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。     

一种基于图像对比度的自聚焦算法研究

在合成孔径雷达自聚焦中常用的图像对比度最优算法需反复迭代,导致该算法计算量大、收敛速度慢、效率 低。为此本文提出了一种新的基于图像对比度的自聚焦算法——抛物线法。该方法是根据图像对比度与方位向调频斜 率的关系,引入数学中的抛物线法来估计多普勒调频斜率,避免了传统算法中的反复迭代,大大提高了计算效率。本 文最后用机载SAR 实测数据验证了该方法的可行性和高效性。     

基于对比度最优准则的自聚焦优化算法研究

对比度最优自聚焦算法是一种基于图像幅度的自聚焦方法.本文将对比度最优自聚焦算法等效为一个求解局部最优解的优化模型.结合实际SAR(Synthetic Aperture Radar)系统的特征采用了两种解决此优化问题的算法:黄金分割和Fibonacci级数法,和传统方法相比,这两种优化方法明显提高了对比度最优自聚焦算法的运算效率.     

基于改进RDM的SAR自聚焦算法

反射率偏移法(RDM)是合成孔径雷达(SAR)自聚焦的经典算法,当场景对比度较低时,RDM自聚焦效果变差。该文提出了一种RDM的改进方法,该方法利用多普勒调频率与距离的函数关系,自适应地修正低对比度区域对多普勒调频率估计的影响,保证良好的自聚焦效果。实际SAR数据实验证明了该方法的有效性。     

一种合成孔径雷达参数化自聚焦的新方法

当合成孔径雷达(SAR)成像场景的低对比度下降时,现有SAR自聚焦方法的性能通常会随之下降甚至失效,并且由于缺乏“背景”的数学模型,自聚焦参数估计的极限性能通常是不能解析表达的。本文基于时成像场景中散射成分的分析,将SAR在短相干处理间隔中的慢变时间信号分解为目标、杂波和噪声三类独立的散射成分,得到了SAR慢变时间信号的一种参数化的统计模型。与现有的通过强散射成分的参数反演实现自聚焦的方法不同,本文通过估计模型杂波成分实现自聚焦,因此新方法尤其适用于低时比度场景。本文还推导了新方法的内在精度限制,以确定其在实际应用中的参数选择。最后,实际的SAR自聚焦结果证明了本文提出的新模型和新方法的有效性。     

基于子图像变标的非线性轨迹SAR成像及其自聚焦方法

合成孔径雷达(SAR)的非线性轨迹运动可能会在雷达回波信号中引入严重的二维空变特性,因此基于方位平移不变性假设的传统频域成像算法不再适用于非线性轨迹SAR的高精度成像。现有非线性轨迹SAR成像算法通常采用复杂的非线性变标(NCS)校正回波信号的方位空变特性,然而NCS参数过多导致算法复杂,使得其当存在较大平台运动测量误差时无法与现有自聚焦算法有效结合。针对该问题,该文提出一种基于子图像NCS的非线性轨迹SAR成像及其自聚焦方法,在保证成像精度的前提下能够减少NCS的参数数量,更有利于后续的自聚焦处理。仿真与实测数据处理验证了所提方法的有效性。     

UWB SAR非均匀区域目标检测方法

在超宽带合成孔径雷达(UWB SAR)图像目标检测中不仅会遇到均匀杂波区域，还会遇到叶簇区域、空旷区域及干扰目标等组成的非均匀杂波区域。恒虚警率(CFAR)目标检测是雷达目标检测的重要方法，而传统的CFAR检测对UWB SAR非均匀杂波区域目标检测效果较差。首先分析了叶簇区域、空旷区域及二者混合区域的杂波分布。然后针对UWB SAR的实际情况，运用智能索引变量的CFAR检测技术(VI—CFAR)，使得均匀杂波和非均匀杂波背景中目标检测都取得了较好的效果。最后，利用实际UWB SAR目标检测结果验证了VI—CFAR的有效性。     

对比度最优自聚焦算法

该文研究了一种适用于SAR的自聚焦算法,称作对比度最优自聚焦算法(Contrast Optimiza-tion Autofocus Algorithm,COAA)。该算法是一种原理简单、收敛快、计算量小、鲁棒性强的自聚焦算法,该文着重研究了COAA的实现方法。通过计算机仿真模拟证明了该算法的有效性。将COAA运用于中关村地区L-SAR数据并得到了理想的图像,这说明该算法具有重要的实际应用价值。最后,该文通过一些具体例子验证了该算法与其他算法相比具有更强的鲁棒性。     

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。      

基于方位不变性的SAR图像旋转体检测

针对复杂环境中微弱旋转体目标(如地雷等)检测的难题,提出了一种基于方位散射特征和局部对比度特征融合的检测算法。首先,对旋转体目标特性进行了分析,进而利用子孔径SAR图像提取方位散射熵作为待检测特征。对全孔径SAR图像分别进行方位不变性检测和CFAR检测,并将检测结果相融合,得到最终检测结果。算法体现了利用目标先验知识辅助检测的思路,实测数据结果表明,该方法能够有效剔除原先在全孔径图像中无法剔除的杂波,有效降低检测的虚警率。     

