地球同步軌道SAR快速BP成像算法

劉青，李景文

北京航空航天大學電子信息工程學院，北京100191

地球同步軌道SAR快速BP成像算法

劉青，李景文

北京航空航天大學電子信息工程學院，北京100191

CNKI網絡出版：2017-05-10,http://kns.cnki.net/kcms/detail/11.2127.TP.20170510.1050.008.html

1 引言

合成孔徑雷達（Synthetic Aperture Radar，SAR）的概念最早是由美國Goodyear航空公司的Carl Wiley于1951年首先提出的，它是測量地球表面特征的有效工具。較傳統雷達相比，由于SAR成像不受云霧、光照等自然因素的影響，具有全天候、全天時成像能力，因此，SAR在國民經濟和國防建設中得到了廣泛的應用。自美國1978年成功發射世界上第一顆SAR衛星以來，各個國家相繼成功發射了多顆SAR衛星。由于衛星觀測不受國界和政治因素影響，SAR衛星已成為空間對地觀測的新手段，使得空間對地觀測跨上了新臺階。而GEO SAR具有重訪周期短、對地觀測范圍大等特點，同時，由于GEO SAR軌道高度高不易摧毀，在軍事上具有更廣泛的應用前景，因此，研究GEO SAR意義重大。然而，由于受地球自轉影響，在地球同步軌道上的衛星飛行軌跡近似為一個“8”字形，一般基于線性運動假設的算法比如RD、CS等算法將不再適合于同步軌道成像[1]，即使經過算法改進，一個周期內仍然有1/4時間無法成像。基于時域處理的后向投影（BP）算法，成像時不存在任何假設條件和理論近似，能夠對任意飛行軌跡良好成像，適用于GEO SAR成像[2]，但是其逐點成像計算的過程，使得該算法運算量巨大。隨著近年來計算機處理能力的大幅度提升以及對分辨率越來越高的要求，使得BP算法日益受到人們關注。另一方面，如何減少BP算法的運算量，成為學者研究的熱點。近年來，研究人員先后提出了多種快速BP算法，主要包括有采用局部近似處理的局部后向投影[3-4]（LBP）和基于近似處理和孔徑融合的快速因式分解后向投影[5-6]（Fast Factorized Back Projection，FFBP）等快速BP算法。這些快速算法的提出，不僅最大限度地保持了BP算法的高分辨率，同時大幅提高了BP算法的成像速度。其中LBP算法理論計算量由原來的N3下降到N5/2[7]，FFBP的理論計算量下降到N2lbN[8-9]。雖然后者要快于前者，但是前者實現起來比后者要簡單，并且容易實現并行計算。目前，以上兩種算法主要應用于機載超寬帶SAR成像，由于累積誤差影響，不能直接應用于GEO SAR成像。2010年，李財品提出一種在FFBP基礎上改進的快速BP算法用于GEO SAR成像[10]，沒有對累積誤差進行必要說明，也沒有給出具體成像質量評估指標。

本文通過分析LBP算法局部近似原理，提出了適用于GEO SAR的LBP成像處理方法。該方法能夠有效解決傳統LBP方法由于GEO SAR的超長合成孔徑引起的誤差積累而導致不能成像的問題。通過仿真數據驗證了改進方法的有效性。

2 LBP算法原理

BP算法的成像過程是計算每個方位時刻雷達平臺位置與成像區域每點的雙程延時，然后在距離壓縮的時域數據中取出每點對應的回波數據并加以補償相位，再將不同方位時刻對應的投影數據進行相干累加，最后得出成像結果的過程[11]。

在正側視條件下，假設經過距離向脈沖壓縮后，點目標回波信號S(τ,t,R0)如下：

其中，B為距離向信號帶寬，c為光速，λ為載頻波長，τ、t分別為距離向時間與方位向時間，R0為波束中心照射點目標時的斜距，為點目標到達雷達的斜距，V為雷達平臺等效速度。

根據BP算法的原理，將成像區域內的任意一點投影至回波域內，可以形成該點目標的徙動軌跡，將該徙動軌跡內的回波信號進行疊加，就能獲得該點目標對應的復數據。如圖1所示，則圖像域內任意一點的復數據可以表示為：

