基于多普勒谱优化的HRWS SAR系统通道相位偏差估计算法

方位多通道SAR系统通过抑制多普勒模糊,能够实现高分辨率和宽测绘带(HRWS)对地观测。针对通道间幅相偏差会导致成像结果中出现目标模糊分量的问题,该文提出一种通道相位偏差估计算法。该算法利用通道间相位偏差会造成多通道重构方位谱在主瓣内展宽的特性,通过优化多谱勒谱能够实现通道相位偏差的有效估计。该算法在通道相位偏差估计前不需要进行多普勒中心估计,减小了由多普勒中心估计不准引入的误差,并且在低信噪比的情况下仍然具有良好的估计性能。基于仿真数据和实测数据的实验验证了该文算法的有效性。     

基于特征分解的方位向多通道SAR相位失配校正方法

作为实现高分辨率宽幅成像的重要技术手段之一,方位多通道合成孔径雷达(Synthetic Aperture Radar, SAR)近年来得到了广泛的研究与发展。在进行多通道数据重建之前,通道之间的传输特性必须校正一致,以避免图像中出现严重的虚假目标。在多通道SAR数据处理中,精确的基带多普勒中心估计对系统的通道失配校正和高分辨率成像具有非常重要的意义。但是单一通道数据的多普勒频谱混叠制约了传统基带多普勒中心估计算法在方位多通道SAR系统中的应用。基于特征分解处理,该文提出一种新的基带多普勒中心估计方法。该方法在推导过程中考虑了波束指向存在斜视的影响,能够实现方位多通道SAR系统基带多普勒中心和通道间相位误差的鲁棒估计。仿真实验和C波段方位向四通道机载SAR实验数据处理分析验证了算法的有效性。      

一种SAR运动目标的自聚焦算法

基于SAR成像中散射点模型的参数估计,提出了一种适用于经过距离走动校正之后,在方位向上仍存在两次及两次以上相位误差的动目标的自聚焦算法.该方法在方位数据域上结合离散多项式相位变换(DPT)方法和最小二乘估计法估计相位误差,用CLEAN算法估计散射点参数,并通过交替迭代运算,可以较少的距离单元实现较为精确的误差补偿,因而运算量小.经过实测数据验证,该算法获得了理想的自聚焦.     

基于先验相位结构信息的双基SAR两维自聚焦算法

两维自聚焦是高机动条件下机载合成孔径雷达(SAR)高分辨率成像的重要保障。现有的双基SAR两维自聚焦算法没有充分利用相位误差的先验结构信息,是对相位误差的一种盲估计,在计算效率和参数估计精度方面仍然存在很大限制。该文从双基SAR极坐标格式成像算法新解释入手,从残留距离徙动(RCM)校正的观点出发,将极坐标格式(PFA)算法的实现解释为距离频率和方位时间两个变量的解耦过程。利用这一观点分析了极坐标格式算法中的距离和方位重采样对两维相位误差的影响,揭示了残留两维相位误差固有的解析结构。基于这一固有的先验信息,该文提出了一种结合先验信息和图像数据的双基SAR两维自聚焦算法。算法通过引入先验知识,将两维相位误差估计降维成一维方位相位误差的估计;同时,在估计方位相位误差时,通过多子带数据平均,充分挖掘了所有数据的信息。相比于已有算法,无论是参数估计精度还是计算效率都有明显改善。实验结果验证了该文理论分析的正确性以及所提两维自聚焦方法的有效性。      

一种星载多通道高分辨率宽测绘带SAR系统通道相位偏差估计新方法

方位多通道合成孔径雷达(SAR)可有效地抑制多普勒模糊以实现高分辨率宽测绘带(High-Resolution Wide-Swath HRWS)成像。通道间幅相误差将影响多普勒模糊抑制性能。基于星载SAR系统回波特性雷达回波在多普勒带宽外的能量通常远小于多普勒带宽内能量,该文提出一种多通道HRWS SAR系统通道间相位偏差估计新方法。该方法假定多普勒带宽外的信号近似为零,将单星多通道HRWS SAR系统相位偏差估计问题转换为恒模二次规划问题,然后利用经典二次规划问题求解方法特征值松弛法(Eigen-Value Relaxation,EVR)及半正定松弛法(Semi-Definite Relaxation,SDR)求解该问题,获取HRWS SAR系统通道间的相位偏差估计值。理论分析结果表明,该文算法可视为一种自适应加权最小二乘相位偏差估计算法。多通道SAR仿真实验结果验证了该文算法的有效性。     

一种基于图像域相位误差估计的圆迹SAR聚焦算法

残余运动误差是影响高分辨率圆迹SAR图像获取的首要原因。该文针对回波数据域信杂比较低、相位误差跨距离分辨单元的问题, 提出了一种基于图像域估计相位误差的圆迹SAR聚焦算法。该方法首先对强点目标图像进行加窗截取, 然后从图像中重建回波估计方位向的相位误差, 计算距离向徙动误差, 最后通过对回波数据补偿相位误差完成跨距离分辨单元的徙动矫正和方位向聚焦, 获取高质量的圆迹SAR图像。仿真和实际数据处理结果验证了该方法的正确性和有效性。      

