基于扇貝效應校正的改進滑動Mosaic全孔徑成像算法

趙 團 鄧云凱 王 宇 李 寧 王翔宇②

①(中國科學院電子學研究所 北京 100190)

②(中國科學院大學 北京 100039)

基于扇貝效應校正的改進滑動Mosaic全孔徑成像算法

趙 團*①②鄧云凱①王 宇①李 寧①王翔宇①②

①(中國科學院電子學研究所 北京 100190)

②(中國科學院大學 北京 100039)

該文提出了一種針對滑動Mosaic模式合成孔徑雷達(SAR)的全孔徑成像算法，包含了扇貝效應校正和尖脈沖抑制。該方法創新性地通過方位向去斜預處理，來校正由于雷達天線轉動引入的天線方向圖加權，即扇貝效應校正技術。尖脈沖抑制的主要思想是利用線性預測譜估計算法，通過相鄰Burst數據外推來補全Burst之間的空缺數據，從而抑制由多個Burst相干處理所引起的尖脈沖，即“矛刺”。最后，帶寬為200 MHz的C波段機載SAR系統實驗處理結果驗證了該文所提方法的有效性。

合成孔徑雷達；滑動Mosaic；扇貝效應校正；全孔徑成像算法；線性預測模型

1 引言

合成孔徑雷達(SAR)因其全天時全天侯的地球影像獲取能力，被認為是一種有效的地球遙感手段[1]。由于距離向非模糊寬度對系統設計的限制，傳統的SAR系統不能同時滿足方位向高分辨率、距離向寬測繪帶的要求。方位向高分辨率來自于直徑較短的天線在長合成孔徑時間內對目標進行照射，從而產生更高的多普勒帶寬，需要足夠高的脈沖采樣頻率(PRF)才能避免頻譜混疊。相應地，非模糊距離要求子脈沖之間有較大的時間間隔，限制了PRF的取值。掃描SAR(ScanSAR)作為經典的寬測繪帶SAR成像解決方案，通過犧牲方位向分辨率來增加測繪寬度。為了提高方位向分辨率，聚束/滑動聚束模式犧牲了波束的方位向覆蓋范圍。隨著科技的進步，越來越多的科研任務及軍事活動對SAR系統提出了新的需求，新的系統概念隨之出現[2]。

Mosaic模式是一種新的SAR工作方式，通過將滑動聚束/聚束模式與ScanSAR相結合，實現高分寬測成像。在數據采集期間，雷達天線不僅像ScanSAR一樣在距離向上掃描，而且像聚束/滑動聚束模式一樣在方位向上掃描。根據雷達天線不同的方位向掃描方法，Mosaic模式可分為兩種：方位向圍繞場景中心掃描的聚束Mosaic模式[1]，及方位向圍繞更遠的虛焦點掃描的滑動Mosaic模式[3–5]。以色列間諜衛星TECSAR首先采用了滑動Mosaic模式，在25 km×25 km范圍內實現距離向及方位向均為1.8 m分辨率的成像[6]。作為TECSAR上成功實現的模式[7,8]，滑動Mosaic可以在大范圍內實現高分辨率連續成像[9]，是該文研究的重點。

自從以色列科學家在2004年的EUSAR會議中提出了Mosaic模式，并成功地在2008年發射的TECSAR衛星上實現該模式，該模式的一些問題引起了許多研究者的注意。問題主要分為4個方面：系統設計、成像算法、扇貝效應校正及缺失數據處理。由于Mosaic模式的基本工作原理是基于天線的復雜掃描方式，系統設計是該模式的關鍵。以色列科學家在文獻[6,7]中對TECSAR的系統設計進行了綜述。一些中國科學工作者也對系統性能進行了評估。在扇貝效應校正的問題上，R. K. Haskins和P. W. Vachon在文獻[10]中分析了3種扇貝效應校正的方法，其中的天線方向圖逆加權方法去除扇貝效應的效果最好。為了解決空缺數據成像問題，Ury Naftaly和Ronit Levy-Nathansohn在文獻[6,7]中介紹了Mosaic模式的工作原理，并提出了連續成像的條件。現有的滑動Mosaic成像算法通常將每個Burst作為具有不同斜視角的滑動聚束數據單獨處理[11]。較高的方位向分辨率需要較長的積累時間及方位向的大范圍掃描，導致邊緣Burst展現出明顯的斜視特性[12]。擴展的兩步式算法可以去除由斜視造成的方位向頻譜混疊，即斜視造成的多普勒頻率的傾斜，從而對邊緣Burst進行聚焦成像[13–15]。為了合成連續的圖像，單Burst成像的后處理操作需要對圖像進行方位向拼接及配準，但拼接處目標的回波數據是相鄰Burst數據的結合，導致不同Burst間出現多普勒相位跳變，從而破壞了如點目標分析的插值等操作[16]。為了避免圖像后處理操作，采用類似于ScanSAR中的全孔徑成像算法，將Burst間的空缺數據補零，作為單視滑動聚束數據進行處理。