其中，T為方位向合成孔徑時間。傳統BP算法對于每個回波場景內每個像素點進行一次積累。

圖1 后向投影示意圖

2.1 局部近似原理

LBP算法之所以可以大幅減小BP的算法計算量，其根本原因就在于使用了局部近似處理[12]。在投影過程中，對于每個孔徑，并不需要把回波數據投影到成像區域的所有像素點上去，如圖2所示。每個孔徑對應一組以孔徑中心為圓心的同心圓，每個圓上的點的后向投影數據是相同的。對于某個孔徑t，兩邊相鄰的孔徑在圖中所示的扇形波束內，可以近似認為它們具有相同的同心圓，即相同的回波數據。而扇形區域內的回波數據與孔徑中心和區域中點的連線即中心線上的回波數據是一致的，因此在一定的距離誤差允許范圍內，可以用一條中心線代替該扇形區域。在直角坐標系下，圖中矩形區域內的投影數據可以用圖中中心線（粗虛線）代替。區域內的其他位置的投影數據由這條中心線插值得到。圖2中，P點的投影數據用P′點代替，P和P′位于以孔徑中心t為圓心，tP′為半徑的圓弧上。LBP算法把原本對一個區域做的后向投影變成對區域內的一條中心線做后向投影，從而減少了算法的計算量。

圖2 局部近似示意圖

引入了近似處理，必然會帶來誤差，進而影響成像質量。如圖3所示，根據近似原理，中心線附近的點使用中心線上的點代替。中心線一般選擇孔徑中心到區域中心的連線，并且截取覆蓋子區域的一段。由于子區域中所有像素點都需要用中心線上的點代替，為保證截取的線段能覆蓋所有點，截取的中心線的長度要選擇適當。如果過短，將無法保證子區域每個點都能覆蓋，過長則冗余數據過多。如圖3中，中心線上的線段ab是最理想的長度。每個子孔徑對應的中心線都不一樣，因此，實際處理中應選擇比ab要長一些的線段。中心線上的投影數據是通過傳統BP算法投影計算得出的，是沒有誤差的，而不在中心線上的點P，則由P′點近似，即認為孔徑O和孔徑t在P′點的投影數據相同。P點和P′點位于以孔徑t為圓心，半徑為r的同一個圓弧上。

圖3 距離誤差示意圖

由于BP算法是根據孔徑中心到成像區域每個像素點的斜距，然后在距離壓縮數據中尋找對應的回波數據，因而對于孔徑O，用P′點近似P點，會因為斜距OP和OP′的不同引入誤差。兩者的斜距差決定誤差大小ΔR。

根據圖中幾何關系可以得出距離差表達式為：

一般假設斜距差||ΔR?R，于是距離誤差可以近似表達為：

根據文獻[2]，可以得出距離誤差的進一步表達式：

其中D為垂直于區域中心線的寬度，d為子孔徑長度，從上式可以看出，只要保持成像子區域寬度和子孔徑長度的乘積不變，就可以控制誤差大小，因此，只要在處理過程中保證距離誤差在允許范圍內，相鄰孔徑就可以作近似處理。

2.2 成像區域和子孔徑劃分

成像區域的劃分對算法計算量和成像質量影響較大[13]。成像時，每個子孔徑中心需要對每個子區域中心線進行投影計算。由此可見，中心線的總長度將會影響算法的計算量，減少中心線的總長度將會進一步降低計算量，而中心線總長度與成像區域劃分密切相關，子區域劃分的越多，中心線總長度就長，計算量相應會增大；相反，子區域少，計算量則減少。因此，最佳的劃分方法應該是在保證在一定誤差情況下，使得成像區域分塊最少。另一方面，在由中心線數據投影到子區域的過程中，需要計算孔徑中心到子區域每個像素點的雙程延時，從而產生大量的計算，因此，子孔徑數量的多少也是影響算法計算量的重要因素。所以，應該在保證誤差的情況下，將更多的孔徑近似處理，合并為一個子孔徑。GEO SAR合成孔徑長，這也帶來一個數據存儲量巨大的問題。文獻[14]提出可以將全孔徑分為若干個孔徑塊分別進行處理。在每個孔徑塊的基礎上再劃分子孔徑成像，分別對每個孔徑塊成像，最后將所有孔徑塊成像結果進行相干疊加得到最終成像結果，這樣可以避免計算時數據量過大從而導致內存不足的問題。當計算機內存配置不足時可以采用該方法。