面向条带SAR的多孔径图像偏移自聚焦算法

本文提出了一种能够用于机载条带式合成孔径雷达（SAR）运动误差估计的多孔径图像偏移自聚焦算法。首先,将条带SAR数据分割为有重叠的估计子块,各个子块又分为具有重叠场景的多个子孔径,并通过后向投影算法在距离多普勒域构建子孔径图像;然后,对各个子孔径图像进行互相关处理,在分析影响互相关函数的因素的基础上,给出了求解各子图像之间的重叠场景相对偏移的方法;最后,给出了子块内的误差估计方法与子块间的误差拼接方法。对实际数据的处理结果表明,所提算法能够精确且鲁棒地估计机载条带SAR的运动误差。     

一种适用于机载SAR的改进PACE自聚焦算法

PACE算法是一种新的非模型的高性能SAR图像自聚焦算法,可以有效提取SAR图像中高频相位误差。由于PACE算法直接以图像相位误差校正值系列为待估计参量,计算量巨大,该文从提高PACE算法的执行效率的角度出发,提出了一种插值PACE算法(IPACE)。IPACE算法以图像对比度函数为目标函数,以待估计的相位校正矢量中的若干个相位校正值为自变量,通过拟牛顿算法迭代获得它们的最优估计,然后通过插值获得整个相位误差校正矢量的最优估计值。IPACE算法可以有效地减少待估计变量的个数,提高算法的执行效率,同时几乎不降低算法的聚焦性能。实际相位误差未知的超宽带SAR回波数据的聚焦结果表明了该算法能显著改善图像的质量,是一种鲁棒性良好的图像自聚焦算法。     

机载多通道SAR运动目标方位向速度和法向速度联合估计算法

对运动目标进行SAR成像时,参数估计是必不可少的。现有算法主要针对运动目标的径向速度和方位向速度进行估计,而对3维运动目标的法向速度无法估计。该文利用L型基线的机载多通道SAR系统,提出一种方位向速度和法向速度的联合估计算法。该算法在距离-多普勒域提取运动目标信号,并利用多幅SAR图像之间的相位差进行方位向速度和法向速度的联合估计。该算法不依赖图像配准,不需要解多普勒模糊,因此具有较高的估计精度和鲁棒性,有较强的实际意义和应用价值。     

基于PHAF的多普勒参数估计

在通常情况下,多普勒参数是影响SAR成像质量的主要因素。目前,估计多普勒参数的算法主要有Mapdrift、相位梯度自聚焦以及对比度最优自聚焦等自聚焦算法,这些算法有一个共同的缺点,不能估计并补偿高阶多普勒参数。该文通过基于乘积型高阶模糊度函数(Product High-order Ambiguity Function, PHAF)算法来估计多普勒参数的新方法,该方法无需利用惯导数据预先计算多普勒调频斜率初值,可与杂波锁定并行完成,并且具有估计高阶多普勒参数的能力。仿真实验比较了PHAF和MapDrift分别在小信噪比,存在高阶误差时的自聚焦能力。结果说明该算法计算量小、鲁棒性强、估计精度高,在小信噪比情况下仍可得到较准确的估计结果。最后给出的成像结果说明该文提出的算法能够大大改善成像分辨率。     

Time-frequency filtering-based autofocus

Autofocus is very important to the imaging of air-borne synthetic aperture radar (SAR). There have been many kinds of the autofocus technique, which could fall into two categories according to whether the phase error is approximated with a parametric model or not. On the condition that prominent points exist in the image, the non-parametric methods have superiority over the parametric ones in dealing with high-order phase errors due to their high precision and appropriate computational complexity. As will be shown in this paper, the signal-to-clutter ratio (SCR) plays a pivotal roll in this kind of autofocus. The time-frequency filtering is introduced because of its extraordinary performance in raising the SCR of time-variant signals. Since the main part of the phase error is quadratic, the short-time fractional Fourier domain (STFRFD) filtering is utilized, and then a novel autofocus method termed time-frequency filtering-based autofocus (TFFA) is proposed. Theoretical analysis and simulations show the validity of this approach.     