然而，相干處理會導致目標響應出現交叉調制，這使圖像變得雜亂。盡管對于幅度圖像來說，交叉調制可以用低通濾波器進行濾除，但殘余信息仍會影響圖像進一步處理。另外，滑動Mosaic模式作為Burst模式的一種，其固有的扇貝效應與ScanSAR不同。天線方位向掃描導致多普勒中心的變化，改變了方位向的等效天線方向圖，傳統的扇貝效應校正方法的參數并不準確，故不能很好地去除扇貝效應。

本文分析了滑動Mosaic模式中，方位向掃描對等效方位向天線方向圖的影響，并提出了針對滑動Mosaic模式的扇貝效應校方法。經過方位向去斜處理后，消除了方位向天線轉動的影響，此時，通過雙程天線方向圖反加權，即可補償扇貝輻射變化。基于方位向輻射均勻的數據，我們將現代譜估計理論引入到滑動Mosaic模式中，在距離壓縮及距離徙動校正(RCMC)處理之后，通過線性預測模型(LPM)外推補全Mosaic模式Burst之間缺失的數據。這種方法不僅能成功地抑制雜亂圖像中的“矛刺”，也可以增強圖像的信噪比。通過本文所述的方法，改進的全孔徑算法可以將不連續的滑動Mosaic數據聚焦為無雜亂的連續圖像。

本文組織結構如下。第2節，簡要介紹了滑動Mosaic模式。第3節，介紹了扇貝效應校正和全孔徑處理的相關工作。第4節分析了等效天線方向圖，并介紹了扇貝效應校正方法。第5節分析了“矛刺”的來源，并進行了孔徑外推來抑制“矛刺”。第6節通過實際數據驗證了本文提出的算法。最后，第7節對本文進行了總結。

2 滑動Mosaic模式

Mosaic模式是一種有效的高分寬測成像方法。在方位向，雷達天線圍繞遠離場景的虛擬旋轉中心掃描，地面足印連續滑動，以獲取比ScanSAR更高的方位向分辨率。在距離向，雷達天線周期性地在幾個不同的掃描角之間切換，可以覆蓋不同的測繪帶，實現ScanSAR一樣的寬測繪帶成像功能。相對于滑動聚束模式，滑動Mosaic模式犧牲了方位向分辨率來獲取更大的距離向覆蓋區域。方位向的圖像質量是由子測繪帶個數和距離向掃描角切換頻率共同決定的。距離向掃描角的切換越頻繁，方位向分辨率的變化越小，但整體圖像分辨率是由子測繪帶數量決定的。

在滑動Mosaic模式數據處理中，像ScanSAR模式一樣，我們通常將不同距離向掃描角的回波信號單獨處理。在某個確切的掃描角度，以近距掃描為例，如圖1所示，相鄰Burst的聚焦圖像必須重疊，以進行圖像拼接，形成連續圖像。沿飛行軌跡的虛線表示雷達天線正在照射其余測繪帶。在成像區域，沿航跡天線波束中心是間斷的，但沿航跡波束照射區域的重疊確保了成像區域的重疊，是Mosaic模式連續成像的基礎。單一子測繪帶的回波數據可以看作是方位向周期性缺失數據的滑動聚束模式，也稱作是間斷SAR。文獻[6,17,18]表明，由于不同方位向位置被天線方向圖加權的系數不同，間斷SAR的扇貝效應是不可避免的。

圖1 滑動Mosaic的成像Fig. 1 Imaging geometry of the sliding Mosaic mode

3 相關工作

本節介紹了扇貝效應和全孔徑處理的基本概念，并詳細分析了已有算法在處理Mosaic模式數據時的局限性，是本文的基礎。

3.1 輻射扇貝效應

扇貝效應是為了定量描述方位向輻射調制而提出的模型[10,19,20]，通常出現在Burst模式SAR中，特別是ScanSAR和Mosaic模式。在Burst模式中，周期性的方位時間缺失，導致整個方位向多普勒頻譜出現周期性的凹口，即扇貝效應，由固定的方位調制造成。

