对流层路径延迟对SAR方位压缩的影响(CSDN_20240301)
目录
仿真参数
方位向脉冲压缩与高阶多普勒参数的关系
仿真结果
2m分辨率
1m分辨率
0.5m分辨率
0.3m分辨率
0.2m分辨率
0.1m分辨率
0.05m分辨率
小结
对流层路径延迟对方位脉冲压缩的影响
仿真参数
| 地球参数 | 赤道半径(m) | 6378140 |
| 极半径(m) | 6356755.3 | |
| 轨道参数 | 半长轴(km) | 7000 |
| 倾角(°) | 99 | |
| 偏心率 | 0.0011 | |
| 姿态导引 | 二维姿态导引 | |
方位向脉冲压缩与高阶多普勒参数的关系

随着方位向分辨率的提高,距离历程的高阶项(即高阶多普勒参数)对脉冲压缩的影响越来越明显。本实验分析了不同分辨率下,为了得到符合要求的脉冲压缩性能,需要考虑的多普勒参数的阶数。
仿真结果
2m分辨率
| 序号 | 分辨率(m) | 扫描角(deg) | Na | Tsyn (s) | Doppler带宽 (Hz) | fd |
|
| 1 | 2.031510 | 0.42 | 6144 | 1.228600 | 3579.214668 | 0 | -2913.259029 |
| 拟合阶数 |
|
|
| 2 | 0 | -2913.259029 |

1m分辨率
| 序号 | 分辨率(m) | 扫描角(deg) | Na | Tsyn (s) | Doppler带宽 (Hz) | Fd | Fr | 拟合阶数 |
| 2 | 0.992119 | 0.86 | 12580 | 2.515800 | 7328.970995 | 0 | -2913.268251 | 2 |
| 拟合阶数 | Fd | Fr |
| 2 | -0.000002 | -2913.229587 |

0.5m分辨率
| 序号 | 分辨率(m) | 扫描角(deg) | Na | Tsyn (s) | Doppler带宽 (Hz) | Fd | Fr | 拟合阶数 |
| 3 | 0.501910 | 1.70 | 24868 | 4.973400 | 14487.077336 | 0 | -2913.268251 | 4 |
| 拟合阶数 | Fd | Fr | F3 | F4 |
| 2 | -0.000006 | -2913.117174 | ||
| 3 | 0.000015 | -2913.117174 | -0.000011 | |
| 4 | -0.000000 | -2913.268242 | 0.000000 | 0.028499 |



0.3m分辨率
| 序号 | 分辨率(m) | 扫描角(deg) | Na | Tsyn (s) | Doppler带宽 (Hz) | Fd | Fr | 拟合阶数 |
| 4 | 0.304738 | 2.80 | 40966 | 8.193000 | 23860.491862 | 0 | -2913.268251 | 4 |
| 拟合阶数 | Fd | Fr | F3 | F4 |
| 2 | -0.000016 | -2912.858341 | ||
| 3 | 0.000041 | -2912.858341 | -0.000011 | |
| 4 | -0.000000 | -2913.268180 | 0.000000 | 0.028491 |



0.2m分辨率
| 序号 | 分辨率(m) | 扫描角(deg) | Na | Tsyn (s) | Doppler带宽 (Hz) | Fd | Fr | 拟合阶数 |
| 5 | 0.198466 | 4.30 | 62930 | 12.585800 | 36637.138832 | 0 | -2913.268251 | 4 |
| 拟合阶数 | Fd | Fr | F3 | F4 |
| 2 | -0.000039 | -2912.301320 | ||
| 3 | 0.000097 | -2912.301320 | -0.000011 | |
| 4 | -0.000000 | -2913.267854 | 0.000000 | 0.028474 |



0.1m分辨率
| 序号 | 分辨率(m) | 扫描角(deg) | Na | Tsyn (s) | Doppler带宽 (Hz) | Fd | Fr | 拟合阶数 |
| 6 | 0.101661 | 8.40 | 123124 | 24.624600 | 71524.017502 | 0 | -2913.268251 | 4 |
| 拟合阶数 | Fd | Fr | F3 | F4 |
| 2 | -0.000147 | -2909.573594 | ||
| 3 | 0.000369 | -2909.573594 | -0.000011 | |
| 4 | -0.000000 | -2913.262456 | 0.000000 | 0.028389 |



