得的目标通道数据A、参考通道数据B和同步通道数据C的数据处理方法步骤如下：步骤1，三通道数据同步：每发射一个激光脉冲，三个通道会被同时采集一次，采集速率和长度一致，分别记为目标通道数据A、参考通道数据B及同步通道数据C,从同步通道数据C中找出第一个吸收峰的位置，按照该位置分别从目标通道数据A、参考通道数据B截取出等长的目标通道数据A₀、参考通道数据B₀，以保证脉冲与脉冲之间的初始相位一致；步骤2，距离向压缩：对每一个脉冲数据进行距离向压缩处理，主要是非线性调频相位误差补偿方法，即利用参考通道数据包含的相位误差补偿掉目标通道数据中的相位误差，得到距离聚焦图像Ⅰ，操作如下：①对目标通道数据A₀和参考通道数据B₀的数据进行加与数据长度等长的汉明窗w(t)，得到加窗后的目标通道数据A₁：A₁＝A×w(t)  （1）和参考通道数据B₁：B₁＝B×w(t)              （2）②利用时—频分析从加窗后的目标通道数据A₁中提取出相位随时间的分布再从加窗后的参考通道数据B₁中提取出相位随时间的分布③将数据B₁的相位减去理想参考通道的相位分布而得到参考通道数据B₁的相位误差分布其中：理想参考通道的相位分布为：式中：K_r是线性调频系数，对于特定系统是个常数，为调谐脉冲信号的时间宽度，B为信号带宽，B＝c/λ₁-c/λ₂，λ₁为激光调谐的起始波长，λ₂为激光调谐的终止波长，c为光速；R_r为参考延时光纤中的光程，等于参考延时光纤的长度与光纤折射率1.44的乘积；④将相位误差分布乘以一个尺度变换因子ξ，ξ为0～1之间的某个数，得到变换后的相位误差分布拿数据A₁的相位分布减去变换后的相位误差分布即得到补偿后的目标通道数据A₁的相位分布：⑤把补偿后的目标通道数据A₁的相位分布与原始的目标通道数据A₁的幅度分布结合成为补偿后的目标通道数据C：⑥对补偿后的目标通道数据C进行傅里叶变换，并计算锐化函数S(ξ)值：其中为对的傅里叶变换，||是取模值；⑦改变尺度变换因子ξ，重新由步骤④—⑥计算锐化函数的值，循环找出使得锐化函数有最大值时所对应的ξ_max，并利用此ξ_max，求出最终补偿后的目标通道数据，记为最终补偿后的目标通道数据D：⑧再对最终补偿后的目标通道数据D进行傅里叶变换，得到频谱数据，该频谱数据具有与目标距离R_T对应的峰值，目标距离R_T与频谱中频率坐标f的关系如公式（9）示：$R_T=\frac{f·c}{{2K}_r}---\left(9\right)$即完成单个脉冲数据的距离向压缩，再将处理后的数据按照先后次序排列起来，一个单个脉冲数据占据数组的一列，形成二维数组数据，即得距离聚焦图像Ⅰ；步骤3，方位向压缩：用匹配滤波算法将距离聚焦图像Ⅰ沿着方位向进行处理，图像Ⅰ是复数图像，方位向指数组的行方向，对所有数据行都处理完毕即完成方位向压缩，得到方位聚焦图像Ⅱ，操作如下：①沿着行方向的数据均对应同一个距离，记为距离单元数据E，对E进行傅里叶变换，得到数据F：$F=F\left\{E\right\}---\left(10\right)$②按照多普勒调频斜率V为目标移动速度，设定参考函数为：$h\left(t\right)=\exp (\mathrm{j\pi }·K_d·{t_a}^2)---\left(11\right)$其中t_a为方位向时间，再对参考函数h(t)在一个合成孔径时间T_sa内进行傅里叶变换，得到：H_a＝F{h(t)}       （12）合成孔径时间为R₀为发射孔径到目标的距离，D_T为系统的发射孔径直径大小；③将数据F与H_a的共轭相乘，再进行傅里叶反变换，得到方位向压缩好的数据G，其中conj为取共轭：$G=\mathrm{IFFT}\{F·\mathrm{conj}\left(H_a\right)\}---\left(13\right)$④对所有的行数据进行方位向压缩处理后，即得方位聚焦图像Ⅱ，图像Ⅱ为复数图像；步骤4，梯度相位自聚焦：用梯度相位自聚焦算法对方位聚焦图像Ⅱ进行处理，基于数据补偿方位向的高阶相位误差，进一步锐化图像，迭代数次后得到最终图像Ⅲ，操作如下：①选点：在方位聚焦图像Ⅱ上，沿着行方向，遍历每个距离单元u_n，选择满足Steinberg提出的归一化幅度方差的距离单元作为特显点距离单元u_spec，如公式（14）示：${\sigma }_{\mathrm{un}}^2=\stackrel{‾}{{(u_n-\overline{u_n})}^2}/\overline{u_n^2}=1-{{\bar{u}}_n}^2/\overline{u_n^2}---\left(14\right)$其中是第n个距离单元目标回波序列幅度的均值，是其均方值，再从找到的各个特显点距离单元中选取最大值作为特显点；②中心移位：采用圆周移位方法，将特显点即每个特显点距离单元中的最强散射点移至中间位置，得到u_cs如公式（15），以消除因散射点位置不同而引入的多普勒频率偏移；$u_{\mathrm{cs}}=\mathrm{circshift}\left(u_{\mathrm{spec}}\right)---\left(15\right)$③加窗：根据图像对比度特征选取汉明窗函数，通过方位向数据加窗去除强散射点周围散射点对相位误差估计的影响，仅保留散射点因相位误差所造成的模糊区域；若窗函数长度过大，窗内数据信噪比降低，不仅造成迭代次数增加，而且影响相位估计精度；如果窗函数长度过小，将导致相位误差估计失真，甚至造成估计发散；此外，加窗对提高PGA算法的鲁棒性具有重要作用；操作过程中窗函数的长度len要提前规定，并随着迭代而变化，如公式（16）：u_w＝hamming(len)·u_cs  （16）④FFT：对加窗后的数据沿着方位向进行傅里叶变换，将数据变换到距离-多普勒域，如公式（17）：$I_w(n,X)=F\left\{u_w\right\}=F\{\mathrm{ham}\min g\left(\mathrm{len}\right)·u_{\mathrm{cs}}\}---\left(17\right)$其中，I_w(n,X)为图像加窗后的方位向傅里叶变换，n为距离行的序号，X为方位向序号；⑤相位梯度估计：依据最大似然估计的最优估计准则，利用相位误差对距离向的冗余特性对相位梯度进行估计，沿着方位向，估计相位梯度如下：$\Delta \hat{\Phi }\left(X\right)=\arg \{\underset{n=1}{\overset{M}{\Sigma }}{I}_w^{*}(n,X-1)·I_w(,\mathrm{mX})\}---\left(18\right)$其中，arg为求相位角的函数，M为特显点距离单元的个数，X为方位向序号；⑥求相位误差：对所估计的相位梯度，沿着方位向X积分求和，得出相位误差分布，如公式（19）：$\hat{\Phi }\left(X\right)=\underset{l=1}{\overset{X}{\Sigma }}\Delta \hat{\Phi }\left(l\right)---\left(19\right)$⑦相位补偿：将原始的方位聚焦图像Ⅱ的数据u_n进行傅里叶变换，得到再把求得的相位误差分布补偿到上，即沿着方位向X共轭相乘，然后再用IFFT变换回图像域，得到本次聚焦好的图像ΙΙΙ_i；${\mathrm{III}}_i=\mathrm{IFFT}\left\{F\right\{u_n\}·\exp [-j\hat{\Phi }\left(X\right)\left]\right\}---\left(20\right)$其中，下标n是指对图像Ⅱ中所有的距离单元都进行该操作；将缩小窗的长度len，用本次求得的图像ΙΙΙi替换图像Ⅱ，重复步骤①-⑦，得到图像ΙΙΙ_i+1，继续进行迭代，使得图像进一步聚焦，直至满足次数要求，得到最终图像Ⅲ。