Обработка радара с синтезированной апертурой (SAR)
SAR [1] является методом для вычисления радара с высоким разрешением, возвращается, которые превышают традиционные пределы разрешения, наложенные физическим размером или апертурой, антенны. SAR использует движение антенны синтезировать большую "виртуальную" апертуру, как будто физическая антенна была больше, чем это на самом деле. В этом примере метод SAR используется, чтобы сформировать изображение обратного рассеяния с высоким разрешением удаленной области с помощью бортовой радарной платформы.
Эта модель показывает следующие концепции:
Обработка реалистических, синтезируемых данных о SAR
Реализация важных операций обработки сигналов, включая согласованную фильтрацию
Объединение блоков DSP System Toolbox™ и кода MATLAB® в системном контексте
Модель, используемая в этом примере, основана на сравнительном тесте, разработанном MIT, Lincoln Laboratory вызвал сравнительный тест проблемы Высокоэффективного встроенного вычисления (HPEC). Сравнительный тест показывает упрощенную цепь обработки SAR. Упрощения, сделанные этим сравнительным тестом, которые отличаются от действительной системы SAR, даны MIT Lincoln Laboratory можно следующим образом [2]:
Область под наблюдением точно в 90 градусах пути к полету
Апертура сделана равной перекрестной области значений (Y-размерность) области под наблюдением
Сравнительный тест включает и формирование изображений и распознавание образов. Модель Simulink® только реализует функцию формирования 'genSARImage' изображений (ядро № 1) от сравнительного теста. Смотрите, что проблема HPEC тестирует веб-сайта в сравнении с эталоном [3] для получения дополнительной информации.
Исследуйте данные об истине
Система SAR собирает данные вокруг 6x8 сетка отражателей, помещенных на том основании, что отображается полетом самолета наверху. Итоговое изображение, произведенное кодом MATLAB® для сравнительного теста, показывают здесь. Значения, используемые в произведенном графике, также расположены в том коде в функции 'getSARparamsStart.m'. Демонстрационная модель воспроизводит это изображение.
Исследуйте необработанные данные о датчике
Исследуйте (синтетические) необработанные данные о SAR, возвращается. Система SAR передает серию импульсов, затем собирает ряд выборок от антенны для каждого переданного импульса. Это собирает эти выборки в один двумерный набор данных. Размерность набора данных, соответствующая выборкам, собранным в ответ на один импульс, упоминается как быстро-разовая размерность или размерность области значений. Другая размерность упоминается как медленно-разовая размерность. На земле медленно-разовая размерность соответствует направлению движения плоскости, также названного размерностью перекрестной области значений. Вход к этой модели является одним собранным набором данных, представляющим необработанные данные, которые прибывают из датчика. Эти необработанные данные не имеют никаких заметных шаблонов, которые позволили бы вам выводить то, что на самом деле просматривается.
Шаг 1: цифровая обработка SAR фильтрации и центра внимания
Первая подсистема в модели выполняет три операции.
Быстро-разовая фильтрация преобразовывает возвраты из каждого импульса в частотный диапазон и применяет операцию свертки к ним с ожидаемым доходом от модульного отражателя.
Цифровое лучение фокусирует возвраты в перекрестной области значений.
Расширение пропускной способности увеличивает разрешение перекрестной области значений с помощью БПФ и дополнения нуля в частотном диапазоне изображений.
Вперед и обратные БПФ формируют объем этого фрагмента обработки. Числа уравнения в модели относятся к уравнениям в документе [2] описания сравнительного теста.
Шаг 2: двумерная согласованная фильтрация
Двумерная согласованная фильтрация применяет операцию свертки к выходу предыдущего этапа с импульсной характеристикой отражателя идеальной точки. Согласованная фильтрация выполняется умножением в частотном диапазоне, который эквивалентен свертке в пространственной области.
Шаг 3: полярная-к-прямоугольному интерполяция
Запустите модель, чтобы обработать данные. В отфильтрованном совпадающим образом изображении, несмотря на то, что отражатели являются всем подарком, мажут возвраты из самых близких и самых дальних строк отражателей в области значений. Кроме того, несмотря на то, что отражатели равномерно расположены с интервалами на земле, они равномерно не расположены с интервалами в обработанном изображении. Кроме того, мы хотим фокусироваться больше на области возвратов, которая на самом деле содержит объекты.
Полярная-к-прямоугольному интерполяция изображения корректирует для этих проблем. Когда вы запускаете модель, изображение слева является отфильтрованным совпадающим образом изображением (перед интерполяцией), и изображение справа является окончательным результатом. Каждое из этих изображений было преобразовано к пространственной области с помощью двумерного обратного БПФ. Окончательный результат системы SAR фокусируется на 6x8 сетка отражателей и показывает четкий peaks, который не мажут.
Полярные-к-прямоугольному детали интерполяции
Полярная-к-прямоугольному интерполяция включает повышающую дискретизацию и интерполяцию, чтобы увеличить разрешение области значений выходного изображения. Операция интерполяции берет частотный диапазон отфильтрованное совпадающим образом изображение в качестве входа. Это сопоставляет каждую строку во входном изображении к нескольким строкам в выходном изображении. Количество выходных строк, с которыми сопоставлена каждая входная строка, определяется количеством боковых лепестков в функции sinc, которая используется для интерполяции. Следующий рисунок показывает, для каждой точки в совпадающем отфильтрованном изображении, центральной координате строки, которой это способствует в выходном изображении. Искривление на рисунке показывает перевод от полярной сетки до прямоугольной сетки. Полярное к прямоугольной интерполяции выполняется кодом MATLAB®, который может эффективно описать операции цикличного выполнения и индексации, требуемые минимумом пробела временного хранения.
Ссылки
[1] Soumekh, Mehrdad. Обработка сигналов радара с синтезированной апертурой с алгоритмами MATLAB. Джон Вайли и сыновья, 1999.
[2] MIT Lincoln Laboratory. "HPCS масштабируемое синтетическое компактное приложение № 3: обработка датчика, формирование знаний и ввод-вывод данных", версия 1.03, 15 марта 2007.
[3] MIT Lincoln Laboratory. "Высокоэффективный встроенный вычислительный сравнительный тест проблемы".