0.05m分辨率
| 序号 | 分辨率(m) | 扫描角(deg) | Na | Tsyn (s) | Doppler带宽 (Hz) | Fd | Fr | 拟合阶数 |
| 7 | 0.050376 | 17.00 | 250790 | 50.157800 | 144339.033226 | 0 | -2913.268251 | 6 |
| 拟合阶数 | Fd | Fr | F3 | F4 | F5 | F6 |
| 2 | -0.000602 | -2898.057129 | ||||
| 3 | 0.001506 | -2898.057129 | -0.000011 | |||
| 4 | -0.000006 | -2913.170129 | 0.000000 | 0.028033 | ||
| 5 | 0.000010 | -2913.170129 | -0.000000 | 0.028033 | 0.000000 | |
| 6 | -0.000000 | -2913.267609 | 0.000000 | 0.028498 | -0.000000 | -0.000001 |





小结
- 相同的参数,使用matlab中polyfit函数拟合,拟合阶数不同时,得到的结果不同。
- X波段情况下,分辨率越高,需要考虑的相位误差阶数就越高
- 1m分辨率只需要考虑一阶和二阶相位误差
- 0.5m分辨率时,需要考虑三阶相位误差
- 0.1~0.3m分辨率时,需要考虑四次相位误差
- 5cm分辨率时,需要考虑六次相位误差
- 在小斜视角情况下,奇次阶相位误差很小,可以忽略。
对流层路径延迟对方位脉冲压缩的影响
对流层引入的路径延迟与温度、湿度、气压等因素有关,目前计算对流层路径延迟的方法主要有3种:静态模型、高度模型和积分模型。静态模型仅与雷达入射角和目标高度有关;高度模型将对流层路径延迟分为静态延迟、湿延迟和液体延迟3种,根据目标的高度估计气压、温湿度等参数,进而估计路径延迟;积分模型将对流层分为多层,分别计算电磁波在每一层的延迟量。
本实验旨在分析路径延迟对脉冲压缩的影响,所以没有考虑精度问题,直接使用静态模型计算点目标的对流层路径延迟(假设点目标的海拔为0米)。仿真结果如下表所示。
| 分辨率 | 对流程延迟 | 脉冲压缩结果 |
| 1m | ![]() | ![]() |
| 0.5m | ![]() | ![]() |
| 0.3m | ![]() | ![]() |
| 0.2m | ![]() | ![]() |
| 0.1m | ![]() | ![]() |
| 0.05m | ![]() | ![]() |
在给定的轨道参数和系统参数下,根据上面的仿真结果可以得到结论:
- 1. 方位向分辨率低于1米时,可以忽略对流层路径延迟对方位向聚焦的影响;
- 2. 分辨率优于0.5米时,对流层路径延迟开始对方位向聚焦产生不利影响,且随着分辨率的提高(合成孔径时间的增长),这种不利影响越来越严重,如在成像算法中不对其进行补偿,将无法得到聚焦良好的图像。
相关文章:
对流层路径延迟对SAR方位压缩的影响(CSDN_20240301)
目录 仿真参数 方位向脉冲压缩与高阶多普勒参数的关系 仿真结果 2m分辨率 1m分辨率 0.5m分辨率 0.3m分辨率 0.2m分辨率 0.1m分辨率 0.05m分辨率 小结 对流层路径延迟对方位脉冲压缩的影响 仿真参数 地球参数 赤道半径(m) 6378140 极半径&a…...
RK3588 Linux实例应用(2)——SDK与编译
SDK包编译与使用 一、安装SDK包1.1 安装软件依赖1.2 Git 配置1.3 安装 SDK1.4 安装第三方开源库 二、编译SDK包 一、安装SDK包 安装的步骤和原子哥一样的,我讲一下注意的细节。 看正点原子路径为:开发板光盘A盘→10、用户手册→02、开发文档→02【正点原…...
深入探究 Scikit-learn 机器学习库
一、数据处理与准备 (一)数据加载 内置数据集:Sklearn 自带一些经典数据集,如鸢尾花数据集(load_iris)、波士顿房价数据集(load_boston)等。这些数据集方便初学者快速上手实践&…...
PAT甲级-1114 Family Property
题目 题目大意 共有n个户主,每个户主的房产按照“ 户主id 父亲id 母亲id 孩子个数 孩子的id 房产数 房产面积 ”的格式给出。如果父亲或母亲不存在,值为-1。每个户主及其父亲母亲孩子可以构成一个家庭,不同户主如果有相同的家人,…...
5.2 JavaScript 案例 - 轮播图
JavaScript - 轮播图 文章目录 JavaScript - 轮播图基础模版一、刷新页面随机轮播图案例二、轮播图 定时器版三、轮播图完整版 基础模版 <!DOCTYPE html> <html lang"en"><head><meta charset"UTF-8" /><meta http-equiv"…...
