基于跨航向稀疏阵列的机载下视MIMO 3D-SAR三维成像算法

基于阵列天线的SAR 3维成像技术是实现SAR 3维高分辨成像的重要方式之一。该文通过沿飞行平台跨航向稀疏地布置多个收发天线阵列单元,构造了跨航向稀疏下视阵列天线构型的MIMO(多发多收)机载3D-SAR,并分析了跨航向稀疏下视阵列MIMO机载3D-SAR的成像几何、3维回波信号模型,提出了适用于跨航向稀疏下视阵列MIMO机载3D-SAR的3维成像算法,最后通过仿真实验验证了算法的有效性并对结果进行了分析。     

稀疏重航过阵列SAR运动误差补偿和三维成像方法

该文针对机载交轨阵列SAR下视3维成像模型,采用以巴克码伪随机序列为准则的稀疏重航过采样方式,利用较少飞行次数提高交轨向分辨率。针对重航过采样方式存在的运动误差,利用修正均匀冗余阵列(Modified Uniformly Redundant Arrays, MURA)编码空间调制和3维后向投影(Back Projection, BP)算法获得各航过3维复图像对,基于干涉处理和频域压缩感知(Compressed Sensing, CS)等效实现各航过阵列形变误差补偿。将MURA反码对应回波形成的3维复图像相位作为参考,对各单航过复图像进行相位补偿,以恢复各航过间复图像相位关系。根据单航过阵列SAR3维复图像具备频域稀疏的性质,对各个复图像相干累加,实现稀疏重航过阵列SAR高分辨率下视3维成像。仿真和暗室试验数据处理结果验证了方法的有效性。      

基于变分模型的阵列三维SAR最优DEM重建方法

由于具备了下视3维成像能力,阵列3维SAR在地形测绘、灾害监测等领域具有广泛的应用前景。但是,载机平台尺寸的限制使得其阵列方向分辨率远远低于距离向和航迹向,严重制约了阵列3维SAR系统整体性能的提升。目前研究主要针对3维SAR图像的稀疏性,采用稀疏重建方法提高其在阵列方向的分辨率。稀疏重建模型在求解过程中丢失了数字高程图(DEM)所具有的单值性、连续性等特征。为了克服稀疏重建模型存在的问题,该文提出了基于变分模型的阵列3维SAR最优DEM重建方法,该方法直接将DEM图作为最优化目标,通过寻找最优化DEM图和对应的散射系数,实现最小二乘意义下的最优DEM重建。仿真结果表明,该方法可以实现各种地形(山区、城市)的稳健DEM增强,其性能远优于OMP算法和正则化方法。      

基于压缩感知的连续场景稀疏阵列SAR三维成像

该文提出一种基于压缩感知的连续场景稀疏阵列SAR 3维成像方法。利用多孔径观测结构,使SAR复图像在频域和变换域具备稀疏性,将压缩感知(CS)方法引入频域和变换域的信号处理过程中,实现高分辨率3维成像,获得与满阵成像结果相同的成像质量。该文方法适用于随机稀疏阵列,可减少对高程向阵型的设计约束,为孔径综合处理后无法获得满阵条件下实现对地成像提供了可能。仿真试验验证了该文方法的有效性。     

基于参数估计的下视稀疏阵列三维SAR运动误差补偿和成像处理方法

当载机存在偏航角速度时,载机航线会偏离理想航线,对稀疏阵列下视3维合成孔径雷达(DLSLA 3D SAR)成像产生影响。该文建立了载机在飞行过程中存在偏航角速度下的DLSLA 3D SAR成像模型,通过理论推导得到了信号的多普勒调频率表达式,多普勒调频率与目标被调制后的跨航向坐标有关,而与被调制后的方位向坐标无关。进一步,完成跨航向信号处理之后,在平台的速度和偏航角速度不准的情况下,利用参数化稀疏表征方法实现了平台的速度和偏航角速度的估计,并完成了方位向稀疏场景的重构,最后提出了一种形变校正方法。仿真实验验证了该算法的有效性。      

连续场景的稀疏阵列SAR侧视三维成像研究

合成孔径雷达的回波数据和图像数据都是复数,由于各个分辨单元散射点的初始相位是随机的,致使连续变化地物场景的信号带宽较大,传统的单天线SAR很难实现空间稀疏降采样。该文采用交轨向多天线观测结构,分析了交轨向稀疏阵列SAR的成像模型,首次提出利用信号重构方法,去除散射点随机初相位,降低复信号带宽,以较大间隔的空间稀疏采样实现稀疏阵列SAR侧视3维成像。干涉SAR 2维成像实际数据处理结果验证了通过信号重构可以降低复信号带宽,稀疏阵列SAR侧视3维成像的仿真结果验证了该文方法的有效性。     

