تخمین خطای ناشی از لرزش سکو در رادار دهانه ترکیبی sar با استفاده از روش تجزیه‌ی حالت تجربی

یکی از مشکلات تصویربرداری در رادار دهانه ترکیبی (sar) لرزش سکو است. در روش‌هایی که برای جبرانسازی لرزش سکو در رادار sar حالت نواری به کار می‌رود برای لرزش سکو یک مدل تعریف می‌شود و پارامترهای آن تخمین زده می‌شود. به‌عنوان‌مثال در روش جابجایی صحنه مدل لرزش سکو تابع درجه دوم فرض می‌شود. در این روش مدل لرزش سکو سینوسی در نظر گرفته‌شده است. اگر لرزش سکو را با یک سینوس مدل کنیم، خطای فاز باعث ایجاد یک سیگنال مدولاسیون سینوسی (sfm) می‌گردد و که می‌توان پارامترهای لرزش را در آن تقریب زد؛ از طرفی مدل لرزش سکو را نمی‌توان دقیقاً با یک سینوس تقریب زد زیرا در عمل لرزش سکو به‌صورت یک هارمونی منظم نیست اما می‌توان آن را با جمع چند سینوس تقریب زد. برای اینکه بتوان تاثیر این سینوس‌ها را در فاز از هم تفکیک کرد، از روش تجزیه‌ی حالت تجربی دوتایی (bemd) استفاده‌شده است. تجزیه‌ی حالت تجربی دوتایی سیگنال را به سیگنال‌هایی از چرخش سریع تا آهسته تجزیه می‌کند، به این سیگنال‌های قابل آنالیز، تابع حالت ذاتی (imf) گفته می‌شود. با تحلیل هرکدام می‌توان فرکانس‌های لرزش سکو را تخمین زد. مزیت این روش نسبت به روش‌هایی که از مدل درجه دوم استفاده می‌شود کاهش محاسبات درنتیجه‌ی کاهش زیربخش‌ها به خصوص در لرزش‌های منظم و متناوب است.

Estimation of platform vibration error in SAR using Bivariate Empirical Mode Decomposition method

One of the imaging problems in Synthetic Aperture Radar (SAR) is platform vibration. In the methods used to compensate for platform vibration in strip mode SAR, defined a model and its parameters are estimated. For example, in Mapdrift autofocus, the platform vibration model is assumed to be a quadratic function. In this method, a sinusoidal platform vibration model is considered. If we model the vibration of the platform with a sine, the phase error generates Sinusoid frequency modulation (SFM) in which the vibration parameters can be approximated; On the other hand, the platform vibration model cannot be approximated exactly with one sine because in practice the platform vibration is not a regular harmony, but it can be approximated by the sum of several sinuses. In order to be able to differentiate the effect of these sinuses in phase, Bivariate Empirical mode decomposition (BEMD) method has been used. Bivariate Empirical mode decomposition breaks down a signal into signals from fast to slow rotation. These analyzable signals are called intrinsic mode function (IMF). By analyzing each one, the vibration frequencies of the platform can be estimated. The advantage of this method over the methods used by the quadratic model is the reduction of calculations as a result of the reduction of subsections, especially in regular and intermittent vibrations.