Ce projet présente une proposition d'implémentation de l'algorithme Range Doppler Algorithm (RDA) pour la formation d'image Radar à Synthèse d'Ouverture (RSO/SAR). Les données utilisées pour les tests sont issues de mesures fournies par Fabrice Comblet (ENSTA).
Le fichier processing.py contient la chaîne de traitement RDA sous forme de classe, ainsi qu'une fonction process_and_visualize() permettant de lancer un traitement sur un jeu de données.
- conf : La configuration de l'acquisition au format suivant :
file_path: chemin vers les données à traiter[str]PRF: fréquence de répétition des impulsions en Hz[float]vp: vitesse de la plateforme en m/s[float]fc: fréquence de travail du radar en Hz[float]Tp: durée de l'impulsion en secondes[float]B0: bande passante du signal en Hz[float]theta: angle d'incidence du radar en degrés[float]Ro: distance de la plateforme au centre de l'image en mètres[float]window_r: ajout ou non d'un fenêtrage de Hanning en portée[bool]window_a: ajout ou non d'un fenêtrage de Hanning en azimut[bool]
dur: durée de l'acquisition en secondes[float]visu_range(default=False) : active la visualisation d'une coupe en portée de l'image après compression en distance[bool]
config = {
"file_path": "onepointtarget_3s.mat",
"PRF": 300,
"vp": 200,
"fc": 4.5e9,
"Tp": 0.25e-5,
"B0": 100e6,
"theta": 45,
"Ro": 20e3,
"window_r": True,
"window_az": False
}Le notebook RDA.ipynb présente le fonctionnement de l'algorithme à travers la construction d'une image à partir de différents jeux de données.
- Créer un environnement virtuel et l'activer :
python -m venv env
source env/bin/activate (Linux/MacOS)
env\Scripts\activate (Windows)- Installer les dépendances du projet :
pip install -r requirements.txt- Lancer le notebook :
jupyter notebook RDA.ipynbCe code a été réalisé par Mikael Franco, étudiant en 3ème année à l'IMT Atlantique.