干涉成像雷达高度计数据BAQ压缩的FPGA实现及数据评估

doi:10.11873/j.issn.1004-0323.2020.3.0664

干涉成像雷达高度计数据BAQ压缩的FPGA实现及数据评估

马金双^,¹^,², 唐月英^,¹, 董晓¹

1.中国科学院国家空间科学中心微波遥感技术重点实验室，北京 100190

2.中国科学院大学，北京 100049

Implementation of InIRA Data Compression Using BAQ with FPGA

Ma Jinshuang^,¹^,², Tang Yueying^,¹, Dong Xiao¹

1.Key Laboratory of Microwave Remote Sensing，National Space Science Center，Chinese Academy of Sciences，Beijing 100190，China

2.University of Chinese Academy of Sciences，Beijing 100049，China

通讯作者: 唐月英（1966-），女，湖南怀化人，正高级工程师，硕士生导师，主要从事微波遥感器控制与实时信号处理子系统的研制。E⁃mail: tangyueying@mirslab.cn

收稿日期: 2019-01-02 修回日期: 2020-04-26 网络出版日期: 2020-07-03

基金资助:

国家重点研发计划“三维成像雷达高度计海洋信息提取技术及应用”. 2016YFC1401004

Received: 2019-01-02 Revised: 2020-04-26 Online: 2020-07-03

作者简介 About authors

马金双（1992-），女，河北唐山人，硕士研究生，主要从事用FPGA进行实时信号处理E⁃mail:majinshuang1949@163.com , E-mail：majinshuang1949@163.com

摘要

干涉成像雷达高度计(InIRA)是一种采用短基线、小入射角、一发双收的干涉测量技术，可以获取高相干海面回波，经数据处理获得干涉相位信息，再经反演得到海面高度，其突出优越性是可以获取宽刈幅、高精度海面高程信息；但由于其原始数据量巨大，给星上大容量数据存储和下行传输带来严峻的挑战；介绍一种用FPGA实现分块自适应量化(BAQ)压缩算法的方法，对已获取的某星载干涉成像雷达高度计(InIRA)海洋回波原始数据进行处理，分析不同压缩比对测量性能的影响；同时，根据新型InIRA的数据特点对原始BAQ算法进行改进，为未来星载干涉成像雷达高度计的数据压缩提供参考依据。结果表明：压缩比为8/3时，量化信噪比可达15 dB；压缩比为8/6时，2 km分辨率时海面高度测量误差约为2.68 cm。

关键词： FPGA ; BAQ ; InIRA ; 海洋测高

Abstract

Interferometric Imaging Radar Altimeter (InIRA) is based on interferometric measurement technology with small incident angle, one transmitter and two receivers. Interference Imaging Radar Altimeter can obtain highly coherent sea surface echo and extract interference phase information from the echo, and then achieve sea surface height by inversion. Its prominent advantages are wide swath and high precision. However, because of the huge amount of data, it brings serious challenges to on-board high-capacity data storage and downlink transmission. This paper introduces a method with FPGA to realize Block Adaptive Quantization (BAQ) compression algorithm, which processes the original ocean echo data of a certain satellite borne Interferometric Imaging Radar Altimeter, and analyzes the influence of different compression ratios on the measurement performance. Meanwhile, the traditional BAQ algorithm was improved according to the data characteristics of the new InIRA. It provides reference basis for data compression of future spaceborne Interferometric Imaging Radar Altimeter. The test shows that when the compression ratio is 8/3, the SQNR can reach 15 dB. At 8/6 compression ratio, the measurement error of sea surface height at a resolution of 2 km is about 2.68 cm.