在Mosaic模式中，我們通常認為每個Burst的持續時間相同，且雷達天線距離向掃描角切換時丟失的數十余脈沖，相對于整個數據缺失長度是可以容忍的。在滿足此種假設的條件下，扇貝隨Burst周期性出現而重復。文獻[10]指出，Mosaic圖像中的扇貝調制主要由Burst隨方位向波束移動時的波束錯位和波束采樣時間的變化共同影響。簡而言之，可以用方位向反加權來均衡Burst中的能量變化。權重方程可表示如下：

WL(t)是權重系數，G2(t)是時域雙程天線方向圖。

在常規的SAR成像模式中，如ScanSAR，此權重模型經過實驗檢驗有效。但是，此模型假設成像區域中的不同點的回波信號，被固定方位掃描角的雙程天線方向圖加權。Mosaic模式中，為了獲得方位向高分辨率，雷達天線的方位向掃描增加了場景目標照射時間，從而拉伸了接收信號的加權模型，然而天線方向圖保持不變。

如圖2所示，單個點的加權模型隨雷達天線方位向掃描發生變化。因此，之前的權重模型并不適合Mosaic模式扇貝效應校正，Burst中的能量不能被均衡。

3.2 全孔徑成像算法

傳統的全孔徑成像算法，在處理周期性缺失的數據時，如ScanSAR，將丟失的數據補零[21,22]。只有保持了正確的Burst間隔，單個目標分布在不同Burst之間的回波數據才能被相關處理。如此，不僅能保持相位信息，而且聚焦圖像的地理信息和頻譜特性也與相對應的連續成像模式相同。但是，由于對全孔徑數據進行相關處理，圖像中會出現交叉調制，也被稱作“矛刺”。“矛刺”來源于Burst模式數據的周期性缺失。周期性缺失數據可以看作完整數據與周期性缺失的脈沖序列相乘。脈沖序列可以看作是沖擊序列和矩形窗的卷積，導致了“矛刺”。

盡管圖像中的“矛刺”可以通過低通濾波器抑制，但殘余“矛刺”也會導致圖像雜亂。為了更好地抑制其影響，文獻[23]中提出基于ScanSAR的全孔徑成像算法，通過線性預測模型外推的數據來補全ScanSAR數據Burst之間的間隙。由于ScanSAR數據并不符合線性預測模型，故需要先進行預處理，將其轉換成符合線性預測模型的數據形式。實驗證明，此方法對由周期性的ScanSAR數據間隙導致的矛刺抑制作用明顯。

然而，由于天線方位向掃描，該方法并不能直接用于Mosaic模式數據處理。天線的方位向掃描導致多普勒帶寬的增加，而脈沖重復頻率(PRF)由單個點的多普勒帶寬決定，并不會提升，從而造成頻譜的混疊[24]。Mosaic模式中，多普勒中心會隨天線方位向掃描線性的改變。因此，不同方位向位置目標的多普勒中心不同，與適用于線性預測的聚束模式數據形式類此。

圖2 不同方位向掃描模式中單點目標的加權模型Fig. 2 Different weighting models of individual point target for different azimuth scanning mode

4 扇貝效應校正

不同于條帶SAR和ScanSAR模式，滑動Mosaic的天線在方位向繞虛焦點旋轉，以獲得方位向高分辨率。權重角θ，即波束中心線與天線相位中心到目標的連線的夾角，不僅隨SAR平臺變化，也隨著方位向天線的旋轉變化。方位向天線的旋轉改變了點目標回波信號加權模型。假設單程天線方向圖近似為sinc方程，可得加權模型為：

其中，G0為天線增益，η為方位向時間，βbw為方位波束帶寬，θ為斜平面的權重角，θrot為波束轉動角，Kw為天線轉動角速度，Vr為等效速度，R0為最近斜距。

方位向天線方向圖的旋轉，導致現有的扇貝效應校正方法失效。通常，我們選用方位向天線方向圖的Doppler模型進行進一步分析，表示如下：

其中，G為等效天線方向圖，Ga為天線方向圖，fη為多普勒頻率，fdc為多普勒中心的變化。當考慮到波束轉動及斜視情況：

其中，fsq為斜視多普勒中心，frot為由于方位向天線掃描導致的多普勒中心變化量。frot隨時間線性變化，而fsq是定值。一種去除扇貝的方法是計算出等效方位向天線方向圖，這種方法不僅復雜，而且不準確。另一種方法是通過方位去斜去除frot的影響。文獻[25]表明，方位多普勒中心的變化可以通過去斜方程去除，即

