MATLAB实现模拟聚束SAR的回波生成，并实现了包括距离徙动校正（RCMC）
2026-1-5
在聚束模式合成孔径雷达（SAR）中，“两步成像算法”通常指先进行距离压缩和徙动校正，再进行方位压缩的经典流程。
MATLAB实现模拟聚束SAR的回波生成，并实现了包括距离徙动校正（RCMC）
算法核心思想与流程
聚束模式通过控制天线波束持续照射同一区域来获得更长的合成孔径，从而得到更高的方位分辨率。主要的处理挑战是校正距离弯曲（即距离徙动）。经典的“两步法”处理流程如下：
flowchart TD
A[“聚束模式 SAR 回波模拟”] --> B[距离向处理<br>（第一步）]
subgraph B [第一步：距离处理]
B1[“距离向FFT<br>（到距离频域）”]
B2[“距离脉冲压缩”]
B3[“距离徙动校正 RCMC<br>（关键步骤）”]
B4[“距离向IFFT<br>（回时域）”]
end
B --> C[方位向处理<br>（第二步）]
subgraph C [第二步：方位处理]
C1[“方位向FFT<br>（到多普勒域）”]
C2[“方位匹配滤波<br>（脉冲压缩）”]
C3[“方位向IFFT<br>（最终成像）”]
end
C --> D[输出聚焦的SAR图像]
下面，我们通过MATLAB代码来实现这一流程。
完整的MATLAB程序实现
%% 聚束模式SAR两步成像算法 - MATLAB实现
clear; close all; clc;
addpath(genpath(pwd)); % 添加当前目录所有子文件夹到路径
%% 1. 参数设置
disp('=== 聚束模式 SAR 两步成像算法 ===');
% 1.1 雷达系统参数
c = 3e8; % 光速 (m/s)
fc = 5.3e9; % 载频 (C波段示例) (Hz)
lambda = c / fc; % 波长 (m)
Br = 50e6; % 发射信号带宽 (Hz)
Tr = 5e-6; % 脉冲宽度 (s)
Kr = Br / Tr; % 调频率 (Hz/s)
Fs = 60e6; % 采样率 (Hz)
% 1.2 平台与场景几何参数
V = 150; % 平台速度 (m/s)
H = 5000; % 平台高度 (m)
R0 = 10e3; % 场景中心斜距 (m)
theta_bw = deg2rad(3); % 天线波束宽度 (rad)
La = 2 * R0 * tan(theta_bw/2); % 合成孔径长度 (m)
Ta = La / V; % 合成孔径时间 (s)
% 1.3 处理参数
PRF = 500; % 脉冲重复频率 (Hz)
Na = fix(Ta * PRF); % 方位向采样数
if mod(Na,2) == 1, Na = Na+1; end % 确保为偶数
Nr = fix(Tr * Fs); % 距离向采样数（一个脉冲内的采样点）
if mod(Nr,2) == 1, Nr = Nr+1; end % 确保为偶数
% 1.4 目标场景设置（5个点目标）
targets = [
0, 0, 1; % 场景中心 (x,y,反射系数)
-10, -10, 0.8; % 目标1
-10, 10, 0.8; % 目标2
10, -10, 0.8; % 目标3
10, 10, 0.8; % 目标4
];
fprintf('参数设置完成:\n');
fprintf(' 距离向采样数: %d\n', Nr);
fprintf(' 方位向采样数: %d\n', Na);
fprintf(' 理论分辨率: 距离向 %.2f m, 方位向 %.2f m\n', ...