導出最大距離誤差表達式：

為了更好地控制誤差大小，一般將最大距離誤差表示為：

其中M為誤差控制因子，通常不小于16，λ為工作波長。結合式（6）和（9）可以得出子區域方位向寬度表達式：

考慮到子區域的選擇要滿足一個合成孔徑角內所有子孔徑，因此，所選子區域應該包含于所有扇形交集內的區域。如圖4所示。LBP算法在區域劃分時，通過式（10），根據成像區域分塊數和子孔徑數最少的原則，確定方位向寬度，將成像區域方位向等間隔劃分，距離向以同樣的數量等間隔劃分，同時選擇合適的子孔徑長度。

圖4 成像區域劃分示意圖

3 誤差分析

LBP算法主要包含兩大步驟，第一是將子孔徑數據投影到子區域中心線上，期間需要根據孔徑到投影點的雙程延時進行一次相位補償。第二步是將中心線數據投影到子區域其他位置。考慮到數據存儲問題，中心線上的數據只是若干離散點的數據，因此，為減少誤差，在投影前需要先將中心線數據插值處理，并且還需以同樣的插值倍數將中心線投影點的位置插值出來。如圖5所示，將中心線上某處相鄰的a、b兩點做8倍插值處理，兩點之間均勻插入7個點。中心線上的數據在作插值處理后，每個插值點都有對應的投影數據。投影過程中，以子孔徑中心O為圓心，OP為半徑畫圓，圓弧與中心線相交的點是理論上的投影點。雖然已作插值，但實際上，P點仍然會以極大概率不會正好投影到插值的點上，而是會投影在中間的某個位置P′。在取投影數據時，由于P′點處沒有投影數據，則是用距離P′點最近的插值點P″的投影數據代替，因而會帶來大小為dr的斜距誤差。傳統LBP算法在成像時沒有考慮該項誤差。

圖5 插值示意圖

理論上，這個斜距誤差是可以通過提高插值倍數來降低的，插值倍數越高，誤差越小。但是該誤差會隨著子孔徑疊加而累積，子孔徑越多，累積誤差將越大，從而可能會影響到成像質量。

4 數據仿真

為了分析子孔徑疊加對成像質量的影響，下面利用傳統LBP算法應用于GEO SAR點目標成像仿真。仿真實驗的計算機處理器為Intel?Xeon?E5-2650，主頻2.30 GHz，內存256 GB，運行環境為MATLAB R2015a，系統仿真參數見表1，成像結果如圖6所示。

表1 系統仿真相關參數

圖6 點目標聚焦結果

圖6分別給出了32、64倍插值的成像結果，圖7給出了每個子孔徑內的最大距離誤差。針對第3章中的距離誤差對成像的影響，利用式（8）以及仿真參數可以得出允許的最大斜距誤差為0.015 m。理論上，將插值倍數提高后，距離誤差將降低。從圖中可以看出，當采用32倍插值后，子孔徑最大距離誤差已經低于允許值，但是從成像結果來看，聚焦效果仍然不是很理想，即使插值倍數提高到64倍，子孔徑最大距離誤差再次降低的情況下，成像結果與傳統BP結果仍有差距。

圖7 子孔徑最大距離誤差

圖8顯示了64倍插值后，子孔徑疊加之后每個像素點的距離誤差，平均誤差為0.024 4 m，大于0.015 m。從上述結果可以看出，成像質量差的原因是由GEO SAR的長合成孔徑所導致的。對于單個子孔徑來說，這個距離誤差影響很小，但是由于GEO SAR全孔徑長，即使劃分為子孔徑，子孔徑數仍有數百個之多，將所有子孔徑成像結果相干疊加之后，即使微小的距離誤差也會被放大數百倍，從而導致成像質量下降。只有將插值倍數提高到與子孔徑數相近的倍數，才可能消除由子孔徑疊加帶來的影響，但是這也使得計算量以及內存使用量顯著增大，為了進一步驗證上述結論，將LBP算法用于較短孔徑的機載SAR成像。圖9給出了LBP算法和BP算法成像對比。系統合成孔徑長度（點數）為768，子孔徑數48。從結果可以看出，采用48倍插值之后，兩種算法結果基本一致。

