《合成孔径雷达成像算法与实现》Figure6.9

clc
clear
close all参数设置
距离向参数设置
R_eta_c = 20e3;             % 景中心斜距
Tr = 2.5e-6;                % 发射脉冲时宽
Kr = 20e12;                 % 距离向调频率
alpha_os_r = 1.2;           % 距离过采样率
Nrg = 320;                  % 距离线采样数
距离向参数计算
Bw = abs(Kr)*Tr;            % 距离信号带宽
Fr = alpha_os_r*Bw;         % 距离向采样率
Nr = round(Fr*Tr);          % 距离采样点数（脉冲序列长度）
方位向参数设置
c = 3e8;                    % 光速
Vr = 150;                   % 等效雷达速度
Vs = Vr;                    % 卫星平台速度
Vg = Vr;                    % 波束扫描速度
f0 = 5.3e9;                 % 雷达工作频率
Delta_f_dop = 80;           % 多普勒带宽
alpha_os_a = 1.25;          % 方位过采样率
Naz = 256;                  % 距离线数
theta_r_c = 3.5;            % 波束斜视角
方位向参数计算
lambda = c/f0;              % 雷达工作波长
eta_c = -R_eta_c*sind(theta_r_c)/Vr;% 波束中心偏移时间
f_eta_c = 2*Vr*sind(theta_r_c)/lambda;% 多普勒中心频率
La = 0.886*2*Vs*cosd(theta_r_c)/Delta_f_dop;% 实际天线长度
Fa = alpha_os_a*Delta_f_dop;% 方位向采样率
Ta = 0.886*lambda*R_eta_c/(La*Vg*cosd(theta_r_c));% 目标照射时间
R0 = R_eta_c*cosd(theta_r_c);% 最短斜距
Ka = 2*Vr^2*cosd(theta_r_c)^3/(lambda*R0);% 方位向调频率
theta_bw = 0.886*lambda/La; % 方位向3dB波束宽度
theta_syn = Vs/Vg*theta_bw; % 合成角
Ls = R_eta_c*theta_syn;     % 合成孔径
其他参数计算
rho_r = c/2/Bw;             % 距离向分辨率 
rho_a = La/2;               % 方位向分辨率
Trg = Nrg/Fr;               % 发射脉冲宽度
Taz = Naz/Fa;               % 目标照射时间
d_t_tau = 1/Fr;             % 距离向采样时间间隔
d_t_eta = 1/Fa;             % 方位向采样时间间隔
d_f_tau = Fr/Nrg;           % 距离向采样频率间隔
d_f_eta = Fa/Naz;           % 方位向采样频率间隔目标设置
设置目标点距离景中心的距离
A_r = -50;A_a = -50;
B_r = -50;B_a = +50;
C_r = +50;C_a = B_a+(C_r-B_r)*tand(theta_r_c);
坐标
A_x = R0+A_r;A_y = A_a;
B_x = R0+B_r;B_y = B_a;
C_x = R0+C_r;C_y = C_a;
N_position = [A_x,A_y;B_x,B_y;C_x,C_y];
波束中心穿越时刻
N_target = 3;
Target_eta_c = zeros(1,N_target);
for i = 1:N_targetDelta_Y = N_position(i,2)-N_position(i,1)*tand(theta_r_c);Target_eta_c(i) = Delta_Y/Vs;
end
绝对零多普勒时刻
Target_eta_0 = zeros(1,N_target);
for i = 1:N_targetTarget_eta_0(i) = N_position(i,2)/Vs; 
end变量设置
时间变量：以景中心绝对零多普勒时刻作为方位向零点
t_tau = (-Trg/2:d_t_tau:Trg/2-d_t_tau)+2*R_eta_c/c;     % 距离时间变量
t_eta = (-Taz/2:d_t_eta:Taz/2-d_t_eta)+eta_c;           % 方位时间变量
r_tau = (t_tau*c/2)*cosd(theta_r_c);                    % 最近距离变量
频率变量
f_tau = fftshift(-Fr/2:d_f_tau:Fr/2-d_f_tau);           % 距离频率变量
f_tau = f_tau-round((f_tau-0)/Fr)*Fr;                   % 将频率折叠入(-Fr/2,Fr/2)，距离可观测频率变量
f_eta = fftshift(-Fa/2:d_f_eta:Fa/2-d_f_eta);           % 方位频率变量
f_eta = f_eta-round((f_eta-f_eta_c)/Fa)*Fa;             % 将频率折叠入f_eta_c附近(-Fa/2,Fa/2)范围，方位可观测频率变量
坐标设置
[t_tauX,t_etaY] = meshgrid(t_tau,t_eta);                % 距离时间X轴，方位时间Y轴
[f_tauX,f_etaY] = meshgrid(f_tau,f_eta);                % 距离频域X轴，方位频域Y轴
[r_tauX,f_eta_Y] = meshgrid(r_tau,f_eta);               % 距离长度X轴，方位频域Y轴信号设置，原始回波生成
tic                                                     % 计时，与toc搭配使用
wait_title = waitbar(0,'开始生成回波数据 ...'); 
pause(1);
st_tt = zeros(Naz,Nrg);
for i = 1:N_targetR_eta = sqrt(N_position(i,1)^2+Vs^2*(t_etaY-Target_eta_0(i)).^2);% 瞬时斜距，还有近似公式可以尝试A0 = [1,1,1,1]*exp(+1j*0);                          % 后向散射系数wr = (abs(t_tauX-2*R_eta/c)<=Tr/2);                 % 距离向包络wa = sinc(0.886*atan(Vs*(t_etaY-Target_eta_c(i))/N_position(i,1))/theta_bw).^2;% 方位向包络，用波束穿越时刻
