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。     

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。     

MCA: A Multichannel Approach to SAR Autofocus

We present a new noniterative approach to synthetic aperture radar (SAR) autofocus, termed the multichannel autofocus (MCA) algorithm. The key in the approach is to exploit the multichannel redundancy of the defocusing operation to create a linear subspace, where the unknown perfectly focused image resides, expressed in terms of a known basis formed from the given defocused image. A unique solution for the perfectly focused image is then directly determined through a linear algebraic formulation by invoking an additional image support condition. The MCA approach is found to be computationally efficient and robust and does not require prior assumptions about the SAR scene used in existing methods. In addition, the vector-space formulation of MCA allows sharpness metric optimization to be easily incorporated within the restoration framework as a regularization term. We present experimental results characterizing the performance of MCA in comparison with conventional autofocus methods and discuss the practical implementation of the technique.      

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。      

可结合CSAR时域成像处理的改进PGA方法

以后向投影算法（Back Projection, BP）为代表的时域类成像算法能够适用于复杂轨迹下的雷达图像重建,且具有精确成像能力。然而,这类算法的成像过程往往不满足结合传统自聚焦算法的条件,从而限制了其对实测数据的成像性能。针对这个问题,本文提出了一种可结合圆周合成孔径雷达（Circular Synthetic Aperture Radar, CSAR）时域成像处理的改进相位梯度自聚焦算法（Phase Gradient Autofocus, PGA）。首先,基于CSAR的成像几何,推导了运动误差形式;在此基础上建立了运动误差条件下的BP成像处理信号模型;接下来,提出了可结合CSAR时域成像处理的改进PGA算法,并给出了详细的处理流程;最后,利用实测数据成像处理结果证明了理论分析的正确性和所提算法的有效性。      

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。     

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.     

复杂轨迹合成孔径雷达后向投影算法图像流GPU成像

相对于基于傅里叶变换的频域成像算法,后向投影( BP)算法因采用时域逐点相干积累,更适合于复杂轨迹合成孔径雷达( SAR)高精度成像。但BP算法计算量巨大,限制了其应用于SAR大场景大数据量快速成像。图形处理器( GPU)具有强大浮点运算和并行处理能力,为大场景BP算法快速成像实现提供了途径。结合GPU并行处理,提出了一种基于图像流的复杂运动SAR大场景BP快速成像处理方法。该方法借助BP算法中图像像素点相互独立处理的特性,采用图像像素点并行及图像流程处理,设计了孔径与图像缓存调度方案,提高SAR大场景大数据BP算法成像效率。仿真和机载实测数据结果验证了方法的有效性,在有限GPU显存条件下实现了8192×8192大场景快速成像,并且成像加速比相对于传统CPU单线程处理可达300倍以上。     

一种改进的SAR反投影图像相位梯度自聚焦方法

反投影(BP) 算法是一类经典的合成孔径雷达(SAR)成像处理方法。BP在已知航迹条件下可以实现数据的高精度聚焦。但是,BP重建图像中,运动误差导致的目标散焦通常沿着不同的方向存在,残留距离徙动不能严格限制在一个距离分辨率单元内,运动补偿困难。文中提出了一种修正投影栅格的子带宽相位梯度自聚焦(PGA)处理方案。其中,基于数据采集平面的非均匀栅格重建图像,完全去除了目标散焦方向的空变特性。然后,对子带宽分解的反投影数据进行PGA运动补偿并拼接得到全分辨率图像。最后,点目标仿真验证了该方法的有效性。     

基于PWE-PGA算法的条带SAR载机航迹估计

相位梯度自聚焦(PGA)算法是一种高效的自聚焦算法，然而距离向窄波束的假设条件，使其对某些工作体制参数的雷达系统并不适用。加权相位梯度自聚焦(PWE—PGA)算法考虑了距离变化对相位误差的影响，扩展了PGA算法的应用范围。文中对此算法进行了深入研究，提出了一种利用PWE-PGA算法进行条带SAR载机航迹估计的方法，并对影响估计精度的因素进行了深入的分析。     

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.     

采用方位向自适应滤波器提高SAR自聚焦的性能

机载合成孔径雷达的方位向降采样经常会降低原始图像的信噪比。自动聚焦是从雷达回波信号中提取多普勒参数,以获得高分辨率SAR图像。该文分析了信噪比对自聚焦的影响,提出利用自适应滤波器来做方位向预滤波和降采样,在降低采样率的同时,保持原始图像的信噪比,再经有效的自动聚焦算法,得到较准确的多普勒参数估计值,从而获取高分辨率SAR图像。通过对实际SAR回波数据的处理,证明了采用自适应滤波器后,图像信噪比能比采用普通滤波器时有较大提高,从而显著改善自动聚焦的收敛性,提高成像质量。     

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。     

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。     

结合运动补偿的波数域算法

波数域算法(简称-k算法)可以很好地解决距离向和方位向的耦合问题,从而有能力处理宽波束SAR数据。由于传统的-k算法无法跟运动补偿方法结合起来,导致图像效果往往比较差。该文对传统-k算法进行了一些改进,通过反卷积的办法将距离徙动校正和方位压缩处理分开进行,并将子孔径和自聚焦办法运用到-k算法中去,从而使-k算法更具有实用性。最后用改进的-k算法对P波段宽波束SAR的实测数据进行处理,图像质量明显提高。     

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。     

一种易行的高分辨率机载SAR实时自聚焦算法

该文详细分析了距离徙动对频移相关自聚焦算法的影响,得出了高分辨率时距离徙动将严重影响频移相关法估计精度的结论。并结合距离多普勒算法提出了一种基于距离门限制的频移相关自聚焦算法,该算法减小了距离徙动对自聚焦的影响,提高了估计精度,仿真和实际数据均验证了该算法的有效性,可以达到高分辨率的要求,并且具有计算简单的优点,适合实时成像。     

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.     

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。      

基于投影近似子空间跟踪技术的自聚焦算法

基于特征向量法的自聚焦算法具有比相位梯度自聚焦(Phase Gradient Autofocus,简称PGA)算法更好的算法性能,但该算法必须对协方差矩阵进行特征分解,所以运算量大.利用投影近似子空间跟踪(Projection Approxima-tion Subspace Tracking,简称PAST)技术的自聚焦算法可以解决上述问题.通过实际数据处理结果对比,证明基于PAST技术的自聚焦算法是一种可满足实时处理要求的有效自聚焦方法.