其中，krot為瞬時多普勒中心變化率，tmid為Burst中心時間，t為方位時間。逆去斜方程表示如下：

去斜操作后的權重方程表示如下：

扇貝效應校正的流程圖如圖3所示。

如上文所述，滑動Mosaic模式中會出現方位向頻譜混疊。為了消除多普勒頻譜的混疊，在去斜及去除扇貝效應之后，需要通過在多普勒域補零來升采樣，如圖3所示。之后進行逆去斜，去方位向頻譜混疊及能量均衡的輸出數據可以用常規的條帶成像算法聚焦[26,27]。文獻[28,29]指出，不同子測繪帶的相位誤差可通過全孔徑聚焦方法同時去除，從而獲得更好的聚焦效果。

5 全孔徑數據處理

針對周期性缺失數據的傳統全孔徑成像算法，僅僅將缺失部分補零，這將導致最終的成像結果中出現了“矛刺”等圖像雜亂現象。為了更好地去除矛刺，我們選用了孔徑外推的方法來補全缺失數據，而不是簡單的用低通濾波器去濾除矛刺。基于逆SAR和聚束SAR中使用的現代譜估計理論，我們通常利用線性預測模型來外推預測Burst之間的空缺數據。但是，在滑動Mosaic模式的全孔徑成像算法中，在距離徙動校正之后，利用方位向的頻域匹配濾波來聚焦數據，會導致散射點的相位并不符合孔徑外推理論中的線性預測模型。因此，我們引入了預處理步驟，采用時域的匹配濾波方法保留散射點相位與方位時間的線性關系，滿足線性預測模型。

圖3 扇貝效應校正流程圖Fig. 3 The flow-chart of scalloping correction

在滑動Mosaic模式中，單個Burst是斜視的滑動聚束數據，由文獻[24,30]可知，經距離壓縮、RCMC及時域匹配濾波后的方位向第n個采樣點的回波信號表示為：

其中，a[i]為預測模型系數，p為預測模型的階數(在SAR中表示散射中心的個數)。關于預測模型系數的計算，文獻[17,18]中指出，在圖像恢復的孔徑外推處理中，Burg算法的表現優于改進的Burg算法，Forward-Backward (FB)算法，及Tufts-Kumaresan (TK)算法等其他算法。因此，我們選用Burg算法作為基于線性預測模型的孔徑外推算法。在特殊情況下，多個目標的集合中，某些目標的回波相位相反后累加，則會出現正弦形式的數據。此時，S[n]的相位與n并不成線性關系，但Burg算法仍然可以勝任，將正弦形式的回波近似為多個目標點的回波之和。這種近似會降低外推數據的質量，外推長度越長，準確度越低，然而，這種現象并不常見，也不會對圖像分析造成影響[18]。

圖4給出了結合線性預測模型的滑動Mosaic數據方位向處理方法。相比傳統的線性預測操作，我們引入了預處理和后處理步驟到滑動Mosaic數據處理中。

5.1 預處理及后處理

在預處理步驟中，利用回波信號與方位線性調頻信號的共軛相乘進行脈沖壓縮。只有通過這種方法，脈沖壓縮后的信號形式才類似于逆SAR或聚束SAR，適用于基于線性預測模型的孔徑外推方法。后處理操作通過逆去斜獲得了連續的滑動Mosaic數據。

5.2 子孔徑分割及數據外推

為了便于孔徑外推處理，帶間隙的全孔徑數據可以由兩個Burst和一個鄰近數據空缺的多個子孔徑。相鄰的子孔徑有一個Burst的重疊。可得，單個點目標的回波數據形式如下：

子孔徑分塊中的每個Burst通過以下方程，向中間的空缺數據內推：

圖4 抑制“矛刺”的方位處理流程Fig. 4 Block diagram of azimuth processing to suppress the spikes

其中，aL和aH分別為Burg算法前向估計和后向估計系數，NL和NH分別為Burg模型前向孔徑外推和后向孔徑外推的階數。子孔徑空缺部分預測數據可以通過外推數據SL[n]和SH[n]的加權和得到。

綜合孔徑內推后的數據，滑動Mosaic模式中空缺數據被基于線性預測模型的相鄰Burst數據外推填充。逆去斜操作后，獲得了連續的方位向未壓縮數據，可以用常規的頻率匹配濾波算法將其聚焦。