%     wa = sinc(0.886*(atan(Vs*(t_etaY-Target_eta_0(i))/N_position(i,1))+theta_r_c)/theta_bw).^2;st_tt_target = A0(i)*wr.*wa.*exp(-1j*4*pi*f0*R_eta/c)....*exp(1j*pi*Kr*(t_tauX-2*R_eta/c).^2);st_tt = st_tt+st_tt_target;pause(0.001);time = toc;Display_Data = num2str(roundn(i/N_target*100,-1));Display_Str  = ['Computation Progress',Display_Data,'%',' --- ',...'Using Time: ',num2str(time)];waitbar(i/N_target,wait_title,Display_Str);         % 三参数：进度，句柄，展示的话
end
pause(1);
close(wait_title);
toc
% figure('Name','原始数据回波'),subplot(221)
% imagesc(real(st_tt))
% xlabel('距离时间(采样点)'),ylabel('方位时间(采样点)'),title('(a)实部')
% subplot(222)
% imagesc(imag(st_tt))
% xlabel('距离时间(采样点)'),ylabel('方位时间(采样点)'),title('(b)虚部')
% subplot(223)
% imagesc(abs(st_tt))
% xlabel('距离时间(采样点)'),ylabel('方位时间(采样点)'),title('(c)幅度')
% subplot(224)
% imagesc(angle(st_tt))
% xlabel('距离时间(采样点)'),ylabel('方位时间(采样点)'),title('(d)相位')一次距离压缩
方式三：根据脉冲频谱特性直接在频域生成频域匹配滤波器
window = kaiser(Nrg,2.5)';              % 时域窗
Window = fftshift(window);              % 频域窗
% figure,plot(window)
% figure,plot(Window)
Hrf = (abs(f_tauX)<=Bw/2).*Window.*exp(1j*pi*f_tauX.^2/Kr);
Sf_ft = fft(st_tt,Nrg,2);
Srf_tf = Sf_ft.*Hrf;
srt_tt = ifft(Srf_tf,Nrg,2);
% figure('Name','一次距离压缩'),subplot(121)
% imagesc(real(srt_tt))
% xlabel('距离时间(采样点)'),ylabel('方位时间(采样点)'),title('(a)实部')
% subplot(122)
% imagesc(abs(srt_tt))
% xlabel('距离时间(采样点)'),ylabel('方位时间(采样点)'),title('(b)虚部')方位向FFT
Saf_tf = fft(srt_tt,Naz,1);
% figure('Name','方位FFT'),subplot(121)
% imagesc(real(Saf_tf)),set(gca,'YDir','normal')
% xlabel('距离时间(采样点)'),ylabel('方位时间(采样点)'),title('(a)实部')
% subplot(122)
% imagesc(abs(Saf_tf)),set(gca,'YDir','normal')
% xlabel('距离时间(采样点)'),ylabel('方位时间(采样点)'),title('(b)幅度')距离徙动校正——8点插值
RCM = lambda^2*r_tauX.*f_etaY.^2/(8*Vr^2);
RCM = R0+RCM-R_eta_c;                       % 将距离徙动量转换到原图坐标系下
offset = RCM/rho_r;                         % 将距离徙动量转换为距离单元偏移量
计算插值表
x_tmp = repmat(-4:3,[16,1]);                % 插值长度
x_tmp = x_tmp+repmat(((1:16)/16).',[1,8]);   % 量化位移
% figure,imagesc(repmat(((1:16)/16)',[1,8])),colorbar
% figure,imagesc(repmat(-4:3,[16,1])),colorbar
% figure,imagesc(repmat(((1:16)/16)',[1,8])+repmat(-4:3,[16,1])),colorbar
hx = sinc(x_tmp);                           % 生成插值核
% % figure,imagesc(hx)
hx = kaiser(8,2.5)'.*hx;
hx = hx./sum(hx,2);                         % 归一化
插值表校正
tic
wait_title = waitbar(0,'开始进行距离徙动校正');
pause(1)
Srcmf_tf_8 = zeros(Naz,Nrg);
for a_tmp = 1:Nazfor r_tmp = 1:Nrgoffset_ceil = ceil(offset(a_tmp,r_tmp));offset_frac = round((offset_ceil-offset(a_tmp,r_tmp))*16);if offset_frac == 0Srcmf_tf_8(a_tmp,r_tmp) = Saf_tf(a_tmp,ceil(mod(r_tmp+offset_ceil-0.1,Nrg)));elseSrcmf_tf_8(a_tmp,r_tmp) = Saf_tf(a_tmp,ceil(mod((r_tmp+offset_ceil-4:r_tmp+offset_ceil+3)-0.1,Nrg)))*hx(offset_frac,:).';endendpause(0.001)time = toc;Display_Data = num2str(roundn(a_tmp/Naz*100,-1));Display_Str  = ['Computation Progress ',Display_Data,'%',' --- ',...'Using Time: ',num2str(time)];waitbar(a_tmp/Naz,wait_title,Display_Str)
end
pause(1)
close(wait_title)
tocfigure('Name','8点距离徙动校正'),subplot(121)
imagesc(real(Srcmf_tf_8)),set(gca,'YDir','normal')
xlabel('距离时间(采样点)'),ylabel('方位频率(采样点)'),title('(a)实部')
subplot(122)
imagesc(abs(Srcmf_tf_8)),set(gca,'YDir','normal')
xlabel('距离时间(采样点)'),ylabel('方位频率(采样点)'),title('(b)幅度')