c/(2*Br), lambda/(2*theta_bw));
%% 2. 生成聚束模式SAR回波数据（时域模拟）
disp('生成回波数据...');
% 2.1 时间轴与频率轴定义
tr = linspace(-Tr/2, Tr/2, Nr)'; % 距离快时间
fr = linspace(-Fs/2, Fs/2, Nr)'; % 距离频率轴
ta = linspace(-Ta/2, Ta/2, Na); % 方位慢时间
fa = linspace(-PRF/2, PRF/2, Na); % 方位多普勒频率轴
% 2.2 生成发射信号（线性调频信号）
tx_signal = exp(1j * pi * Kr * tr.^2) .* (abs(tr) <= Tr/2);
% 2.3 初始化回波数据矩阵
echo_data = zeros(Nr, Na);
% 2.4 遍历所有目标，模拟回波
for tgt_idx = 1:size(targets, 1)
% 目标参数
x_tgt = targets(tgt_idx, 1); % 目标方位位置
y_tgt = targets(tgt_idx, 2); % 目标距离位置（地面坐标系）
amp = targets(tgt_idx, 3); % 目标反射系数
fprintf(' 模拟目标 %d (x=%.1f, y=%.1f)...\n', tgt_idx, x_tgt, y_tgt);
% 遍历每个方位时刻（慢时间）
for i = 1:Na
% 计算当前时刻的瞬时斜距
R_curr = sqrt((R0 + y_tgt)^2 + (x_tgt - V * ta(i))^2);
% 计算回波延时
tau = 2 * R_curr / c;
% 找到延时对应的距离门（离散采样点）
n_delay = round((tau + Tr/2) * Fs);
% 确保延时在有效范围内
if n_delay >= 1 && n_delay <= Nr
% 计算距离徙动引入的相位
phase = exp(-1j * 4 * pi * R_curr / lambda);
% 将目标回波加到对应位置
valid_len = min(Nr - n_delay + 1, length(tx_signal));
echo_data(n_delay:n_delay+valid_len-1, i) = ...
echo_data(n_delay:n_delay+valid_len-1, i) + ...
amp * tx_signal(1:valid_len) * phase;
end
end
end
% 2.5 添加噪声
noise_power = 0.01; % 噪声功率
echo_data = echo_data + sqrt(noise_power/2) * ...
(randn(size(echo_data)) + 1j * randn(size(echo_data)));
% 2.6 显示原始回波数据
figure('Position', [100, 100, 1200, 400]);
subplot(1,3,1);
imagesc(ta, tr*1e6, abs(echo_data));
xlabel('方位慢时间 (s)'); ylabel('距离快时间 (\mus)');
title('原始回波数据 (幅度)');
colormap('hot'); colorbar;
subplot(1,3,2);
plot_id = fix(Na/2);
plot(tr*1e6, abs(echo_data(:, plot_id)), 'b-', 'LineWidth', 1.5);
xlabel('距离快时间 (\mus)'); ylabel('幅度');
title(['某一方位时刻 (t_a=', num2str(ta(plot_id)), 's) 的距离向剖面']);
grid on;
subplot(1,3,3);
plot_id = fix(Nr/2);
plot(ta, abs(echo_data(plot_id, :)), 'r-', 'LineWidth', 1.5);
xlabel('方位慢时间 (s)'); ylabel('幅度');
title(['某一距离门 (t_r=', num2str(tr(plot_id)*1e6), '\mus) 的方位向剖面']);
grid on;
sgtitle('聚束SAR原始回波信号特征');
%% 3. 第一步：距离处理（距离压缩 + 距离徙动校正）
disp('第一步：距离处理...');
% 3.1 距离向FFT（转到距离频域）
echo_data_fr = fftshift(fft(echo_data, [], 1), 1);
% 3.2 生成距离压缩参考函数
ref_range = exp(1j * pi * fr.^2 / Kr); % 距离匹配滤波器
ref_range = repmat(ref_range, 1, Na); % 扩展到所有方位单元
% 3.3 距离压缩（在距离频域相乘）
echo_rc = echo_data_fr .* ref_range;
% 3.4 距离向IFFT（回到距离时域）
echo_rc = ifft(ifftshift(echo_rc, 1), [], 1);
% 3.5 显示距离压缩结果
figure('Position', [100, 100, 1200, 400]);
subplot(1,3,1);
imagesc(ta, tr*1e6, abs(echo_rc));
xlabel('方位慢时间 (s)'); ylabel('距离快时间 (\mus)');
title('距离压缩后数据 (幅度)');
colormap('hot'); colorbar;
subplot(1,3,2);
plot(tr*1e6, abs(echo_rc(:, plot_id)), 'b-', 'LineWidth', 1.5);
xlabel('距离快时间 (\mus)'); ylabel('幅度');
title('距离压缩后距离向剖面');
grid on;
% 3.6 距离徙动校正（RCMC） - 这里使用插值法
disp(' 执行距离徙动校正 (RCMC)...');
% 计算距离徙动曲线
ta_matrix = repmat(ta, Nr, 1); % 方位时间矩阵
RCMC_curve = (lambda^2 * R0 * ta_matrix.^2) / (8 * V^2); % 距离徙动量
% 为每个方位线，根据徙动曲线进行插值校正
echo_rcmc = zeros(size(echo_rc));
for i = 1:Na
% 原始距离轴（时间）
original_range = tr * c / 2;
% 校正后的距离轴
corrected_range = original_range - RCMC_curve(1, i);
% 线性插值（可改用sinc插值提高精度）
echo_rcmc(:, i) = interp1(original_range, echo_rc(:, i), ...