6 結果分析

如上文所述，滑動Mosaic模式的單個子測繪帶，可以通過周期性的丟棄滑動聚束模式的方位向數據來進行模擬，故大多數SAR系統并沒有專門設計滑動Mosaic模式。因此，對全孔徑算法的性能分析，是基于方位向大范圍掃描的滑動聚束數據。本實驗的數據來自中國科學院電子學研究所的實驗機載合成孔徑雷達系統。系統的關鍵參數如下：載頻為C波段(5.4 GHz)，帶寬200 MHz，飛機平均速度為133 m/s，方位向掃描角從+11.7°到–11.7°，脈沖重復頻率(PRF)為2133 Hz。

在本次實驗中，從原始滑動聚束數據中，周期性地每隔一個Burst丟棄N–1個Burst數據，即可獲得單個子測繪帶的滑動Mosaic數據。其中，N表示距離向的子測繪帶個數。全孔徑數據的多普勒中心頻率等于中心Burst的多普勒頻率或者中間兩個Burst的多普勒中心頻率均值。線性預測模型的階數通常取作單個Burst長度的三分之一，這是Burg算法在保證精確預測的前提下，所能估算最多的系數[18]。之后的實驗結果可以證明，包含3個Burst的子測繪帶足以用來分析、評估提出的算法。文中所有的滑動Mosaic圖像都在方位向進行了10倍多視操作，以降低相干斑噪聲，并使2維分辨率相匹配。實驗模擬了距離向4個子測繪帶的情況，不僅可以避免單視數的情況出現，而且可以清晰地展示圖像的扇貝效應及矛刺。

6.1 扇貝效應校正性能評估

通常，假設圖像聚焦良好，且場景中的目標均勻分布時，扇貝效應可以通過距離向像素幅度的累加來評估[10]。本次實驗中，我們計算了4幅不同聚焦圖像的扇貝效應，以驗證改進的扇貝效應校正方法的有效性。其中，選取原始的滑動聚束數據及原始的滑動Mosaic數據的聚焦圖像作為參考，其余兩幅分別是利用傳統扇貝效應校正方法及本文提出的改進的扇貝效應校正方法處理后的圖像。由于邊緣非完全成像區域的影響，圖像的扇貝曲線在兩端降低，屬正常現象，因此，在評估實驗結果時被忽略。滑動Mosaic圖像的扇貝曲線中出現的駝峰，來源于數據的缺失，是本次實驗校正的對象。均勻場景中的部分強點目標，導致標準的扇貝曲線出現3.5 dB的浮動，而周期性的數據缺失導致9 dB的浮動。傳統的單視天線方向圖逆加權處理后，如圖5(a)所示，扇貝曲線的凹口稍稍上升，扇貝效應略有改善，但仍然明顯低于原始滑動聚束扇貝曲線，曲線的浮動仍高達5.5 dB，圖像上仍會出現明暗相間的條紋。圖5(b)展示了原始圖像和改進的扇貝效應校正處理后的扇貝曲線，可見，凹口處的扇貝曲線基本與原始數據相同，浮動低于3.5 dB。

相比實驗數據的成像結果，圖像方位向的明暗變化更加明顯。圖6展示了未進行扇貝效應校正的全孔徑滑動Mosaic圖像，圖像大小為2048×6011像素，約1.5 km×12 km。從視覺效果可分辨出，圖6中方位向明暗相間的條紋，與圖5中扇貝曲線的變化相匹配，暗條紋出現的位置即扇貝曲線中的凹口位置。對圖6的數據進行改進的扇貝效應校正操作，即得圖7，方位向的亮暗變化相對較少，暗條紋消失。對扇貝曲線的分析也驗證了此結論。

通過扇貝曲線及圖像視覺對比，扇貝現象明顯地被抑制，即改進的扇貝效應校正方法適合處理滑動Mosaic數據。由于此方法中的方位向天線方向圖是固定的，取決于雷達天線的參數，故扇貝效應校正的結果與場景無關。扇貝效應校正結果的精確度依賴于算法利用的多普勒中心的準確度，然而，多普勒中心估計的結果依賴于回波數據。由于單視加權模型的副作用，當低信噪比部分的信號被放大到高信噪比的幅度，噪聲同樣被放大，進而影響了整體圖像的信噪比[10]。

圖5 扇貝效應結果，通過距離向像素幅度累加評估Fig. 5 The scalloping correction result by integrating pixel across range direction

圖6 孔徑內推未經扇貝效應校正的C波段雷達圖像Fig. 6 C-Band radar image processed with aperture interpolation, without scalloping correction

圖7 孔徑內推及扇貝效應校正后的C波段雷達圖像Fig. 7 C-Band radar image processed with de-scalloping and aperture interpolation