使用IP自签名SSL证书
最近需要创建WebSocket服务器并使用SSL证书,由于是内网测试,所以需要使用指定IP的自签SSL证书。 其实笔者前面博文 使用nexus3作为Docker镜像仓库 解决nexus3登录x509: certificate has expired or is not yet valid 中有创建过相应的证书,这…...
数据库中的运算符
1.算术运算符 算术运算符主要用于数学运算,其可以连接运算符前后的两个数值或表达式,对数值或表达式进行加()、减(-)、乘(*)、除(/)和取模(%&…...
定制erp真的很贵吗?
定制ERP真的很贵吗?这个问题,相信很多企业在考虑是否实施ERP系统时,都会纠结。特别是对于一些中小型企业,预算有限,心里总会有个疑问:花大价钱定制一个系统,真的值得吗?其实…...
Java Integer的数值比较
文章目录 环境问题答案说明解决办法其它总结 环境 Windows 11 专业版Java 21 问题 下面这段代码的运行结果是什么? Integer i1 0;int i2 0;for (int n 0; n < 200; n) {if (i1 ! i2) {System.out.println("i1 " i1 ", i2 " i2);b…...
QGroundControl之5-AppSettings.cc
介绍 应用程序设置 Application Settings ,这里看下语言选择功能,它是怎么和json文件关联起来的,刚刚看的时候,很是奇怪这么多的json文件作用。 1.AppSettings.cc 文件怎么和App.SettingsGroup.json关联 在AppSettings.cc文件没…...
Django Fixtures 使用指南:JSON 格式详解
在Django开发中,fixtures是一种非常有用的工具,它们可以帮助我们序列化数据库内容,并在不同的环境或测试中重用这些数据。本文将详细介绍Django fixtures的概念、如何生成和使用JSON格式的fixtures。 什么是Fixtures? Fixtures是…...
单元测试SpringBoot
添加测试专用属性 加载测试专用bean Web环境模拟测试 数据层测试回滚 测试用例数据设定...
邮件营销平台应如何提升外贸开发信的效果?
邮件营销平台在外贸中优势包括高效市场定位、成本效益、增强客户关系、实时反馈优化、全球覆盖及时区优化、环保可持续性。Geeksend邮件营销是强大平台,高效管理,精准销售,把握外贸市场的每一个机遇,助力外贸企业精准定位、简化管…...
绘制折线图遇到问题记录
绘制折线图 主要参考:https://blog.csdn.net/qq_38029916/article/details/121611066 对应代码 import csv import matplotlib.pyplot as plt import pandas as pd import numpy as np plt.rcParams[font.sans-serif] [SimHei] plt.rcParams[font.family] sans…...
python 调Qt C++ 写法配置和坑点
python 示例写法 和调c动态库一样 通过回调函数方式 将python函数注册到c 动态库中 from ctypes import *def DllCall(nParam, nFlag):print(nParam, nFlag)z2 0.6z3 0.4z4 0.0z5 0.3z6 0.5z7 0.8z8 0.3z9 0.9strData str(z2) str(z3) str(z4) str(z5)…...
css设置透明的几种办法
在CSS中,有几种方法可以设置元素的透明度。以下是主要的几种方式: 1. 使用 opacity 属性 定义:opacity 属性用于设置元素的整体透明度,包括其内容和背景。取值范围:取值从0(完全透明)到1&…...
刷题日志【4】
目录 1、猜数字大小 1、猜数字大小 题意有点抽象,我大概讲一下,就是在1——n里面会有一个目标数,我们通过猜数字的方式逼近这个数字,直到解出这个数,之前我们是用二分法求最快达到求解的问题,这道题多了每…...
如何制作自己的字体文件.ttf
日常编程中,一些常用的符号可以直接用来当做图标使用,不需要引入过多的资源文件(例如:ico、png、svg等)十分方便! 笔者发现iconfont网站可以选择自己需要的图标,制作成.ttf文件来直接使用&…...
gradle在IDEA 中无法使用的启动守护线程的问题
最近打开一个比较早的项目,Gradle 配置没有问题,IDEA 打开Java项目却不能初始化守护线程,UI 上只能看到失败,看不到具体原因。 首先尝试了升级最新的gradle 版本8.11, 实际上这个版本在本地命令行都不能正常工作,没有…...
