一种基于勒让德拟合的SAR 后向投影自聚焦算法

对于合成孔径雷达(SAR)成像来说,后向投影(Back Projection, BP)算法是一种十分重要的时域成像方法。然而现有的自聚焦算法都是基于频域成像算法开发的,无法直接用于BP 聚焦图像的误差相位估计。针对这一问题,该文提出一种适用于BP 图像的自聚焦算法。该算法以图像锐度函数为目标函数,以待估计的相位校正值为自变量,通过坐标下降最优化算法循环迭代获得它们的最优估计。在问题求解中,该算法利用勒让德多项式来拟合目标函数,使得每次迭代的最优解可以解析地获得,避免了低效的线搜索过程。基于仿真数据和实测数据的实验验证了该算法的精确性和有效性。      

一种新的机载SAR回波高阶多项式相位误差提取方法

当载机在SAR回波方位子孔径时间内运动较复杂时,二次相位误差模型不能准确描述载机运动造成的相位误差。针对此情况,该文借鉴PACE算法的思想,提出了一种提取SAR回波中时域高阶多项式相位误差的TPACE算法。TPACE算法将图像对比度函数作为目标函数,以时域高阶多项式相位误差模型系数作为自变量,通过最优化方法提取时域误差系数。文中详细推导了对比度函数关于误差模型系数的梯度表达式,分析了TPACE与以往提取时域高阶多项式相位误差的算法计算量之差别。实际超宽带SAR回波数据处理结果表明,TPACE能有效提取时域高阶多项式误差,是一种计算量相对较小的SAR自聚焦算法。     

基于多普勒域多通道的机载合成孔径雷达自聚焦算法

在多通道自聚焦(MCA)和傅里叶域多通道自聚焦(FMCA)的基础上,该文提出一种基于多普勒域多通道的机载合成孔径雷达自聚焦算法。该算法同样是直接在线性代数的理论框架下推导得到,能够在不迭代的情况下进行相位误差的估计和补偿以实现SAR图像的聚焦。该算法不像MCA和FMCA那样在图像域估计相位误差,而是在距离压缩方位多普勒域(方位未压缩)里进行相位误差估计。同时该算法不需要SAR成像场景中含有低散射区的假设,从而使其能够应用于条带模式SAR。不同情况下条带SAR数据的处理结果验证了该算法的有效性和可行性。     

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。      

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.     

基于改进PGA算法的机载条带式UWB SAR运动误差精补偿北大核心CSCD

传感器精度较低的情况下,单纯基于测量数据的运动补偿难以满足机载超宽带合成孔径雷达(UWB SAR)的聚焦精度,需要自聚焦算法对初步聚焦的图像进行精补偿。相位梯度自聚焦(PGA)是一种高效、稳健的自聚焦算法。文中研究了PGA算法在机载条带式UWB SAR中的应用,提出一种改进的三步选点策略以提高选点质量,然后对基于参考点对齐的子图像拼接方法进行了改进。实测P波段机载UWB SAR数据处理结果表明改进PGA算法精度高、收敛快,可有效校正残余相位误差,并完成较高精度的子图像拼接。     

一种小型机载低频UWBSAR的三级运动补偿方法

 本文建立了小型机载UWB SAR运动误差模型,分析了低频UWB SAR与高频窄带SAR间的运动误差不同点,找出了传统运动补偿方法失效的原因.为此,本文提出一种三级运动补偿方法.该方法的具体措施为:第一级,采用基于低精度传感器的运动补偿,消除回波包络误差和部分相位误差,提高回波数据距离弯曲校正精度;第二级,采用基于多普勒调频率估计的补偿方法,消除回波中的二次相位误差;第三级,基于图像域数据,采用自聚焦算法消除高阶相位误差,最终获得聚焦UWB SAR图像.实测数据成像结果证明了该运动补偿方法的有效性.     

一种用于条带式SAR的自聚焦算法

本文将相位梯度法（Phase Gradient Algorithm,PGA）用于条带式合成孔径雷达（SAR）的自聚焦。根据条带SAR与聚束SAR回波信号差异并参考经典相位梯度法提出了一种适用于条带SAR的自聚焦算法SPGA。用这种新的条带SAR自聚焦算法聚焦所得SAR图像不会发生传统条带SAR下PGA常有的拼接问题:同时由于相位误差曲面的引入,对于任何场景SPGA均能达到良好的聚焦效果。     

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。     

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.     