6.2 “矛刺”抑制效果

為了驗證改進的全孔徑算法針對不同場景的效果，我們從圖7中選取了包含建筑、農田、河流、道路的區域，即紅框標記的區域A和區域B。數據空缺率(每個周期內，數據空缺時間占總時間的比率)高達80%。原始數據及去除“矛刺”數據的聚焦圖像局部區域放大部分分別為圖8的左右部分。如圖8(a)及圖8(b)所示，區域A包含了一些人造建筑的強散射點、一條河流、道路及周圍的植被覆蓋。為了更清晰地展示圖8(a)及圖8(b)的區別，對圖8(a)中標出的區域D進行放大，分別得到圖8(c)及圖8(d)。對比發現，圖8(d)中建筑屋頂的強散射點的方位向拖長的旁瓣被抑制，消除了對周圍區域成像的干擾，圖8(b)中的道路變得更加清晰，河流的邊緣更容易分辨，圖像中的模糊被去除。如圖8(e)及圖8(f)所示，區域B主要是農田部分，包括稻田及部分強散射點，相比圖8(e)，圖8(f)整體的分辨率及信噪比明顯提升，農田區域更加清晰，旁邊的強散射點區域旁瓣被壓制，強弱目標的對比更加明顯。針對不同的場景，如圖8(e)及圖8(f)所示，均勻場景區域的圖像質量雖然有所提升，但并不如圖8(c)及圖8(d)中強散射點的效果明顯。為了更詳細地分析成像結果，我們取出了圖8(a)中紅圈標出的孤立強點的方位向剖面圖。圖9展示了空缺數據及孔徑內推補全數據聚焦圖像的方位向剖面圖，點目標的3 dB寬度明顯變小，旁瓣被抑制。需要指出的是，根據孔徑外推算法的原理，線性預測模型的階數(即等效散射中心)有限，平坦區域中，少數弱目標的貢獻會被忽略，因此，雖然弱散射點的圖像分辨率會有所提升，但效果并不如圖9中強點目標那么明顯。

圖8 不同場景的SAR圖像Fig. 8 SAR image of different landscape

為了研究全孔徑成像算法對圖像信噪比的影響，需要從圖像中提取出噪聲能量和信號能量，如圖7中黃框所示。由于平靜的河流區域中大部分為鏡面反射，可近似認為河流區域的回波為噪聲信號，故選取圖7中的區域0作為噪聲參考區域。為了更好地評估圖像信噪比的變化，選取了圖像中均勻場景，如農田區域1及河流旁的草地區域2–區域4等，不同場景的信噪比對比如表1所示，對比發現，該方法可以改善圖像的信噪比。總而言之，改進的全孔徑算法成功地利用線性預測模型去除了“矛刺”，并提升了圖像信噪比。

圖9 空缺數據及孔徑內推數據的滑動Mosaic圖像點目標剖面圖Fig. 9 Azimuth profile of point target in the gapped and interpolated sliding Mosaic image

表1 “矛刺”抑制前后圖像信噪比變化的對比Tab. 1 Signal-Noise Ratio (SNR) difference between the gapped and interpolated sliding Mosaic image

7 結論

在本文中，我們證明了抑制滑動Mosaic模式數據扇貝效應的可行性。通過對單個Burst進行去斜處理，并乘以天線方向圖反加權模型，即可消除圖像中明暗相間的條紋。改進的全孔徑成像處理算法可以去除滑動Mosaic模式中相干處理引起的“矛刺”。利用Burg算法進行孔徑內推操作，可以抑制圖像中強點的旁瓣，并提高信噪比。滑動Mosaic數據處理實驗驗證了以上所述方法。可以認為，此方法提供了一種更精確的處理滑動Mosaic數據的方法，避免了Burst單獨處理及圖像拼接。

[1]Carrara W G, Goodman R S, and Majewski R M. Spotlight Synthetic Aperture Radar: Signal processing algorithms[M]. Boston.London, Artech House, 1995: 1–3.

[2]鄧云凱, 趙鳳軍, 王宇. 星載SAR技術的發展趨勢及應用淺析[J]. 雷達學報, 2012, 1(1): 1–10. Deng Yun-kai, Zhao Feng-jun, and Wang Yu. Brief analysis on the development and application of spaceborne SAR[J]. Journal of Radars, 2012, 1(1): 1–10.

[3]Belcher D P and Baker C J. High resolution processing of hybrid strip-map/spotlight mode SAR[J]. IEE Proceedings-Radar, Sonar and Navigation, 1996, 143(6): 366–374.