Keywords： FPGA ; BAQ ; InIRA ; Ocean altimetry

PDF (3471KB) 元数据多维度评价相关文章导出 EndNote| Ris| Bibtex 收藏本文

本文引用格式

马金双, 唐月英, 董晓. 干涉成像雷达高度计数据BAQ压缩的FPGA实现及数据评估. 遥感技术与应用[J], 2020, 35(3): 664-672 doi:10.11873/j.issn.1004-0323.2020.3.0664

Ma Jinshuang, Tang Yueying, Dong Xiao. Implementation of InIRA Data Compression Using BAQ with FPGA. Remote Sensing Technology and Application[J], 2020, 35(3): 664-672 doi:10.11873/j.issn.1004-0323.2020.3.0664

1 引言

传统雷达高度计通过发射线性调频信号并跟踪接收海面回波得到回波波形数据，从回波波形数据中提取海面高度^[1]，测高精度为2~4 cm^[2,3]。传统雷达高度计沿卫星地面轨迹测量海面高度(SSH)，产生一维的高程剖面^[4]，因此只能观测星下点的海面高度。新型干涉成像雷达高度计采用小角度干涉测量技术、孔径合成技术，实现宽刈幅、高精度海面高度测量，对研究中尺度和亚中尺度的海洋现象具有重要意义。由于干涉成像雷达高度计具有较宽刈幅，可以获得观测区域的高分辨率图像，但是原始数据速率较高，因此数据压缩变得尤为重要^[5,6,7]。

块自适应压缩算法(BAQ)^[8]利用回波数据局部区域动态变化范围远小于整体变化范围的特点，将数据按幅度大小进行量化编码使均方失真最小。BAQ算法因压缩效果好，硬件复杂度低，被广泛应用于星载雷达数据压缩系统。如欧空局Envisat-ASAR 对地观测雷达，德国TerraSAR-X地表测绘雷达，加拿大的“Radarsat-2”和意大利的“COSMO-SkyMed”等许多国家退役及现役雷达均采用BAQ算法及其改进算法，后续换代系统也将继续沿用。

本设计依据BAQ算法的原理，基于FPGA用于星载卫星的高可靠性、丰富的内部资源及高效性的特点，对某星载干涉成像雷达高度计获取的原始海洋回波数据用BAQ压缩算法进行处理，同时根据原始回波的数据特性对BAQ算法进行改进，并对压缩效果和测高误差进行分析，判断其是否适用于未来业务星载InIRA系统。

2 基本原理

2.1　BAQ数据压缩方法

通过对来自接收机的模拟正交I、Q信号进行AD转换得到I、Q数字信号，由于InIRA高度计回波I、Q服从零均值高斯分布^[9]，因此可以采用BAQ压缩处理以降低数据率。BAQ系统原理框图如图1，先将数据分成若干小块，求每个块内幅度均值，用所得均值通过查表得到标准差，再从标准差得到最佳量化判决门限，将块内数据与判决门限比较得到编码。

图1

新窗口打开| 下载原图ZIP| 生成PPT

图1 BAQ压缩系统框图

Fig.1 Block diagram of BAQ compression system

编码中包含一位符号位，将编码值与对应的均值一起打包下传至地面。地面根据接收数据中的编码值及均值进行解压缩、数据重构。

2.1.1　数据分块原则

SAR原始数据的标准差沿距离向和方位向具有缓变特性，且I、Q两路数据的变化规律相同又相互独立^[10]，因此数据分块不能太大，否则不能满足量化器对量化数据平稳性的要求，也不能很好地跟踪数据的动态变化；也不能太小，否则利用标准差不能准确地估计出数据块的统计特性^[11]。应用时，分块大小应根据具体情况在两者中做均衡。

2.1.2　求标准差

由于I、Q符合零均值高斯分布，因此可以用单个参数即标准差来表征其统计特性。标准差可以由幅度平均值或功率平均值表示，本设计采用幅度平均值，表示为^[12]：

\overset{__}{| I |} = \overset{__}{| Q |} = 2 \sum_{n = 0}^{N - 1} (x_{n} + 1 / 2) \int_{x_{n}}^{x_{n} + 1} p (x) d x

(1)

其中： $p (x) = \frac{1}{\sqrt[]{2 π} σ} e^{- \frac{x^{2}}{2 σ^{2}}}$ ， $x_{n}$ 是AD采样值， $σ$ 是对应的标准差。

