A sparsity-driven approach for joint SAR imaging and phase error correction

Image formation algorithms in a variety of applications have explicit or implicit dependence on a mathematical model of the observation process. Inaccuracies in the observation model may cause various degradations and artifacts in the reconstructed images. The application of interest in this paper is synthetic aperture radar (SAR) imaging, which particularly suffers from motion-induced model errors. These types of errors result in phase errors in SAR data, which cause defocusing of the reconstructed images. Particularly focusing on imaging of fields that admit a sparse representation, we propose a sparsity-driven method for joint SAR imaging and phase error correction. Phase error correction is performed during the image formation process. The problem is set up as an optimization problem in a nonquadratic regularization-based framework. The method involves an iterative algorithm, where each iteration of which consists of consecutive steps of image formation and model error correction. Experimental results show the effectiveness of the approach for various types of phase errors, as well as the improvements that it provides over existing techniques for model error compensation in SAR.     

多极化SAR图像联合稀疏去噪

给出了一种基于联合稀疏表示的多极化合成孔径雷达(SAR)图像滤波算法。首先,利用三个极化通道(HH、HV、VV)的部分SAR图像数据进行字典联合训练;然后,对极化SAR的三个通道图像构建联合稀疏描述模型;最后,采用正交匹配追踪算法求解联合稀疏系数,重构每个通道的图像。文中采用美国AIRSAR实测半月湾数据进行实验,并与每个通道图像单独稀疏去噪再合成的功率图像结果进行比较,结果表明:该算法不仅对图像的斑点噪声抑制效果明显,而且边缘特性和强散射点目标幅值特征保持效果良好。     

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。     

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。      

基于分数阶傅里叶变换的运动舰船聚焦算法

为解决合成孔径雷达(SAR)图像中运动舰船目标产生的散焦现象,结合对比度最大算法和分数阶傅里叶变换(FRFT)算法,提出了一种改进的对比度分数阶傅里叶变换(CFRFT)自聚焦算法.该算法利用分数阶傅里叶变换对已成像SAR图像进行时频域分析,根据旋转角分别利用参数模型和非参数模型对二阶相位误差和高阶相位误差进行补偿,和传统的相位梯度(PGA)法相比,图像分辨率和旁瓣比提升显著,可以更有效地补偿SAR中舰船运动产生的相位误差.对不同舰船和尾迹SAR图像实验表明,算法对二阶以上的相位误差具有较好的补偿效果,误差估计准确性高,适用范围广,解决了SAR运动舰船的散焦问题,提高了海洋舰船监测的准确性.     

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。     

星载合成孔径雷达二维闪烁相位误差校正方法研究

分析了电离层闪烁效应对低频段星载合成孔径雷达(Synthetic Aperture Radar, SAR)方位向分辨率的影响, 并基于二维相位屏方法生成了距离向空变的闪烁相位误差.传统的相位梯度自聚焦(Phase Gradient Autofocus, PGA)方法难以适用于二维空变相位误差校正, 而本文基于闪烁相位误差在距离向具有连续性的特点, 在一定规则基础上将整幅图像划分为若干个子孔径, 对每个子孔径图像利用PGA方法进行相位误差估计, 再将得到的各子孔径相位误差进行插值运算, 从而得到整幅图像的闪烁相位误差.仿真结果表明:相比于传统PGA方法, 子孔径PGA方法可以有效解决二维空变闪烁相位误差对图像方位向分辨率的影响, 校正后的图像得到很好的恢复, 方位向分辨率明显提高.     

基于二维空变运动补偿的机动平台大斜视SAR稀疏自聚焦方法

大斜视角和空间3维加速度的存在使机动平台SAR的运动误差具有明显的2维空变性,极大地增加了成像难度。为此,该文提出了一种基于2维空变运动误差估计与补偿的稀疏自聚焦方法。该方法基于Keystone变换和频域相位滤波法构造了能够校正成像参数空变性的频域近似观测算子。在自聚焦过程中,首先,构建基于频域近似观测算子的稀疏自聚焦模型并采用迭代软阈值方法(ISTA)进行求解,从而实现图像的粗聚焦和非空变运动误差的估计;然后,采用稀疏自聚焦模型估计多个子区域的精确相位误差曲线,并基于最小二乘法估计空变的运动误差参数;最后,通过对近似观测算子的修正实现空变运动误差的补偿。仿真实验验证了该方法的有效性。     

Motion measurement errors and autofocus in bistatic SAR.

This paper discusses the effect of motion measurement errors (MMEs) on measured bistatic synthetic aperture radar (SAR) phase history data that has been motion compensated to the scene origin. We characterize the effect of low-frequency MMEs on bistatic SAR images, and, based on this characterization, we derive limits on the allowable MMEs to be used as system specifications. Finally, we demonstrate that proper orientation of a bistatic SAR image during the image formation process allows application of monostatic SAR autofocus algorithms in postprocessing to mitigate image defocus.     

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.     

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.     