一种低秩张量约束的下视稀疏线阵SAR三维成像算法

为了解决3维稀疏数据处理中向量化或矩阵化带来的原始空间结构破坏与计算复杂度高的问题,该文针对下视稀疏线阵3维SAR成像几何模型和回波信号特点,构建了张量空间信号模型,提出了一种基于低秩张量补全的3维SAR稀疏成像算法。该算法首先利用回波张量的低秩性,通过张量补全重构稀疏回波中的丢失元素,再对补全后的全采样信号张量进行3维成像,从而获得高效率、低旁瓣、高分辨率3维图像。基于X波段下视稀疏线阵3维SAR点目标回波进行了3维成像仿真实验,比较了在不同信噪比和采样率条件下的成像性能,并基于实测数据进一步验证了该算法的有效性和优势。     

一种低秩张量约束的下视稀疏线阵SAR三维成像算法

为了解决3维稀疏数据处理中向量化或矩阵化带来的原始空间结构破坏与计算复杂度高的问题,该文针对下视稀疏线阵3维SAR成像几何模型和回波信号特点,构建了张量空间信号模型,提出了一种基于低秩张量补全的3维SAR稀疏成像算法.该算法首先利用回波张量的低秩性,通过张量补全重构稀疏回波中的丢失元素,再对补全后的全采样信号张量进行3维成像,从而获得高效率、低旁瓣、高分辨率3维图像.基于X波段下视稀疏线阵3维SAR点目标回波进行了3维成像仿真实验,比较了在不同信噪比和采样率条件下的成像性能,并基于实测数据进一步验证了该算法的有效性和优势.     

联合多方位角调频率估计的星载SAR三维成像方法

星载合成孔径雷达(Synthetic Aperture Radar, SAR)通过波束的方位向扫描可以实现单次航过的多方位观测。在多方位角观测过程中,卫星弯曲轨道可等效为长3维曲线阵列,从而具备了3维成像能力。由于多方位角观测在高度维采样的稀疏性,无法直接通过3维FFT实现无模糊成像,且目标在不同方位角SAR图像的投影与高程间的传递相对复杂。针对该问题,该文提出了联合多方位角调频率估计的星载SAR3维成像方法。该方法首先给出了不同观测方位角下多普勒调频率误差与目标高程误差间的关系,利用视错位法(Map Drift, MD)估计多普勒调频率误差。然后,联合多方位角高程估计结果提升高程估计精度。最后,利用高程估计结果恢复目标3维几何信息,从而实现3维成像。仿真实验验证了该方法的高程估计精度可达米级。      

阵列天线微动对前视SAR成像影响及补偿研究

基于阵列技术的前视SAR能对载机前方区域高分辨成像,但阵列天线的微动会对成像产生影响。该文提出了基于时频分析提取微动特征参数的方法,研究了阵列天线微动对前视SAR成像影响及补偿问题:基于前视SAR阵列天线特点对阵列天线微动进行建模,并分析了阵列天线形变的补偿方法。然后基于时频分析方法讨论了阵列天线微动的时频特性并对参数进行了估计。最后在天线微动条件下对点目标进行了成像仿真,并结合成像特征对天线微动补偿前后的结果进行了分析比较。结果表明该文所建模型和所提算法是正确和有效的。     

基于频域稀疏压缩感知的星载SAR稀疏重航过3维成像

星载合成孔径雷达(SAR)稀疏重航过3维成像技术通过交轨向的多次飞行观测,获得观测场景的第3维分辨。该文给出了单颗卫星SAR稀疏重航过轨道分布,为有效缩短重访时间,同时给出了编队双星SAR轨道分布,对应的交轨向等效孔径长度为20 km。提出了一种基于干涉处理和频域压缩感知(CS)的稀疏3维成像方法,利用稀疏重航过中的部分回波形成参考3维复图像,对待重建SAR 3维图像信号进行干涉处理,使信号在频域具备稀疏性。在大轨道分布范围下,建立频域距离向-交轨向线性测量矩阵,利用CS理论联合求解稀疏表征下的图像频谱,避免交轨向和距离向的回波信号耦合。将求解所得频谱逆变换至空间域,可得到观测场景的3维图像重建结果。仿真结果表明,该文方法在稀疏采样率74.4%条件下,仍可获得与满采样成像性能相当的结果,验证了干涉处理频域稀疏方法在星载SAR 3维成像中的有效性。     

基于半正定规划的压缩感知线阵三维SAR自聚焦成像算法

线阵合成孔径雷达(Linear Array Synthetic Aperture Radar, LASAR)3维成像技术是一种具有重要潜在应用价值的新体制成像雷达,压缩感知稀疏重构是近几年实现LASAR高分辨3维成像的热点研究之一。但相对于传统2维SAR,受线阵稀疏分布及阵列-平台2维联动,压缩感知LASAR成像面临回波数据欠采样、多维度高阶相位误差等问题,传统SAR自聚焦算法难以适用于压缩感知LASAR 3维稀疏自聚焦成像。为克服欠采样条件下多维度高阶相位误差对LASAR成像的影响,该文提出了一种基于半正定规划的压缩感知LASAR自聚焦成像算法。首先,结合压缩感知成像理论、图像最大锐度及最小均方误差准则,构造欠采样条件下稀疏目标的相位误差估计模型;其次,利用松弛半正定规划方法估计相位误差;最后,利用迭代逼近方法提高相位误差估计精度,实现压缩感知LASAR高精度稀疏自聚焦成像。另外,通过主散射目标区域提取,仅采用主散射区域进行相位误差估计,进一步提高自聚焦算法运算效率。仿真数据和实测数据验证了该文算法的有效性。      