2.1.3　Max-Lloyd求量化电平和判决门限

对于满足高斯分布的信号可以利用其概率密度函数的形状特性实现最佳量化，Max-Lloyd^[13]算法就是利用了高斯分布特性，在概率密度函数较大的时候缩小量化间隔，小的时候增大量化间隔，进而达到减小量化误差MSQE的目的，对于不同的压缩比，根据不同的压缩输出位数R，可以求得2^(R-1)-1个判决门限和2^(R-1)个量化电平，实现方法是通过迭代求出量化电平和判决门限，使得量化失真度达到最小。Max-Lloyd算法的流程图2所示。图中y表示量化电平，d表示判决门限。p(x)为高斯分布函数，r表示2^(R-1)。

图2

新窗口打开| 下载原图ZIP| 生成PPT

图2 Max-Lloyd算法流程图

Fig.2 Max-Lloyd algorithm flow chart

由于正负半轴是对称的，所以只要求出正半轴的判决门限和量化电平即可。以3 bit编码为例，表1是由Max-Lloyd方法求得的编码和译码对应关系。其中σ为标准差。

表1 R=3时量化器编译码对应关系表

Table1 3 bit encoding and decoding relationship tables

比较输入	编码输出	译码输出
1.75σ<x	111	2.15 σ
1.05σ<x≤1.75σ	110	1.34 σ
0.50σ<x≤1.05σ	101	0.76 σ
0<x≤0.50σ	100	0.25 σ
-0.50σ<x≤0	011	-0.25 σ
-1.05σ<x≤-0.50σ	010	-0.76 σ
1.75σ< x ≤-1.05σ	001	-1.34 σ
x<-1.75σ	000	-2.15 σ

新窗口打开| 下载CSV

2.2　压缩性能评估方法

均方差(MSE)是衡量压缩性能一种简单方法，即压缩前后数据绝对误差的平均值。对于复数信号，先求压缩前后差值的模，再求平方和的均值。公式如下^[14]：

M S E = \frac{1}{M \cdot N} \sum_{x = 1}^{M} \sum_{y = 1}^{N} {|g (x, y) - f (x, y)|}^{2}

(2)

其中：g(x,y)为原始信号，f(x,y)为解压缩后的信号。M，N分别为数据簇的行列值。

量化信噪比(SQNR)是量化前的信号和量化噪声的比值，量化噪声是指原始数据与解压缩数据之间的差。计算公式如下，量化信噪比越大表示量化造成的误差越小。

S Q N R = 10 l o g_{10} [\frac{\sum_{x = 1}^{M} \sum_{y = 1}^{N} {|g (x, y)|}^{2}}{\sum_{x = 1}^{M} \sum_{y = 1}^{N} {|g (x, y) - f (x, y)|}^{2}}]

(3)

干涉相位差（IPE）是由数据的幅值和相位信息共同决定的。公式如下：

I P E = \frac{1}{M \cdot N} \sum_{x = 1}^{M} \sum_{y = 1}^{N} |ϕ_{g} (x, y) - ϕ_{f} (x, y)|

(4)

其中： $ϕ_{g} (x, y)$ 为原始信号相位， $ϕ_{f} (x, y)$ 为解压后信号相位。

3 算法的实现

3.1　数据分块

本设计的数据来源是某星载干涉成像雷达高度计的海洋回波，从中选取了一块大小为256×3 000的数据块，其中方位向256个脉冲，距离向每个脉冲3 000个采样点。将这组原始数据中分别按照16×15(方位×距离)、 32×30、以及64×60 3种分块方式在Matlab中做统计特性分析，结果如图3所示。