Spring Boot 配置多数据源并手动配置事务
Spring Boot 配置多数据源并手动配置事务 一、为什么多数据源需要手动配置?二、配置多数据源1. 数据源配置类 (DataSourceConfig)2. 主数据库 MyBatis 配置类 (PrimaryDbMyBatisConfig)3. 从数据库 MyBatis 配置类 (SecondaryDbMyBatisConfig)4. application.yml 配…...
机器人状态估计——从IMU运动方程到ESKF误差状态建模(上)
1. 从IMU数据到机器人状态估计的挑战 当你第一次拿到一个IMU传感器时,可能会觉得它就像个魔法黑盒——只要把它装在机器人上,就能知道机器人的姿态、速度和位置。但实际操作起来,你会发现IMU数据就像个调皮的孩子,稍不注意就会给你…...
【忍者算法】394 字符串解码:遇到嵌套时,栈最像“现场保存器”
【忍者算法】394 字符串解码:遇到嵌套时,栈最像“现场保存器” 接上题:这次栈里要存“上一层的现场” 前两题里,我们已经见过两种栈的用法: 《有效括号》:栈存“还没配对的左括号”。 《最小栈》:栈存数据,同时顺手维护“当前最小值”。 这一题会再往前走一步。 因为…...
老旧Mac硬件解锁:用OpenCore Legacy Patcher实现Monterey系统焕新指南
老旧Mac硬件解锁:用OpenCore Legacy Patcher实现Monterey系统焕新指南 【免费下载链接】OpenCore-Legacy-Patcher 体验与之前一样的macOS 项目地址: https://gitcode.com/GitHub_Trending/op/OpenCore-Legacy-Patcher 随着macOS版本迭代,许多经典…...
Linux等保测评实战:这些命令帮你快速搞定90%的检查项
Linux等保测评实战:高效命令组合与深度解析 1. 等保测评的核心挑战与Linux应对策略 每次面对等保测评,不少系统管理员都会感到压力山大。时间紧、任务重、检查项繁杂,如何在有限时间内高效完成合规检查,同时确保系统安全无虞&…...
二维码生成新体验:Amazing-QR核心功能与个性化应用指南
二维码生成新体验:Amazing-QR核心功能与个性化应用指南 【免费下载链接】amazing-qr 💮 amazing QRCode generator in Python (supporting animated gif) - Python amazing 二维码生成器(支持 gif 动态图片二维码) 项目地址: ht…...
保姆级教程:用PyTorch 1.13+Win11搞定MSTAR数据集分类(附完整代码)
从零实现MSTAR数据集分类:PyTorch全卷积网络实战指南 1. 环境配置与工具准备 在Windows 11系统上搭建PyTorch开发环境需要特别注意版本兼容性问题。以下是经过验证的稳定组合: PyTorch 1.13.0 CUDA 11.6 cuDNN 8.3.2Python 3.8-3.10(推荐…...
别只把Text2SQL当玩具:结合Spring AI与DeepSeek,我们这样用它优化了内部报表系统
别只把Text2SQL当玩具:结合Spring AI与DeepSeek,我们这样用它优化了内部报表系统 当业务团队每天提出十几个动态报表需求时,传统开发模式就像用勺子舀干涸的井水——我们团队曾连续三个月被SQL编写和接口开发压得喘不过气。直到将Text2SQL技术…...
Python+PySpark+Hadoop房价预测系统 房价预测 房源推荐系统 二手房推荐系统 随机森林回归预测模型、链家二手房 可视化大屏
1、项目 介绍 技术栈: Python房价预测分析系统 毕业设计 大屏 爬虫 机器学习 Flask框架、Echarts可视化、requests 爬虫、随机森林回归预测模型、链家二手房2、项目界面 (1)数据可视化大屏(2)房价预测(3&am…...
Remult项目实战:如何从零构建企业级CRM系统的完整流程
Remult项目实战:如何从零构建企业级CRM系统的完整流程 【免费下载链接】remult Full-stack CRUD, simplified, with SSOT TypeScript entities 项目地址: https://gitcode.com/gh_mirrors/re/remult 在当今快速发展的商业环境中,企业级CRM系统已成…...
BLIP-Diffusion实战解析:如何通过预训练主题表示实现高效可控的图像生成
1. BLIP-Diffusion的核心创新点解析 第一次看到BLIP-Diffusion这个模型时,最让我惊讶的是它解决了一个困扰行业多年的难题:如何在不需要反复微调的情况下,让AI生成的图像既保持输入主题的特征,又能灵活响应文本指令。这就像教一个…...











