本說明書實施例公開了一種基于仿真模型的星載SAR成像優化方法、設備及介質，涉及雷達技術領域，方法包括：獲取星載合成孔徑雷達的當前發射參數、指定仿真位置和全球地物分類數據；對全球地物分類數據中的地物類型進行重分類，得到指定數量個類型的地物分類數據，以通過地物分類數據確定當前地物類型，對初始雷達散射截面仿真模型進行修正，得到修正后的優化雷達散射截面仿真模型，以確定當前地物類型對應的當前優化雷達散射截面仿真模型，將當前發射參數輸入至當前優化雷達散射截面仿真模型中，得到對應的當前預測雷達散射截面，通過當前預測雷達散射截面和當前發射參數，確定雷達接收機的增益控制參數，實現星載SAR成像的優化。

技術領域

本說明書涉及雷達技術領域，尤其涉及一種基于仿真模型的星載SAR成像優化方法、設備及介質。

背景技術

星載合成孔徑雷達（Synthetic?Aperture?Radar,?SAR）具有全天候、全天時和高分辨率成像能力，廣泛應用于軍事和民用各個領域。根據合成孔徑雷達的組成特點，為確保地面雷達回波信號強度在接收機最佳動態范圍內，保證SAR圖像質量，需要正確設置星上雷達接收機增益控制參數。

在SAR衛星發射前，需要根據SAR參數和全球地物雷達散射截面（Radar?Crosssection，RCS），計算每次SAR成像，星上雷達接收機增益控制參數數值。雷達散射截面是描述地物與雷達波之間相互作用的重要參數，表征了目標在雷達波照射下所產生的回波強度。然而，不同波段、不同入射角、不同極化方式以及不同地物的雷達散射截面差異巨大，目前的地物分類較多，無法貼近實際的地物分布，傳統的散射模型中可預測的地物類型有限，無法滿足多種典型地物的仿真需求，難以對雷達散射截面準確預測，進而導致星載SAR成像質量無法滿足要求。

發明內容

本說明書一個或多個實施例提供了一種基于仿真模型的星載SAR成像優化方法、設備及介質，用于解決如下技術問題：目前的地物分類較多，無法貼近實際的地物分布，傳統的散射模型中可預測的地物類型有限，無法滿足多種典型地物的仿真需求，難以對雷達散射截面準確預測，進而導致星載SAR成像質量無法滿足要求。

本說明書一個或多個實施例采用下述技術方案：

本說明書一個或多個實施例提供一種基于仿真模型的星載SAR成像優化方法，所述方法包括：獲取星載合成孔徑雷達的當前發射參數、指定仿真位置和全球地物分類數據，其中，所述發射參數包括當前雷達波段、當前入射角和當前極化方式，所述全球地物分類數據中包括預設數量個類型的地物；對所述全球地物分類數據中的地物類型進行重分類，得到指定數量個類型的地物分類數據，以通過所述指定數量個類型的地物分類數據，確定所述指定仿真位置的當前地物類型，其中，所述指定數量小于所述預設數量；對預先構建的初始雷達散射截面仿真模型進行修正，得到修正后的優化雷達散射截面仿真模型，以確定所述當前地物類型對應的當前優化雷達散射截面仿真模型，其中，所述優化雷達散射截面仿真模型包括所述指定數量個類型的地物仿真模型，以及每個地物類型的地物仿真模型對應的至少一個修正參數；將所述當前發射參數輸入至所述當前優化雷達散射截面仿真模型中，得到對應的當前預測雷達散射截面，通過所述當前預測雷達散射截面和所述當前發射參數，確定雷達接收機的增益控制參數，實現星載SAR成像的優化。

進一步地，對所述全球地物分類數據中的地物類型進行重分類，得到指定數量個類型的地物分類數據，具體包括：獲取所述全球地物分類數據中的分類柵格數據，以確定指定仿真位置在所述全球地物分類數據中的原始地物類型，其中，所述原始地物類型包括云、水體、林地、草地、灌木、建筑、裸地、雪/冰、淹沒植被和耕地中的任意一項；當所述原始地物類型為云時，獲取所述指定仿真位置對應的云像素位置，基于所述云像素位置，進行外延區域像素讀取，確定像素數量最多的指定地物類型，其中，所述指定地物類型包括水體、林地、草地、灌木、建筑、裸地、雪/冰、淹沒植被和耕地中的任意一項；當所述指定地物類型不為云時，將所述指定地物類型作為所述指定仿真位置對應的重分類地物類型。