图3

新窗口打开| 下载原图ZIP| 生成PPT

图3 不同分块的数据统计特性

Fig.3 Statistical characteristics of different block

由上图可以看出16×15分块统计特性不明显。用Matlab中的cftool拟合工具对两种数据做高斯分布拟合，16×15分块的确定系数R-square为0.42，32×30分块的确定系数为0.82，64×60分块的确定系数为0.93，系数越大表示拟合越好。可见16×15分块数据量太少，块内数据不能很好地服从高斯分布。

将原始数据在Matlab中分别以3种分块方式进行压缩处理，解压后的量化信噪比如表2所示。

表2 不同分块量化信噪比SQNR的结果

Table2 SQNR of different block

压缩比	8/2	8/3	8/4	8/5	8/6
15×16(dB)	9.59	14.94	20.56	26.34	31.82
30×32(dB)	9.55	14.94	20.57	26.35	31.84
60×64(dB)	9.53	14.92	20.56	26.34	31.82

新窗口打开| 下载CSV

由表2数据可以看出，15×16只在8/2压缩时信噪比较大，且不能满足块内数据满足高斯分布的要求。64×60分块进行压缩后量化信噪比SQNR较小，性能较差。这是由于分块太大不能很好的跟踪信号的幅度变化特性，使得量化估计不准确。

基于以上分析，本设计分块大小取32×30(方位×距离)，将原始回波数据分成100×8个数据块分别进行处理，如图4所示，每一路I或Q块大小都是32×30=960个数。

图4

新窗口打开| 下载原图ZIP| 生成PPT

图4 数据分块示意图

Fig.4 Data block schematic diagram

3.2　块内I/Q数据压缩

3.2.1　求均值

（1）对块内每一路I、Q数据求绝对值，最高位为0则直接取其低七位，为1则用256减去该数；

（2）计算块内每一路I、Q路960个数据的累加和Sum，因为2⁹<960<2¹⁰，因此960个7 bit的数据累加用17 bit累加器就不会发生溢出；

（3）求均值mean = sum/960，mean取7 bit有效位，对应0~127，为避免直接相除需要消耗大量的资源，软件实现时采用如下公式实现：

m e a n = \frac{s u m}{1 024} \times k

(5)

其中： $k = \frac{1 024}{960}$ ，这样将除法运算变为右移和乘法运算。

3.2.2　求标准差及判决门限

对于有符号的8位AD输出信号，公式（1）幅度平均值简化如下：

\overset{__}{| I |} = \overset{__}{| Q |} = 127.5 - \sum_{n = 0}^{126} e r f (\frac{n + 1}{\sqrt[]{2} σ})

(6)

其中： $e r f (x) = \frac{2}{\sqrt[]{π}} \int_{0}^{x} e x p (- x^{2}) d x$ 。

等式(6)就是标准差与幅度均值的映射关系。

由幅度均值直接求标准差，无论是调用FPGA自带的IP核，或是用代码实现，都需要大量的乘法和开方运算，实现起来较复杂，资源消耗大，且耗时较长。本设计将高斯分布均值与标准差的对应关系做成表格，量化时根据均值查表得到标准差，这样可以大大降低硬件开销并加快处理速度。

用Matlab将式（6）均值为0~127时对应的标准差σ求出来，分别与Max_Lloyd标准高斯分布的判决门限和量化电平相乘，得到均值为0~127对应的判决门限和量化电平，将均值与判决门限的对应关系做成表存储到FPGA的RAM中。表3为3 bit输出的部分对应关系，每个均值对应4个判决门限，其中一个是0，不存储以节省空间。本设计在XILINX 厂家的7XC7VX485T上实现，片内共有1 030片36 Kb大小的块RAM，压缩比为8/2、8/3、8/4、8/5和8/6所需RAM深度分别为127、381、889、1 905和3 937，位宽为7 bit。软件实现时根据均值得到RAM地址，查表得到对应的量化判决门限。

表3 3 bit输出均值与门限映射关系 (部分)

Table3 3 bit Relationship between mean and threshold

地址 (均值)	数据 (量化判决门限)
9(3)	2
10(3)	4
11(3)	7
12(4)	3
13(4)	5
14(4)	9
15(5)	3
16(5)	7
17(5)	11