[4]Mittermayer J, Lord R, and Borner E. Sliding spotlight SAR processing for TerraSAR-X using a new formulation of the extended chirp scaling algorithm[C]. 2003 IEEE International Geoscience and Remote Sensing Symposium, Toulouse, France, 2003, 3: 1462–1464.

[5]Levy-Nathansohn R and Naftaly U. Overview of the TECSAR satellite modes of operation[C]. EUSAR 2006-6th European Conference on Synthetic Aperture Radar, Dresden, Germany, 2006: 1–4.

[6]Naftaly U and Levy-Nathansohn R. Overview of the TECSAR satellite hardware and mosaic mode[J]. IEEE Geoscience and Remote Sensing Letters, 2008, 5(3): 423–426.

[7]Naftaly U. TecSAR-performance, design and status[C]. 5th European Conference on Synthetic Aperture Radar, Ulm, Germany, 2004: 27–30.

[8]Sharay Y and Naftaly U. TECSAR: Design considerations and programme status[J]. IEE Proceedings-Radar, Sonar and Navigation, 2006, 153(2): 117–121.

[9]Freeman A, Johnson W, Huneycutt B, et al.. The “myth” of the minimum SAR antenna area constraint[J]. IEEE Transactions on Geoscience and Remote Sensing, 2000, 38(1): 320–324.

[10]Hawkins R K and Vachon P W. Modelling SAR scalloping in burst mode products from RADARSAT-1 and ENVISAT[C]. Proceedings of CEOS Working Group on Calibration/Validation SAR Workshop, London, UK, 2002.

[11]Han X, Li S, Yu W, et al.. On the Mosaic mode spaceborne SAR[C]. 2012 IEEE International Geoscience and Remote Sensing Symposium (IGARSS), Munich, Germany, 2012: 3983–3986.

[12]Davidson G W and Cumming I. Signal properties of spaceborne squint-mode SAR[J]. IEEE Transactions on Geoscience and Remote Sensing, 1997, 35(3): 611–617.

[13]Lanari R, Tesauro M, Sansosti E, et al.. Spotlight SAR data focusing based on a two-step processing approach[J]. IEEE Transactions on Geoscience and Remote Sensing, 2001, 39(9): 1993–2004.

[14]An D, Huang X, Jin T, et al.. Extended two-step focusing approach for squinted spotlight SAR imaging[J]. IEEE Transactions on Geoscience and Remote Sensing, 2012, 50(7): 2889–2900.

[15]Wang Y, Zhang Z, and Deng Y. Squint spotlight SAR raw signal simulation in the frequency domain using optical principles[J]. IEEE Transactions on Geoscience and Remote Sensing, 2008, 46(8): 2208–2215.

[16]Cumming I G and Wong F H. Digital Processing of Synthetic Aperture Radar Data: Algorithms and Implementation[M]. Artech House, 2005.

[17]Salzman J, Akamine D, Lefevre R, et al.. Interruptedsynthetic aperture radar (SAR)[J]. IEEE Aerospace and Electronic Systems Magazine, 2002, 17(5): 33–39.

[18]Moore T G, Zuerndorfer B W, and Burt E C. Enhanced imagery using spectral-estimation-based techniques[J]. Lincoln Laboratory Journal, 1997, 10(2): 171–186.

[19]Bamler R. Optimum look weighting for burst-mode and ScanSAR processing[J]. IEEE Transactions on Geoscience and Remote Sensing, 1995, 33(3): 722–725.

[20]Moore R K, Claassen J P, and Lin Y H. Scanning spaceborne synthetic aperture radar with integrated radiometer[J]. IEEE Transactions on Aerospace and Electronic Systems, 1981, 17(3): 410–421.

[21]Bamler R. Adapting precision standard SAR processors to ScanSAR[C]. 1995 International IEEE Geoscience and Remote Sensing Symposium, IGARSS’95, Quantitative Remote Sensing for Science and Applications, Firenze, Italia, 1995, 3: 2051–2053.

[22]Bamler R, Geudtner D, Schattler B, et al.. RADARSAT ScanSAR interferometry[C]. IEEE 1999 International Geoscience and Remote Sensing Symposium, IGARSS’90 Proceedings, Alaska, USA, 1999, 3: 1517–1521.

[23]Li N, Wang R, Deng Y, et al.. Improved full-aperture ScanSAR imaging algorithm based on aperture interpolation[J]. IEEE Geoscience and Remote Sensing Letters, 2015, 12(5): 1101–1105.