多分辨率特征在UWB SAR目标检测中的应用

本文借鉴高频合成孔径雷达(SAR)目标检测中多分辨率特征分析方法,结合超宽带合成孔径雷达(UWB SAR)工作体制和树干杂波的特殊性,详细分析了UWB SAR目标检测中树干杂波和目标多分辨率特性的区别;构造了多分辨率差分序列,并采用一阶AR模型实现了对多分辨率差分序列的建模;给出了基于多分辨率的广义似然比(GLR)定义,并提出了利用感兴趣区域(ROI)内GLR之和来确定ROI真假属性的判别方法;针对树干杂波和目标的模型训练分别提出了预先训练和现场训练的方法,大大提高了多分辨率特征提取的稳健性;基于实际UWB SAR图像数据的试验结果证明了利用多分辨率特征降低ROI虚警率的有效性。     

低频UWB SAR的冲击响应函数

提取系统的冲击响应函数(impulse response function,IRF)是测量雷达系统性能指标的前提,IRF来自理想点目标的雷达图像。对于低频超宽带合成孔径雷达(ultra wide band synthetic aperture radar,UWB SAR),参考点目标的电磁散射特性是频率和方位角的函数,不满足理想点目标的散射特性要求。本文从IRF的定义出发,结合低频UWBSAR系统处理模型,利用二维数字聚焦方法消除杂波的影响,同时利用低频电磁散射数值建模的方法计算参考点目标的电磁散射特性,最后给出了计算系统IRF的方法。     

一种基于自适应非线性滤波的UWB SAR目标检测预处理方法

超宽带合成孔径雷达(UWBSAR)具有叶簇穿透能力,但树干等强散射点在图像中形成了大量的脉冲杂波和针状杂波,使检测UWBSAR图像中的目标变得十分困难。本文运用自适应非线性滤波方法对图像进行预处理,滤除了图像中的脉冲杂波和针状杂波,使在恒虚警率(CFAR)目标检测中虚警率明显减少。实际UWBSAR的目标检测结果验证了这种预处理方法的有效性。     

Chirp Scaling算法中的相位补偿因子研究

该文从SAR回波的二维频谱表达式入手,研究了适合高波段SAR的CS(Chirp Scaling)类算法和一种适合超宽带(Ultra Wideband,UWB)SAR成像的非线性CS算法,通过对算法推导中的近似性分析,重新刻画了SAR成像,即SAR成像是利用回波频谱特性构造频域或时域相位补偿因子的过程,尤其是对UWB SAR回波,相位补偿因子的精确性直接影响着目标聚焦性能。仿真实验表明,补偿三阶以上二维相位耦合的非线性CS算法能够在一定的测绘带内满足UWB SAR点目标的理想聚焦;同时,该算法在UWB SAR实测数据处理中也已得到成功应用。     

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。     

基于变步长搜索黄金分割优化的自聚焦算法

为了获得高分辨的合成孔径雷达(SAR)图像,需采用自聚焦算法对SAR图像进行处理。文中介绍了利用图像对比度最优准则进行自聚焦的原理方法,将对比度最优自聚焦过程等效为最优一维搜索模型。同时,介绍了变步长搜索黄金分割算法的原理,首先通过变步长搜索确定搜索区间,然后采用黄金分割法进行迭代收敛,当满足终止条件时,停止迭代并得到最终的多普勒调频率最优估计值。与现有的算法相比,基于变步长搜索黄金分割优化的自聚焦算法具有收敛速度快、鲁棒性强的优点。实测数据处理结果验证了算法的有效性。     

基于多分辨率能量特征的SAR目标检测

针对UWB SAR中二面角目标和树干杂波在方向域和频率域的不同特性,特别是频率域相关特性的不同,给出了一种新的多分辨率划分方法,通过该方法对原始图像的处理得到多分辨率图像序列,并以该图像序列为对象提取能量特征,最终实现了目标检测。对实测数据的检测表明,该方法能有效地抑制杂波,提高目标的检测性能。     

Multi-aspect detection of surface and shallow-buried unexplodedordnance via ultra-wideband synthetic aperture radar

An ultra-wideband (UWB) synthetic aperture radar (SAR) system is investigated for the detection of former bombing ranges, littered by unexploded ordnance (UXO). The objective is detection of a high enough percentage of surface and shallow-buried UXO, with a low enough false-alarm rate, such that a former range can be detected. The physics of UWB SAR scattering is exploited in the context of a hidden Markov model (HMM), which explicitly accounts for the multiple aspects at which a SAR system views a given target. The HMM is trained on computed data, using SAR imagery synthesized via a validated physical-optics solution. The performance of the HMM is demonstrated by performing testing on measured UWB SAR data for many surface and shallow UXO buried in soil in the vicinity of naturally occurring clutter     

基于椭圆极坐标的一站固定式双基地低频UWB SAR FFBP成像处理

一站固定式双基地低频UWB SAR具有方位移变的距离徙动和较长的合成孔径,这导致其距离方位耦合变得非常复杂,从而限制了频域算法的应用.为此,本文提出一种基于椭圆极坐标的一站固定式双基地低频UWB SAR FFBP算法.基于一站固定式双基地SAR的成像几何,分别推导了直角坐标与椭圆极坐标下后向投影算法的解析表达式,并讨论了双基地FFBP算法中采用椭圆极坐标的优势.然后分别从频带和斜距误差角度推导了子图像的采样间隔.最后讨论了该算法的实现过程和计算量.仿真结果证明了所提方法的有效性.