新窗口打开| 下载CSV

3.2.3　量化编码

多路分配器根据压缩控制选择R(R0,R1,R2)将均值存储到相应的RAM表。由于每个均值mean对应2^(R-1)-1个判决门限值，所以读RAM表时从mean×(2^(R-1)-1)的地址开始读取2^(R-1)-1个判决门限值。编码时需根据符号位和数值比较原始数据位于哪两个判决门限值之间，得到R位编码值。将均值和编码数据一起输出。块内数据压缩流程如图5所示。

图5

新窗口打开| 下载原图ZIP| 生成PPT

图5 块内数据压缩实现流程

Fig.5 FPGA implementation flow chart of block data

3.3　整簇4路IQ数据处理流程

软件实现时将4路I/Q数据并行处理以加快处理速度，另外由于RAM表与具体输入数据无关，因此每一分块4路I及Q错开处理，可共用同一套RAM表，以节省片内资源，数据处理时序如图6所示。以8/6压缩为例，从I₁路开始读入块数据时刻start_I₁到完成整块数据的编码时刻end_I₁，共消耗1 964个时钟周期。其中读RAM占用t=31(即2^(R-1)-1)个时钟周期，起始端4路信号分时进入到压缩系统，每隔t时间进入一路数据，完成并行处理。当I₁路数据处理完成，需用时1 964×800个clk，此时用计数器计3×t个clk时长，之后4路数据同时打包处理。

图6

新窗口打开| 下载原图ZIP| 生成PPT

图6 数据处理时序

Fig.6 Data processing timing

3.4　算法改进

采用的新型星载干涉成像雷达高度计一个共256个子脉冲的原始数块，每个子脉冲在距离向有3 000个采样点，图7是一个子脉冲的原始回波数据波形图。根据幅度值大小对数据进行分块，区域1为采样点1~600，区域2为601~2 400，区域3为采样点2 401~3 000。

图7

新窗口打开| 下载原图ZIP| 生成PPT

图7 原始回波数据

Fig.7 Raw echo data

可以看出回波数据在区域1和区域3的幅度值很小，幅度动态范围变化量也小，这两个区域信号信噪比较小；区域2幅值较大，数据动态范围也大。由文献^[15]可知，当信号功率很小、噪声功率占比较大时，无论编码位数为多少，信噪比都不会增加；但是当信号功率大时，信噪比与编码位数成正比。因此，针对这种类型的原始数据，在区域1和区域3，按照64×60分块2 bit量化输出，区域2采用32×30分块6 bit量化输出的方式对数据进行处理。图8为改进后的数据分块方式，经过计算，改进后的压缩输出为4.4 bit，实际工程中可以通过注入指令调整中间区域与两边区域的比例，得到不同比特分数的输出位数，对传统的BAQ算法只能得到整数的压缩比进行了优化。

图8

新窗口打开| 下载原图ZIP| 生成PPT

图8 改进算法分块

Fig.8 Data block of improved algorithm

3.5　仿真与验证

图9是压缩比为8/5时的modelsim仿真图，由均值查RAM表得到门限bound值，比较输入数据在bound中的哪个区间，输出编码code。Modelsim仿真将编码后的数据code通过txtio存到txt文件中；然后对同样的这组回波数据用Matlab算法进行BAQ压缩，注意Matlab程序中定义的中间变量及最后结果均与FPGA用相同位宽的定点数，将处理结果与FPGA处理结果对比，二者完全相同，证明FPGA设计正确。

图9

新窗口打开| 下载原图ZIP| 生成PPT

图9 5 bit输出的Modelsim仿真图

Fig.9 Modelsim simulation diagram (output is 5bit)

3.6　资源与时间分析

原始BAQ算法与改进算法的资源使用情况分别如图10和图11所示，可以看出在资源消耗量上两者相差不大。实验为了简化设计将4路原始数据全存放在芯片内部的RAM中，缓存的原始数据量是256个子脉冲×4通道3 000个采样点×8 bit=24 M bit，因此资源分析显示所占片内RAM资源较大，但实际工程应用中是将原始数据放在片外存储，降低资源的消耗。