corrected_range, 'linear', 0);
end
% 3.7 显示RCMC结果
subplot(1,3,3);
imagesc(ta, tr*1e6, abs(echo_rcmc));
xlabel('方位慢时间 (s)'); ylabel('距离快时间 (\mus)');
title('距离徙动校正后数据 (幅度)');
colormap('hot'); colorbar;
sgtitle('第一步：距离处理结果');
%% 4. 第二步：方位处理（方位压缩）
disp('第二步：方位处理...');
% 4.1 方位向FFT（转到多普勒域）
echo_az_fft = fftshift(fft(echo_rcmc, [], 2), 2);
% 4.2 生成方位压缩参考函数
% 方位向调频率计算
Ka = 2 * V^2 / (lambda * R0); % 方位调频率
% 方位匹配滤波器（多普勒域）
ref_azimuth = exp(-1j * pi * fa.^2 / Ka);
ref_azimuth = repmat(ref_azimuth, Nr, 1);
% 4.3 方位压缩（在多普勒域相乘）
echo_az_compressed = echo_az_fft .* ref_azimuth;
% 4.4 方位向IFFT（回到方位时域，得到最终图像）
sar_image = ifft(ifftshift(echo_az_compressed, 2), [], 2);
% 4.5 显示最终SAR图像
figure('Position', [100, 100, 1200, 500]);
% 幅度图像
subplot(1,3,1);
imagesc(ta * V, tr * c/2, 20*log10(abs(sar_image) + 1e-6));
xlabel('方位向距离 (m)'); ylabel('斜距 (m)');
title('聚束SAR图像 (幅度/dB)');
colormap('jet'); colorbar; clim([-40, 0]);
axis xy equal tight;
% 相位图像
subplot(1,3,2);
imagesc(ta * V, tr * c/2, angle(sar_image));
xlabel('方位向距离 (m)'); ylabel('斜距 (m)');
title('聚束SAR图像 (相位)');
colormap('hsv'); colorbar; clim([-pi, pi]);
axis xy equal tight;
% 点目标分析（中心目标）
subplot(1,3,3);
center_idx = fix(Na/2);
range_profile = abs(sar_image(:, center_idx));
range_profile = range_profile / max(range_profile);
plot(tr * c/2, 20*log10(range_profile + 1e-6), 'b-', 'LineWidth', 1.5);
hold on;
% 标记-3dB分辨率点
[max_val, max_pos] = max(range_profile);
range_axis = tr * c/2;
half_power_left = find(range_profile(1:max_pos) <= max_val/sqrt(2), 1, 'last');
half_power_right = find(range_profile(max_pos:end) <= max_val/sqrt(2), 1, 'first') + max_pos - 1;
if ~isempty(half_power_left) && ~isempty(half_power_right)
resolution = range_axis(half_power_right) - range_axis(half_power_left);
plot(range_axis([half_power_left, half_power_right]), ...