Sparse representation-based algorithm for joint SAR image formation and autofocus

Inaccuracies in the observation model of the synthetic aperture radar (SAR) due to inaccuracies of the velocity and position of the platform or atmospheric turbulence cause degradations in reconstructed images which necessitate the use of autofocus algorithms. In this paper we propose a novel signal processing algorithm for joint SAR image formation and autofocus in a synthesis dictionary based sparse representation framework. Proposed algorithm can be applied broadly to scenes that exhibit sparsity with respect to any dictionary. This is done by extending our previously developed sparse representation-based SAR imaging framework to joint SAR image formation and autofocus. To this end, the phase error vector is separated from the unknown phase of the complex-valued back-scattered field. Phase error vector is estimated using a MAP estimator and compensated through an iterative algorithm to produce focused images. We demonstrate the effectiveness of the proposed approach on synthetic and real imagery.     

一种基于极坐标格式算法的高分辨SAR成像自聚焦算法

针对机载聚束合成孔径雷达(SAR)惯导精度无法满足高分辨SAR成像的问题,该文提出了一种结合极坐标格式算法(PFA)的自聚焦算法,即由粗到精的混合多阶段参数化最小熵(Hybrid Multistage Parameterized Minimum Entropy, HMPME)距离单元徙动校正方法和基于图像对比度增强(Contrast Enhancement, CE)的变步长迭代相位误差校正方法。该自聚焦算法可以直接嵌入到PFA处理中,精确地补偿了惯导测量精度不足引起的越距离单元徙动(Range Cell Migration, RCM)和相位误差,且对于低对比度、低信噪比场景数据有良好的聚焦性能。最后,利用仿真实验和实测机载聚束SAR数据验证了所提算法的有效性。     

结合MD自聚焦算法与回波模拟算子的快速稀疏微波成像误差补偿算法

稀疏微波成像是将稀疏信号处理理论引入微波成像中,利用系统的稀疏约束突破传统合成孔径雷达(SAR)成像中系统复杂度的瓶颈,是微波成像的新理论、新体制和新方法。在传统的机载SAR成像中都会面临非理想运动带来的回波相位误差问题,可通过基于回波数据的自聚焦算法加以解决;但在机载稀疏微波成像中,因稀疏微波成像采用稀疏重建算法取代了传统SAR中基于匹配滤波的信号处理方法,传统的基于回波数据的自聚焦算法难以直接应用。现有基于稀疏重建的自聚焦算法主要基于两步迭代方法,收敛速度慢、运算量大。该文以基于回波模拟算子的快速稀疏微波成像算法为基础,将子孔径相关(MD)自聚焦算法引入,与之结合构建了新的MD-回波模拟算子自聚焦算法。该方法继承了基于回波模拟算子算法快速重建的优势,并利用MD自聚焦算法实现了回波2次相位误差的正确补偿,与现有基于两步迭代的稀疏微波成像自聚焦算法相比,收敛速度快,并可以实现较好的自聚焦效果。      

图像强度的平方和最大化自聚焦算法

为了获得精确的方位向多普勒调频率参数以提高合成孔径雷达图像的质量,提出了一种新的自聚焦算法,即图像强度的平方和最大化准则的自聚焦算法。该算法基于图像对比度,推导了图像强度的平方和与图像对比度的关系,同时为了提高该算法的计算效率,又提出利用二分法替代通常的进退法。最后,利用实测数据处理,验证了二分法收敛速度较快和本算法的有效性。     

A back-projection autofocus algorithm based on flight trajectory optimization for synthetic aperture radar imaging

In this paper, a new autofocus algorithm is presented for back-projection (BP) image formation of synthetic aperture radar (SAR) imaging. The approach is based on maximizing a cost function obtained by prominent points in different sub-apertures of constructed SAR image by varying the flight trajectory parameters. While image-quality-based autofocus approach together with BP algorithm can be computationally intensive, we use approximations that allow optimal corrections to be derived. The approach is applicable for focusing different signal processing algorithms by obtaining modified flight trajectory parameters. Different examples demonstrate the effectiveness of the new autofocus approach applied to the frequency modulated continuous wave mode SAR dataset.     

基于惯导的机载斜视SAR运动补偿研究

本文建立了斜视SAR运动误差模型,采用了一种基于惯导的运动补偿方法。在正侧视角度分解的基础上,针对斜视的特点对分解方法进行了改进,在此基础上进行了速度矢量投影并完成包络校正和相位误差补偿。该方法计算量小,避免了分段估计斜视角从而引入的图像拼接问题。实测数据结果表明其适应性强,在较大斜视角情况下能够得到质量较高的SAR图像。