图10

新窗口打开| 下载原图ZIP| 生成PPT

图10 原始BAQ资源消耗

Fig.10 Resource consumption of original BAQ

图11

新窗口打开| 下载原图ZIP| 生成PPT

图11 改进BAQ资源消耗

Fig.11 Resource consumption of improved BAQ

如图12所示，本实验FPGA布局布线后实际达到的最大工作时钟频率为108.33 M，相对于实际工作时钟频率80 MHz，留有部分余量。

图12

新窗口打开| 下载原图ZIP| 生成PPT

图12 时钟频率

Fig.12 The clock frequency

图13和14分别是在80 MHz时钟频率下运行压缩程序的时序图，可以看出原始BAQ需要29.25 ms，改进后需要29.08 ms，较原始算法快0.17 ms，这只是截取原始回波一小段数据的结果，当大量数据顺序处理时，更能体现出速度优势。

图13

新窗口打开| 下载原图ZIP| 生成PPT

图13 原始BAQ运行时间

Fig.13 Run time of original BAQ

4 结果分析

4.1　压缩性能分析

对Modelsim仿真存储的压缩后数据进行解压和重构；先将每块数据起始位置的均值提取出来，用公式(6)求标准差，由均值与判决门限关系(如表1所示)，得解压缩后的数据。再按顺序将每块数据对应到数据簇中相应的位置，完成数据重构。取中间区域受噪声影响较小的数据分别从均方差，量化信噪比和相位差这几个方面对压缩性能进行评估。

表4为4路IQ数据经原始BAQ压缩后在不同压缩比时得到的数据的性能，可以看出4路数据的均方差和量化信噪比相差不大。均方差随压缩比的减小而减小，相邻两组数据之间约2倍的关系。而量化信噪比随输出比特数的增大而增大，每增加一个量化比特，量化信噪比约增加5.5 dB，且在3 bit时量化信噪比已达到15 dB，所以3 bit以上输出解压缩后数据效果较好。量化信噪比越高，测量精度越大，达到了减小数据速率的同时保证较小的数据失真。

表4 不同压缩比处理效果

Table4 Processing effect at different compression ratio

压缩比	8/2	8/3	8/4	8/5	8/6
MSE(I₁Q₁)	12.88	6.93	3.62	1.86	0.99
MSE(I2Q2)	12.76	6.86	3.59	1.85	0.98
SQNR( I₁Q₁)(dB)	9.61	15.02	20.67	26.45	31.93
SQNR( I2Q2)(dB)	9.60	15.01	20.67	26.44	31.94

新窗口打开| 下载CSV

表5是在雷达分辨率不同时，不同压缩比下的相位误差情况。由表4和表5可以看出，压缩比越大，相位误差越大，8/6压缩时相位误差小于0.05°，分辨率为1 km时的相位误差较分辨率为2 km时的相位误差大；即同样压缩比，分辨率越低，相位误差越小。

表5 不同分辨率的相位误差(IPE)

Table5 Phase errors at different resolutions

压缩比	8/2	8/3	8/4	8/5	8/6
1 km(度)	0.55	0.32	0.15	0.08	0.04
2 km(度)	0.44	0.22	0.09	0.05	0.03

新窗口打开| 下载CSV

表6是改进后的压缩结果，原始BAQ按线性等差公式计算4.4 bit输出时约为22.87 dB的信噪比，改进后的信号的信噪比为24.48 dB，较原始算法性能更高。同时，压缩后的数据在中间区域依然能保持较高的压缩性能，这块数据代表信号与噪声的比值较高，对成像或者高度测量最为重要，因此改进后的算法在性能上有优势。