基于子带信号处理的太赫兹SAR运动误差补偿方法

太赫兹合成孔径雷达（terahertz synthetic aperture radar,THz-SAR）波长短,可以工作在灰尘、雾霾等复杂战场环境。由于工作波长短,平台微小振动误差会使图像散焦严重。受高频振动误差的影响,目标除了自身响应外,沿方位向还会出现成对回波,给传统相位梯度自聚焦（phase gradient autofocus,PGA）算法强点提取和加窗操作增加了难度,影响运动误差提取精度。为了提高PGA算法精度,提出一种基于子带分解共轭消除相位误差的THz-SAR运动补偿方法,利用该概念可以重建出等效频率更低的SAR图像。由于相同运动误差对等效低频SAR图像影响大大降低,孤立强散射体散焦减弱,有利于强点提取和加窗。利用该图像结合PGA算法可实现运动误差信息的有效提取,并最终用于对原始THz-SAR图像的运动误差补偿。利用仿真数据和0.3 THz雷达实测数据进行了原理验证实验,结果验证了所提算法的有效性。     

基于图像强度最优的SAR高精度运动补偿方法

由于载体平台的不稳定性和测量传感器的精度限制,运动误差成为了提高合成孔径雷达(SAR)成像质量的一个瓶颈。基于图像锐度最优的自聚焦后向投影算法通过估计相位误差进行运动补偿,具有较高精度,但这种方法假设场景中所有像素点相位误差相同,即没有考虑运动误差的空变性,导致大部分像素点仍存在残留误差,造成成像质量下降。针对运动误差空变性的问题,该文提出一种高精度运动补偿方法,该方法在图像强度最大准则下,采用最优化技术估计天线相位中心测量误差,随后利用该测量误差估计量校正天线相位中心并进行后向投影成像。由于估计天线相位中心等效于估计每个像素点的距离历史,因此该方法可以对每个像素点进行高精度相位补偿。点目标仿真和实测数据处理结果均验证了所提方法的有效性。      

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。     

基于小波字典稀疏表示的SAR图像目标识别

针对稀疏表示识别算法在图像域构造冗余字典时过分依赖预处理及原子维数较大的问题,提出基于小波字典的 SAR图像稀疏表示识别算法。首先采用二维离散小波变换将原始图像变换到小波域,建立小波域 SAR图像特征模型,得出小波域低频成分可充分表征目标类别信息的结论。然后取小波域低频成分进行2DPCA特征抽取构造小波字典,最后由改进 OMP 算法稀疏分解系数得到识别结果。SAR MSTAR数据的实验结果表明,在无预处理的情况下识别率高达99％,并且在含噪比10％的情况下识别率仍达96％。     

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.     

一种基于自适应核字典学习的SAR目标识别方法

提出一种基于自适应核字典学习的合成孔径雷达（synthetic aperture radar，SAR）目标识别方法.该方法首先将SAR图像的特征信息通过核函数映射到高维度的核空间中并进行字典学习；然后根据更新后的字典动态计算稀疏度；最后依据最小重构误差准则实现SAR目标识别.在公开数据集MSTAR上的仿真实验结果表明，该方法提取到的特征信息可分度高，对SAR目标的识别具有较好的性能.     

The Prediction of Geometric Distortions in Airborne Synthetic Aperture Radar Imagery from Autofocus Measurements

The synthetic aperture radar (SAR) is an imaging system that achieves high azimuthal resolution by tracking individual point scatterers using their phase histories, with the expected phase history of a particular point scatterer being derived from the assumed motion of the airborne SAR platform. Normally, it is assumed that the platform travels along a straight line path and that the radar pulses are emitted at equal spatial intervals. However, the aircraft carrying the SAR will be susceptible to extraneous across tracl motions and errors in the pulse spacing also may occur. These errors manifest themselves. as two forms of image degradation in the final image. Firstly, the image will be defocused due to an error in the expected quadratic phase history, and secondly, the image will contain geometric distortions due to an error in the linear phase history. An autofocus technique can be used to focus the image and produce a measure of the quadratic phase error that in turn can be used to estimate the geometric distortions that will be present in the final image. These distortions can be independently measured by direct comparison with a map of the imaged area. This paper describes the application of these methods to some real SAR data and discusses the results of the comparison of the measurements of autofocus and geometric distortions in terms of both the likely platform motions present and the viability of predicting geometric distortion using the autofocus measurements.     

二维压缩感知多投影矩阵特征融合的SAR目标识别方法

针对合成孔径雷达（synthetic aperture radar,SAR）目标识别问题,提出联合多层次二维压缩感知投影特征的方法。采用二维压缩感知投影作为基础特征提取算法,具有不依赖训练样本、效率高等显著优势。构建多个二维压缩感知投影矩阵提取原始SAR图像的多层次特征。不同投影矩阵获得的特征具有差异性,从不同方面描述SAR图像的灰度分布特性;同时,这些特征源自相同的输入图像,因此也具有一定的内在关联性。采用联合稀疏表示对提取的多个特征矢量进行表征分析,在内在关联性约束下考察不同特征的独立鉴别能力,从而提升每一类特征的稀疏表示精度。最终,根据求解的稀疏表示系数,分别在各个训练类别上对测试样本的多类特征进行重构,获得重构误差。根据最小误差的准则,判定测试样本所属目标类别。通过综合运用多层次二维压缩感知特征提取和联合稀疏表示分类,提高SAR目标识别的整体性能。利用MSTAR数据集中的多类目标SAR图像对方法进行测试验证,结果反映其在标准操作条件（standard operating condition,SOC）和扩展操作条件（extended operating condition,EOC）均可保持可靠的识别性能。     

基于贝叶斯压缩感知的ISAR自聚焦成像

针对ISAR自聚焦成像,该文提出一种基于贝叶斯压缩感知的高分辨率成像算法。首先利用目标图像的稀疏特性构建级联形式的稀疏先验模型,同时将相位误差建模为均匀分布模型;然后基于最大后验准则,依据贝叶斯压缩感知理论交替迭代求解目标图像和相位误差。与传统稀疏方法相比,所提算法进一步利用了目标图像的联合稀疏信息,将ISAR CS成像转化为MMV联合稀疏优化问题的求解,可以有效改善自聚焦的精度以及成像质量。仿真结果验证了该算法的有效性。