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.hqwc.cn/news/458284.html

如若内容造成侵权/违法违规/事实不符，请联系编程知识网进行投诉反馈email:809451989@qq.com，一经查实，立即删除！

相关文章

不到1s生成mesh! 高效文生3D框架AToM

不到1s生成mesh! 高效文生3D框架AToM

论文题目&#xff1a; AToM: Amortized Text-to-Mesh using 2D Diffusion 论文链接&#xff1a; https://arxiv.org/abs/2402.00867 项目主页&#xff1a; AToM: Amortized Text-to-Mesh using 2D Diffusion 随着AIGC的爆火&#xff0c;生成式人工智能在3D领域也实现了非常显著…
阅读更多...
【多模态大模型】BLIP-2：低计算视觉-语言预训练大模型

【多模态大模型】BLIP-2：低计算视觉-语言预训练大模型

BLIP-2 BLIP 对比 BLIP-2BLIPBLIP-2如何在视觉和语言模型之间实现有效的信息交互&#xff0c;同时降低预训练的计算成本&#xff1f;视觉语言表示学习视觉到语言的生成学习模型架构设计 总结主要问题: 如何在计算效率和资源有限的情况下&#xff0c;有效地结合冻结的图像编码器…
阅读更多...
【C++】类和对象（3）

【C++】类和对象（3）

继续学习类和对象的最后一部分知识&#xff0c;主要有初始化列表、static成员、友元、内部类、匿名对象等。 目录 再谈构造函数 构造函数体赋值 初始化列表 explicit关键字 static成员 概念 特性 友元 友元函数 友元类 内部类 匿名对象 拷贝对象时的一些编译器优化…
阅读更多...
Windows 10 配置 FFmpeg 使用环境