一种SAR两维自聚焦算法的FPGA实现

为实时完成合成孔径雷达(SAR)散焦图像的自聚焦,该文提出了一种能够校正残留距离徙动并且适用于空变误差场景的2维自聚焦处理方案。该方案首先利用2维自聚焦算法同时校正残留距离徙动和粗略补偿相位误差,然后进行分块PGA校正空变误差。文中详细阐述了该方案的FPGA设计过程,并对资源占用、运算速度、精度和聚焦效果进行了分析。当FPGA工作在200 MHz时,系统可在5.7 s内完成了8K8K点单精度复图像的自聚焦处理。实测数据处理结果充分验证了该系统的实时性和有效性。      

Synthetic aperture radar autofocus based on a bilinear model

Autofocus algorithms are used to restore images in nonideal synthetic aperture radar imaging systems. In this paper, we propose a bilinear parametric model for the unknown image and the nuisance phase parameters and derive an efficient maximum-likelihood autofocus (MLA) algorithm. In the special case of a simple image model and a narrow range of look angles, MLA coincides with the successful multichannel autofocus (MCA). MLA can be interpreted as a generalization of MCA to a larger class of models with a larger range of look angles. We analyze its advantages over previous extensions of MCA in terms of identifiability conditions and noise sensitivity. As a byproduct, we also propose numerical approximations to the difficult constant modulus quadratic program that lies at the core of these algorithms. We demonstrate the superior performance of our proposed methods using computer simulations in both the correct and mismatched system models. MLA performs better than other methods, both in terms of the mean squared error and visual quality of the restored image.     

基于先验知识的SAR两维自聚焦算法

传统的SAR(Synthetic Aperture Radar)两维自聚焦算法没有充分挖掘残留相位误差所特有的内部结构信息,是对残留相位误差的一种盲估计,实际应用时在估计精度和计算效率等方面还受到一定限制.本文以极坐标格式算法为例,详细分析了成像算法处理后残留两维相位误差的解析结构,并利用这种先验辅助知识,提出了一种基于一维估计/两维校正的自聚焦算法.算法只需直接估计方位一维相位误差,然后利用两维相位误差内部所特有的结构信息,将一维相位误差映射得到两维相位误差,从而实现精确的两维自聚焦.实测数据处理结果验证了本文算法的有效性.     

基于最小全变差的SAR图像自聚焦算法

该文分析了方位一维图像的全变差范数随二次相位误差的变化情况,得到全变差范数是二次相位误差的单峰函数的结论,且在二次相位误差等于零时全变差范数最小。从而利用全变差范数作为性能函数,采用黄金分割最优化算法,通过循环迭代得到自聚焦的SAR图像。实验结果表明此算法在处理二次相位误差时优于相位梯度自聚焦算法。通过算法复杂度的分析表明该算法的计算量约为相位梯度自聚焦的二分之一。     

一种用于条带式RD算法的组合实时PGA方法

随着合成孔径雷达(SAR)分辨率的提高,方位向相位误差的影响逐渐增大,传统的相位梯度自聚焦(PGA)方法虽然可以估计出高次误差,但是通常都需要迭代,给实时成像造成了很大困难。该文结合条带式RD算法和PGA自聚焦算法的特点,提出了一种组合的实时PGA方法。这种方法将频移相关距离门算法(SACGS)算法与PGA算法结合,不仅大大降低了计算量,可以不用迭代而达到良好的效果,而且降低了对运动初始参数的精度要求。仿真和实际数据均验证了这种方法的有效性。     

CS算法结合COAA算法提高机载合成孔径雷达成像质量

该文将对比度最优自聚焦算法(COAA)与基本Chirp Scaling算法(CSA)相结合,对CS算法方位处理过程做适当变化,把COAA算法融入其中,一方面进行精确的无插值距离徙动校正,一方面进行准确的二次相位误差估计和校正,从而提高机载合成孔径雷达的成像质量。通过对COAA算法采用变步长迭代提高二次相位误差估计的精度和速度,增强算法的实用性。文中给出两种算法相结合进行雷达数据成像处理的流程图,并用条带正侧视SAR模式实际雷达数据验证研究结果的有效性。     

适合P波段UWBSAR的改进PGA算法

相位梯度自聚焦（PGA）算法是一种高效的自聚焦算法，其优良的聚焦性能是建立在合理的统计模型和高信杂比的基础上。对于信杂比较低的P波段超宽带合成孔径雷达（UWBSAR）图像来说，传统PGA算法的聚焦效果并不理想。对此，文中提出了将对比度准则和传统PGA算法相结合的改进PGA算法，有效地削弱了图像信杂比对PGA聚焦性能的影响。文中还提出了“参考点对齐”法来校正PGA算法聚焦所产生的图像平移（沿方位向）失真问题。文中所提算法已经成功运用于某P波段UWBSAR实测图像数据的聚焦处理，并得到了比传统PGA算法更好的聚焦处理结果。     

UWB SAR图像的非均匀分段PGA算法

在超宽带合成孔径雷达(UWB SAR)成像过程中,由于载机偏航所导致的相位误差具有严重的距离向空变性,因此需要沿距离向分段应用相位梯度自聚焦(PGA)算法以改善PGA算法的聚焦性能.本文分析了载机空间偏航位置与相位误差空变特性之间的关系,提出了图像非均匀分段PGA(NUSPGA)算法,并从理论上对算法进行了推导.文中还提出了参考点对齐法以校正分段聚焦后子图像间的平移失真问题.最后由实测数据验证了本文所提算法的有效性.