РСА [1] является методом вычисления радиолокационных возвратов с высоким разрешением, которые превышают традиционные пределы разрешения, накладываемые физическим размером или апертурой антенны. РСА использует движение антенны, чтобы синтезировать большую «виртуальную» апертуру, как если бы физическая антенна была больше, чем она на самом деле. В этом примере метод РСА используется, чтобы сформировать изображение обратного рассеяния дальнего участка с высоким разрешением, используя воздушную радиолокационную платформу.
Эта модель показывает следующие концепции:
Обработка реалистичных, синтезированных данных РСА
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 бенчмарке, разработанном MIT Lincoln Laboratory, называемом High-Performance Embedded Computing (HPEC) Challenge. Эталонный тест показывает упрощенную цепь обработки РСА. Упрощения, сделанные этим эталоном, которые отличаются от действительной системы РСА, приведены MIT Lincoln Laboratory следующим образом [2]:
Область наблюдения находится в точности на 90 степенях от угла тангажа самолета
Апертура сделана равной перекрестной области значений (размеру Y) наблюдаемой области
Эталонный тест включает как формирование изображения, так и распознавание шаблона. Модель Simulink ® реализует функцию формирования изображений 'genSARImage' (ядро # 1) только из бенчмарка. Для получения дополнительной информации см. веб-сайт теста HPEC Challenge [3].
Система РСА собирает данные о сетке отражателей 6x8, размещенных на земле, которая изображается летящим над головой самолетом. Итоговое изображение, созданное кодом MATLAB ® для бенчмарка, показано здесь. Значения, используемые в произведенном графику, также расположены в этом коде в функции 'getSARparamsStart.m'. Демонстрационная модель воспроизводит это изображение.
Исследуйте (синтетические) данные необработанного РСА возвратов. Система РСА передает серию импульсов, затем собирает серию выборок от антенны для каждого переданного импульса. Он собирает эти выборки в один двумерный набор данных. Набор данных размерности соответствующие выборки, собранной в ответ на один импульс, упоминается как размерность быстрого времени или области значений. Другая размерность упоминается как размерность медленного времени. На земле медленная размерность соответствует направлению движения самолёта, также называемому перекрестной областью значений размерности. Вход этой модели представляет собой один собранный набор данных, представляющий необработанные данные, поступающие от датчика. Эти необработанные данные не имеют различимых шаблонов, которые позволили бы вам сделать вывод о том, что на самом деле просматривается.
Первая подсистема в модели выполняет три операции.
Быстрая фильтрация преобразует возвраты от каждого импульса в частотный диапазон и свертывает их с ожидаемым возвратом от модуля отражателя.
Цифровой прожектор фокусирует возвраты в перекрестной области значений.
Расширение полосы пропускания увеличивает разрешение перекрестной области значений с помощью FFT и заполнения нулями в частотный диапазон изображений.
Прямая и обратная БПФ образуют основную часть этого фрагмента обработки. Номера уравнений в модели относятся к уравнениям в документе описания бенчмарка [2].
Двумерная согласованная фильтрация свертывает выход предыдущего каскада с импульсной характеристикой идеального точечного отражателя. Согласованная фильтрация выполняется путем умножения в частотный диапазон, что эквивалентно свертке в пространственной области.
Запустите модель, чтобы обработать данные. В согласованном отфильтрованном изображении, хотя все отражатели присутствуют, возвраты от близких и самых дальних строк отражателей в области значений размазаны. Кроме того, хотя отражатели равномерно расположены на земле, они не равномерно расположены в обработанном изображении. Кроме того, мы хотим больше сосредоточиться на области возвратов, которая фактически содержит объекты.
Полярно-прямоугольная интерполяция изображения исправляет эти проблемы. Когда вы запускаете модель, изображение слева является соответствующим отфильтрованным изображением (до интерполяции), а изображение справа является конечным выходом. Каждое из этих изображений было преобразовано в пространственную область с помощью двумерного обратного БПФ. Конечный выход системы РСА фокусируется на сетке отражателей 6x8 и показывает четкий peaks, которые не размазаны.
Полярно-прямоугольная интерполяция включает увеличение дискретизации и интерполяцию, чтобы увеличить разрешение в области значений выходного изображения. Операция интерполяции принимает согласованное с фильтрованным в частотном диапазоне изображение как вход. Он преобразует каждую строку в вход изображении в несколько строк в выходном изображении. Количество выхода строк, которым сопоставлен каждый вход строка, определяется количеством боковых элементов в функции sinc, которая используется для интерполяции. Следующий рисунок показывает, для каждой точки в соответствующем отфильтрованном изображении, центральную координату строки, которой она способствует, в выходном изображении. Кривизна на рисунке показывает перемещение от полярной сетки к прямоугольной сетке. Полярная и прямоугольная интерполяция выполняется кодом MATLAB ®, который может эффективно выражать операции закольцовывания и индексации, необходимые с минимумом временного пространства для хранения.
[1] Сумех, Мехрдад. Радар с синтезированной апертурой обработки сигнала с помощью алгоритмов MATLAB. Джон Уайли и сыновья, 1999.
[2] MIT Lincoln Laboratory. «Приложение HPCS Scalable Synthetic Compact # 3: обработка датчиков, формирование знаний и ввод-вывод данных», версия 1.03, 15 марта 2007 г.
[3] MIT Lincoln Laboratory. «Высокопроизводительный тестовый тест Embedded Computing Challenge».