表6 改进算法结果

Table6 Resolutions of improved algorithm

数据区域	256×3 000	1/3区域	2区域
输出	4.4 bit	2 bit	6 bit
MSE	2.30	2.84	0.99
SNR(dB)	24.48	9.29	31.93

新窗口打开| 下载CSV

4.2　根据干涉相位差计算测高误差

干涉相位差影响测高误差。干涉成像雷达高度计测高原理简化示意图如图15 所示，具有一定视角差的两幅天线获取同一目标的相干SAR 图像，然后根据其干涉相位差来计算高度值。其中A₁ 和A₂ 分别代表天线的位置，两副天线距离用基线距离B表示，基线与水平方向的夹角为ɑ。H为飞行器的高度，P为要测量的目标点，R为P到天线A₁的距离，目标P到天线A₂ 的距离为R+ΔR，θ是第一副天线的参考视角，P点的高程用h表示^[16]。由测高原理图可得：

h = H - R c o s θ

（7）

ϕ = \frac{2 π}{λ} B \cdot s i n (θ - α)

（8）

图14

新窗口打开| 下载原图ZIP| 生成PPT

图14 改进BAQ运行时间

Fig.14 Run time of improved BAQ

图15

新窗口打开| 下载原图ZIP| 生成PPT

图15 测高原理简化图

Fig.15 Simplified altimetry schematic diagram

求导可得：

\frac{\partial h}{\partial θ} = R s i n θ

（9）

\frac{\partial θ}{\partial ϕ} = \frac{λ}{2 π B c o s (θ - α)}

（10）

推导得：

\frac{\partial h}{\partial ϕ} = \frac{λ R s i n θ}{2 π B_{⊥}}

（11）

所以

Δ h = \frac{λ R s i n θ}{2 π B_{⊥}} Δ ϕ

（12）

其中： $B_{⊥} = B c o s (θ - α)$

求出干涉相位差值后,代入上式即可得测高误差。

图16表示原始BAQ算法在不同压缩比下，由相位差求得的海面测高误差，关系式见公式(12)。当分辨率为2 km时，8/6、8/5压缩时的测高误差均小于5 cm，分别为2.68 cm和4.70 cm。分辨率为1 km时，只有8/6压缩时测高误差达到5 cm以下，为3.60 cm。

图16

新窗口打开| 下载原图ZIP| 生成PPT

图16 不同压缩比下的测高误差

Fig.16 Altitude measurement errors at different compression ratios

随着压缩比的增大，海面测高误差增大，而随着分辨率的降低，测高误差减小，因此可以根据不同的实际需要选择相应的压缩比。以2 km分辨率海面测高雷达为例，当要求测量误差小于10 cm时，只有8/4、8/5、8/6共3种压缩模式可选。

由于改进算法在数据中间区域依然采用6 bit压缩，测量误差在两种分辨率下也可以达到2.68 cm和3.60 cm。

5 结语

本设计利用FPGA实现了干涉成像雷达高度计原始海洋回波数据的BAQ压缩算法，实现步骤包括数据分块，均值与标准差映射，量化编码等，并设计了5种压缩模式。通过求解压缩后数据的量化信噪比、均方误差和干涉相位误差，分析不同压缩比对信号性能和测高误差的影响。同时通过分析原始回波数据的特性，提出适用于新型干涉成像雷达高度计回波数据的改进算法。结果表明：在3 bit输出时达到15 dB的量化信噪比；2 km分辨率下，8/6压缩时测高误差可到达2.68 cm；1 km分辨率下，8/6数据输出测高误差为3.6 cm。改进算法压缩后的输出位数为4.4 bit，与传统BAQ输出为6 bit时的高程误差一致，在保证测高精度的同时，比传统BAQ算法压缩率更高，且在处理速率上也具有优势。

参考文献

原文顺序

文献年度倒序

文中引用次数倒序

被引期刊影响因子

[1]

, Liu

Heguang

, Jiang

jingshan

. HY-2

A Radar Altimeter Design and in Flight Results

[J]. Engineering Sciences, 2013, 15(7):25-32.