[24]Lanari R, Zoffoli S, Sansosti E, et al.. New approach for hybrid strip-map/spotlight SAR data focusing[J]. IEE Proceedings-Radar, Sonar and Navigation, 2001, 148(6): 363–372.

[25]Xu W, Huang P, Wang R, et al.. TOPS-mode raw data processing using chirp scaling algorithm[J]. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 2014, 7(1): 235–246.

[26]Raney R K, Runge H, Bamler R, et al.. Precision SAR processing using chirp scaling[J]. IEEE Transactions on Geoscience and Remote Sensing, 1994, 32(4): 786–799.

[27]Moreira A, Mittermayer J, and Scheiber R. Extended chirp scaling algorithm for air-and spaceborne SAR data processing in stripmap and ScanSAR imaging modes[J]. IEEE Transactions on Geoscience and Remote Sensing, 1996, 34(5): 1123–1136.

[28]Li N, Wang R, Deng Y, et al.. MOCO for High-resolution ScanSAR via full-aperture processing[J]. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 2015, 8(4): 1721–1726.

[29]Li N, Wang R, Deng Y, et al.. Extension and evaluation of PGA in ScanSAR mode using full-aperture approach[J]. IEEE Geoscience and Remote Sensing Letters, 2015, 12(4): 870–874.

[30]Mehrdad S. Synthetic Aperture Radar Signal Processing with MATLAB Algorithms[M]. Canada, John Wiley & Sons, Inc., 1999: 220–252.

趙 團(1990–)，男，河南南陽人，中國科學院電子學研究所通信與信息系統專業碩士研究生，研究方向為Mosaic模式合成孔徑雷達成像技術。

E-mail: zhaotuan@hust.edu.cn

鄧云凱(1962–)，男，研究員，現為中國科學院電子學研究所研究員，博士生導師，研究方向為星載合成孔徑雷達系統設計。

E-mail: ykdeng@mail.ie.ac.cn

王 宇(1980–)，男，河南人，現為中國科學院電子學研究所研究員，博士生導師，研究方向為SAR系統設計與信號處理技術。

E-mail: yuwang@mail.ie.ac.cn

李 寧(1987–)，男，安徽天長人，畢業于中國科學院電子學研究所，獲得博士學位，現為中國科學院電子學研究所助理研究員，研究方向為多模式合成孔徑雷達成像及其應用技術。

E-mail: lining_nuaa@163.com

王翔宇(1990–)，男，天津人，中國科學院電子學研究所通信與信息系統專業博士研究生，研究方向高分寬測模式信號處理技術。

E-mail: wangxiangyu13@mails.ucas.ac.cn

Processing Sliding Mosaic Mode Data with Modified Full-Aperture Imaging Algorithm Integrating Scalloping Correction

Zhao Tuan①②Deng Yunkai①Wang Yu①Li Ning①Wang Xiangyu①②

①(Institute of Electronics, Chinese Academy of Sciences, Beijing 100190, China)

②(University of Chinese Academy of Sciences, Beijing 100039, China)

In this study, we present a modified full-aperture imaging algorithm that includes scalloping correction and spike suppression for sliding-Mosaic-mode Synthetic Aperture Radar (SAR). It is innovational to correct the azimuth beam-pattern weighting altered by radar antenna rotation in the azimuth during the deramping preprocessing operation. The main idea of spike suppression is to substitute zeros between bursts with linear-predicted data extrapolated from adjacent bursts to suppress spikes caused by multiburst processing. We also integrate scalloping correction for the sliding mode into this algorithm. Finally, experiments are performed using the C-band airborne SAR system with a maximum bandwidth of 200 MHz to validate the effectiveness of this approach.

Synthetic Aperture Radar (SAR); Sliding Mosaic; Scalloping correction; Full-aperture imaging algorithm; Linear-prediction-model

TN959

A

2095-283X(2016)05-0548-10

10.12000/JR16014

趙團, 鄧云凱, 王宇, 等. 基于扇貝效應校正的改進滑動Mosaic全孔徑成像算法[J]. 雷達學報, 2016, 5(5): 548–557.

10.12000/JR16014.

Reference format: Zhao Tuan, Deng Yunkai, Wang Yu, et al.. Processing sliding Mosaic mode data with modified full-aperture imaging algorithm integrating scalloping correction[J]. Journal of Radars, 2016, 5(5): 548–557. DOI: 10.12000/JR16014.

2016-01-21；改回日期：2016-05-20；

2016-07-07

*通信作者：趙團 zhaotuan@hust.edu.cn

國家自然科學基金優秀青年基金(61422113)

Foundation Item: The National Natural Science Foundation of China (61422113)