圖8 誤差分布

因此，對于長孔徑的GEO SAR來說，通過提高插值倍數來減少誤差的做法并不適用，必須在疊加前予以相位補償，即在每個像素點的復數據后乘以一個補償相位，補償相位大小為：

圖10給出了相位補償前后成像結果對比圖，采用8倍插值。在相位補償前，點目標聚焦效果很差，補償后則能夠很好地聚焦。通過對比可以很明顯地看出相位補償的必要性。

圖11分別給出了兩種算法點目標仿真成像結果，成像質量評估參數如表2所示。從表2中可以看出，使用改進LBP算法和傳統BP算法得到的圖像質量基本相近，改進LBP算法的方位向分辨率比BP算法僅降低了1.5 cm，相對于米級的分辨率可以忽略，距離向分辨率保持不變。峰值旁瓣比與積分旁瓣比均只有微小變化，但是改進LBP算法的成像時間卻只是傳統BP算法的1/75。傳統算法需要3.7 h才能完成成像，而快速算法只需要3 min就可以完成，加速效果很明顯。

表2 點目標成像質量對比

圖9 機載合成孔徑成像結果

圖10 相位補償前后對比

圖11 點目標成像結果

5 算法實現步驟

經過上述分析，在LBP算法基礎上得到一種改進的LBP算法，算法實現步驟總結如下：

（1）選擇合適的子孔徑長度和數量劃分孔徑，L=d×n，其中L表示全孔徑長度，d為子孔徑長度，n為子孔徑個數。

（2）通過式（10）選擇合適的子區域劃分，確定子區域中心線，并對中心距離線進行離散采樣，確定投影點。

（3）將子孔徑內每個小孔徑的距離壓縮數據按照傳統BP算法投影到每個子區域中心線上。

（4）將子區域中心線數據投影到子區域每個像素點，并進行相位補償，然后將成像區域的所有子區域數據拼接，得到子孔徑圖像。

（5）將得到的所有子孔徑圖像相干疊加，得到最終圖像。

6 算法性能分析

由改進LBP算法的處理過程可知，其計算量與其子孔徑及子區域劃分相關。為了分析方便，假定原始數據方位向、距離向和成像區域的方位向、距離向點數均為N，則傳統BP算法的計算量為N3。采用改進LBP算法，全孔徑分成個子孔徑，每個子孔徑包含的孔徑數為，成像區域同樣分成塊。第一步由子孔徑投影到中心線，每個子孔徑中的每個小孔徑需要對個像素點投影，一共有個孔徑，則第一步的計算量為第二步由中心線投影到子區域，每個子孔徑中心需要對N×N個像素點投影，一共有個子孔徑，則第二步的計算量為算法總的計算量為由此可知，改進LBP算法可以大幅度降低計算量，當N越大時，加速效果更明顯。

實際上，上述計算量分析并不能定量地描述算法的加速效率。由于在進行投影操作時需要進行插值計算，并且需要計算斜距誤差并進行第二次相位補償，等等，這些都將影響算法的計算量。不同的插值方法帶來的成像質量和計算量也略有不同。常用的插值方法包括有頻域插值、最近鄰域插值、三次樣條插值、線性插值等。文獻[15]研究了幾種常用插值方法對快速BP成像質量和算法效率的影響。

7 結束語

針對傳統LBP算法不能用于GEO SAR成像的問題，在LBP算法的基礎上，在每個子孔徑疊加之前進行一次相位補償，得到一種適用于GEO SAR成像的改進LBP算法，并給出了算法實現的步驟。仿真結果表明改進算法基本保持了傳統BP算法的成像質量，同時大幅降低了算法的計算量。

[1] Li C，He M.Signal characteristics analysis of GEO SAR[C]//IET International Radar Conference，2013：1-5.

[2] 李春升，楊威，王鵬波.星載SAR成像處理算法綜述[J].雷達學報，2013，2（1）：111-122.

[3] Yegulalp A F.Fast backprojection algorithm for synthetic aperture radar[C]//1999 Radar Conference，1999：60-65.