20*log10([max_val/sqrt(2), max_val/sqrt(2)]), 'ro-', 'LineWidth', 2);
fprintf(' 实测距离分辨率: %.2f m\n', resolution);
end
xlabel('斜距 (m)'); ylabel('归一化幅度 (dB)');
title('中心目标距离向剖面');
grid on; xlim([R0-50, R0+50]);
legend('距离剖面', '-3dB点', 'Location', 'best');
sgtitle('第二步：方位处理 - 最终聚焦图像');
%% 5. 性能评估与分析
disp('性能评估...');
% 5.1 计算图像的熵（评估聚焦质量）
image_power = abs(sar_image).^2;
image_power = image_power / sum(image_power(:)); % 归一化
image_entropy = -sum(image_power(:) .* log(image_power(:) + eps));
fprintf(' 图像熵: %.4f (值越小，聚焦质量越好)\n', image_entropy);
% 5.2 计算峰值旁瓣比 (PSLR)
center_target = sar_image(fix(Nr/2), fix(Na/2));
surrounding_region = sar_image(fix(Nr/2)-5:fix(Nr/2)+5, fix(Na/2)-5:fix(Na/2)+5);
surrounding_region(6,6) = 0; % 去掉主瓣
PSLR = 20*log10(abs(center_target) / max(abs(surrounding_region(:))));
fprintf(' 峰值旁瓣比 (PSLR): %.2f dB (值越大越好)\n', PSLR);
% 5.3 生成处理流程总结图
figure('Position', [100, 500, 1000, 400]);
subplot(1,4,1);
imagesc(abs(echo_data)); title('1. 原始回波'); axis off;
subplot(1,4,2);
imagesc(abs(echo_rc)); title('2. 距离压缩'); axis off;
subplot(1,4,3);
imagesc(abs(echo_rcmc)); title('3. RCMC'); axis off;
subplot(1,4,4);
imagesc(abs(sar_image)); title('4. 方位压缩'); axis off;
sgtitle('聚束SAR两步成像算法流程');
%% 6. 保存结果
disp('保存结果...');
save('spotlight_sar_results.mat', 'sar_image', 'echo_data', ...
'echo_rc', 'echo_rcmc', 'tr', 'ta', 'targets');
imwrite(mat2gray(abs(sar_image)), 'spotlight_sar_image.png');
fprintf('结果已保存到当前目录\n');
fprintf('\n=== 聚束模式 SAR 两步成像算法完成 ===\n');
代码功能与使用说明
-
程序结构：
- 第1部分：设置雷达、平台和场景参数。你可以在这里修改载频、带宽、平台速度、高度和目标位置。
- 第2部分：模拟生成聚束SAR的原始回波数据，包含点目标场景和噪声。
- 第3部分：实现第一步处理（距离向处理），核心是距离脉冲压缩和最关键的距离徙动校正（RCMC）。
- 第4部分：实现第二步处理（方位向处理），完成方位压缩，生成最终的聚焦SAR图像，并进行简单的点目标分析。
- 第5、6部分：性能评估和结果保存。
-
关键算法与调整：
-
距离徙动校正（RCMC）：这是聚束SAR成像的核心。示例代码使用了基于公式计算的线性插值。对于高精度要求，可以将其替换为更精确的
sinc插值或频域校正方法。 -
匹配滤波：分别在距离频域和多普勒域构造了理想的匹配滤波器（参考函数）进行压缩。
-
参数调整：如果图像未完全聚焦，请检查：
- 距离/方位调频率（
Kr,Ka）的计算是否准确。 - RCMC曲线的计算公式
RCMC_curve = (lambda^2 * R0 * ta_matrix.^2) / (8 * V^2)是否与你的几何构型匹配。这是基于正侧视的近似，大斜视情况下需修正。
- 距离/方位调频率（
-
-
运行与验证：
- 直接运行代码，将看到原始回波、各处理阶段结果和最终图像。
- 程序会在中心目标处分析距离分辨率，并在命令行输出图像熵和峰值旁瓣比（PSLR）作为聚焦质量的参考指标。
- 最终图像和中间数据会保存为
.mat和.png文件。
参考代码 聚束模式的两步成像算法MATLAB程序 www.3dddown.com/cna/96704.html
算法扩展与进阶建议
这个程序实现了一个基础且完整的流程。你可以基于此进行深入研究和扩展：
- 深入研究RCMC：尝试实现更精确的距离多普勒（RD）算法或波数域（ωK）算法进行校正。
- 加入运动补偿：模拟并补偿平台的非理想运动（如速度波动）。
- 仿真复杂场景：将点目标替换为面目标或真实数字高程模型（DEM）数据。
- 验证与实测数据对比：尝试用此程序处理公开的聚束SAR实测数据（如TerraSAR-X数据）。