基于SVD-SRNet的SAR三维成像方法

合成孔径雷达（SAR）三维成像是传统二维SAR成像在雷达精细信息获取与感知领域的重要发展,可分辨重叠于二维SAR图像同一像素中的多个目标。稀疏信号处理是进行SAR三维成像的有效方法,但由于稀疏信号处理的非线性特征,常需迭代运算,效率较低。研究人员已提出利用深度学习技术实现快速解算非线性信号处理问题的思路,在三维成像领域已有初步应用。然而,由于SAR三维实测数据稀缺,三维成像网络的训练只能依赖于仿真数据进行,并且仿真数据与实测数据存在差异大的问题,导致基于深度学习方法的SAR三维成像精度受限。为此,本文提出了一种基于奇异值分解的信号空间归一化超分辨网络（SVD Signal-Space Normalization SuperResolution Net,SVD-SRNet）,能够解决由于仿真数据与实测数据存在差异大导致的三维成像网络化方法鲁棒性低的问题,与传统方法相比所提方法具有更优异的成像精度。计算机仿真试验和无人机SAR实测数据试验证明了本文所提方法的有效性。     

基于稀疏孔径的联合稀疏约束干涉ISAR机动目标三维成像

InISAR系统能够实现对目标的3维几何估计,更加有利于目标的分类和识别。同时多功能ISAR/InISAR系统针对的多是机动性很强的目标,在某些情况下对单个目标仅能获取稀疏孔径观测,尤其是在目标存在机动特性的情况下,更是增加了ISAR成像的难度,这些对传统的ISAR成像算法提出了挑战。为了解决上述这些问题,该文针对机动目标提出一种基于稀疏孔径的联合稀疏约束InISAR 3维成像方法。对匀加速转动的目标,回波的多普勒调制可以建模成线性调频的形式,并用chirp-傅里叶字典来表征其机动性。接着将联合的多通道InISAR 2维成像转化为联合稀疏约束的最优化求解问题,并用改进的OMP算法进行求解。然后利用各个通道估计的ISAR图像和调频参数实现对目标的3维几何重构。相比于单通道独立成像,联合多通道稀疏约束成像能获得更好的2维和3维成像结果。最后,进行实测数据实验以验证该文算法的有效性。     

基于复图像的稀疏SAR成像方法在高分三号数据上的验证

基于稀疏信号处理的合成孔径雷达(SAR)成像(稀疏SAR成像)是稀疏微波成像的一个重要研究方向,相较于经典SAR,稀疏SAR成像在提升成像性能等方面具有重要优势。然而,受困于较大计算代价,其难以用于大观测场景的稀疏恢复,这极大限制了其应用范围。此外,无论军用还是民用,各国星载SAR系统的技术性能指标均是保密的,因此相较于原始回波,通常的公开数据都是经匹配滤波算法重构的SAR复图像。因而如何基于复图像数据进行稀疏成像,对提升现有SAR图像质量、降低稀疏成像计算代价具有重要意义。高分三号是我国首颗1 m分辨率C波段多极化SAR卫星,它具有成像分辨率高、幅宽大等优势,对提升我国灾害监测、海洋监视等能力具有重要作用。该文将一种基于复图像数据的稀疏SAR成像技术引入到高分三号SAR复图像的性能提升当中。实验结果表明,经稀疏处理后的图像拥有更低的旁瓣、更高的信杂噪比以及更优的目标可分辨率能力。且类似于匹配滤波算法重建图像,稀疏恢复结果也可以很好地保持图像统计分布及相位信息,使得稀疏重构的高分三号SAR图像仍适用于干涉、恒虚警率检测等应用。      

基于改进三维后向投影的多圈圆迹SAR相干三维成像方法

圆迹SAR(CSAR)因其特殊曲线运动轨迹而具备3维成像能力。单圈CSAR理论上可以获得距离方位平面亚波长级的分辨率,但是高程向分辨率却很低。同时,利用后向投影(BP)算法进行CSAR 3维成像的算法复杂度高,成像效率低。该文提出一种基于改进3维后向投影的多圈CSAR相干3维成像方法,针对现有成像算法时间复杂度高的问题,提出一种构造几何插值核的CSAR改进3维后向投影算法,可将3维插值操作转化为1维插值操作和距离向量搜索操作,通过多圈CSAR改进3维后向投影成像结果相干积累的方式得到最终3维图像。该文所提方法可有效解决单圈CSAR 3维成像高程向分辨率低的问题,改善3维成像细节,同时能够大幅降低CSAR 3维成像时间。仿真圆锥目标和美国空军实验室GOTCHA数据3维成像结果验证了该文所提方法的有效性。