[4] Ahmed I.Study of the local backprojection algorithm for image formation in ultra wideband synthetic aperture radar[D].Sweden：Bleking Institute of Technology，2008.

[5] Yu Hongtao，Zhang Y S，Zhu L L.UWB LFMCW radar imaging based on dechirp processing[J].Modern Radar，2005.

[6] 劉光平.超寬帶合成孔徑雷達高效成像算法[D].北京：中國人民解放軍國防科學技術大學，2003.

[7] Shao Y，Wang R，Deng Y，et al.An N2.5 back-projection algorithm for SAR imaging[C]//Geoscience and Remote Sensing Symposium，2012：2113-2116.

[8] Mccorkle J W，Rofheart M.Order N^2log（N）back projector algorithm for focusing wide-angle wide-bandwidth arbitrary-motion synthetic aperture radar[J].Proceedings of SPIE：Radar Sensor Technology，1996，2747：25-36.

[9] Basu S，Bresler Y.O（N2log2N）filtered back projection reconstruction algorithm for tomography[J].IEEE Transactions on Image Processing A Publication of the IEEE Signal Processing Society，2000，9（10）：1760-1773.

[10] 李財品，張洪太，譚小敏.一種適合GEOSAR成像改進的快速BP算法[J].現代防御技術，2010，38（5）：77-81.

[11] Li Z，Li C，Yu Z，et al.Back projection algorithm for high resolution GEO-SAR image formation[C]//IEEE International Geoscience and Remote Sensing Symposium，Vancouver，BC，Canada，2011：336-339.

[12] 劉光平，梁甸農.適用大場景高分辨合成孔徑雷達的快速BP算法[J].系統工程與電子技術，2003，25（5）：546-549.

[13] 林世斌，李悅麗，嚴少石，等.基于最優區域劃分的子塊快速因子分解后向投影算法[J].信號處理，2012，28（8）：1187-1193.

[14] Ulander L M H，Hellsten H，Stenstrom G.Synthetic aperture radar processing using fast factorized backprojection[J].IEEE Transactions on Aerospace and Electronic Systems，2003，39（3）：760-775.

[15] Frolind P O，Ulander L M H.Evaluation of angular interpolation kernels in fast back-projection SAR processing[J].IEEE Proceedings：Radar Sonar and Navigation，2006，153（3）：243-249.

LIU Qing,LI Jingwen.Fast back projection algorithm for GEO SAR.Computer Engineering and Applications,2018,54（6）：241-246.

LIU Qing,LI Jingwen

School of Electronics and Information Engineering,Beihang University,Beijing 100191,China

The back projection algorithm using local approximation（LBP,Local Back Projection）is not suitable for imaging in Geosynchronous SyntheticAperture Radar（GEO SAR）for the sake of high orbit and extremely long synthetic aperture.Combined with the traditional LBP algorithm principle,the GEO SAR phase error model based on LBP is constructed,and the LBP imaging processing method suitable for GEO SAR is proposed.The imaging results have the same quality with traditional BP algorithm,the computational efficiency is increased by 75 times.

Geosynchronous SyntheticAperture Radar（GEO SAR）;Local Back Projection（LBP）;phase compensation

地球同步軌道合成孔徑雷達（Geosynchronous Synthetic Aperture Radar，GEO SAR）軌道高，合成孔徑長，采用局部近似處理的后向投影算法（Local Back Projection，LBP）不再適用。結合傳統LBP算法原理，構建了基于LBP的GEO SAR相位誤差模型，提出了適用于GEO SAR的LBP成像處理方法。仿真結果表明改進后的LBP算法在保證成像質量與傳統BP算法基本相近的同時，將計算效率提升了75倍。

地球同步軌道合成孔徑雷達；局部后向投影；相位補償

2016-10-19

2017-01-12

1002-8331（2018）06-0241-06

A

TN957.52

10.3778/j.issn.1002-8331.1610-0216

劉青（1985—），男，碩士研究生，主要研究領域為地球同步軌道SAR成像，E-mail：sy1402424@buaa.edu.cn；李景文（1964—），男，博士，教授，主要研究領域為合成孔徑雷達運動目標監測與成像、新體制微波遙感理論與方法等。