Windows 10 配置 FFmpeg 使用环境

Windows 10 配置 FFmpeg 使用环境 1.下载FFmpeg 的windows办2. 配置环境变量:3.查看是否配置正确 cmd 或者 PowerShell 执行以下命令 1.下载FFmpeg 的windows办 GitHub 地址 :https://github.com/BtbN/FFmpeg-Builds/releases 解压后得到如图: 2. 配置环境变量: 复制路径:…
阅读更多...
面试官都爱看的作品集，你做对了吗？

面试官都爱看的作品集，你做对了吗？

经常有朋友在群里问作品集的相关问题:设计师不知道从哪里开始作品集&#xff0c;觉得自己拿不到作品&#xff0c;作品集没有亮点&#xff0c;真的不知道怎么改进&#xff0c;作品集投递后没有回应&#xff0c;很受打击。 针对这些问题&#xff0c;我们将向您展示如何调整和改进…
阅读更多...
谷歌支付3.5亿美元就多年前的数据泄露达成和解

谷歌支付3.5亿美元就多年前的数据泄露达成和解

据The Record网站消息&#xff0c;谷歌将支付 3.5 亿美元来和解一场旷日持久的集体诉讼&#xff0c;该诉讼针对的是其已不复存在的社交平台Google Plus产生的数据泄露事故。 这一诉讼最早可以追溯到 2018 年 10 月&#xff0c;当时《华尔街日报》曾报道称&#xff0c;谷歌发现G…
阅读更多...
使用CICFlowMeter 实现对pcap文件的特征提取【教程】

使用CICFlowMeter 实现对pcap文件的特征提取【教程】

使用CICFlowMeter 实现对pcap文件的特征提取【教程】 针对现有的关于CICFlowMeter 的使用教程不够全面&#xff0c;一些细节没有展示&#xff0c;我将结合网络上的相关资料和实际的经历&#xff0c;提供一些经验和建议。 configuration information --------------- Windows…
阅读更多...
web 前端实现一个根据域名的判断 来显示不同的logo 和不同的标题

web 前端实现一个根据域名的判断 来显示不同的logo 和不同的标题

1.需求 有可能我做一个后台 web端 我想实现一套代码的逻辑 显示不同的公司主题logo以及内容&#xff0c;但是实际上 业务逻辑一样 2.实现 建一个store oem.ts 这个名为是 oem系统 oem.ts import { defineStore } from pinia;import { store } from /store;const oemDataLis…
阅读更多...
改进神经网络

改进神经网络

Improve NN 文章目录 Improve NNtrain/dev/test setBias/Variancebasic recipeRegularizationLogistic RegressionNeural networkother ways optimization problemNormalizing inputsvanishing/exploding gradientsweight initializegradient checkNumerical approximationgrad…
阅读更多...
定制红酒：如何通过定制红酒提升企业形象

定制红酒：如何通过定制红酒提升企业形象

在市场竞争激烈的今天&#xff0c;品牌形象是企业获得竞争优势的关键因素之一。云仓酒庄洒派深知这一点&#xff0c;并利用定制红酒服务来提升品牌形象。以下是一些主要的方法和策略&#xff1a; 1. 与众不同性&#xff1a;定制红酒的与众不同性是企业提升品牌形象的关键。企业…
阅读更多...
神经网络 | 常见的激活函数

神经网络 | 常见的激活函数

Hi&#xff0c;大家好&#xff0c;我是半亩花海。本文主要介绍神经网络中必要的激活函数的定义、分类、作用以及常见的激活函数的功能。 目录 一、激活函数定义 二、激活函数分类 三、常见的几种激活函数 1. Sigmoid 函数 &#xff08;1&#xff09;公式 &#xff08;2&a…
阅读更多...
Linux联网安装MySQL Server

Linux联网安装MySQL Server

yum安装 以下代码复制粘贴到控制台即可 yum list | grep mysql-server #查看可以下载的MySQLyum install -y mysql-server #安装MySQLmysql_secure_installation #引导安装 引导安装实例如下 systemctl enable mysqld 设置开机自动启动 systemctl sta…
阅读更多...
推荐文章
最新文章

Copyright @ 2022~2023