机载UWB SAR图像中残余相位误差的补偿算法

已经初步聚焦的超宽带合成孔径雷达图像需要补偿残余的相位误差,才能进一步提高图像的聚焦性能。首先建立了适合机栽UWBSAR成像几何的相位误差模型,并分析了其特点;然后针对模型特点,对条带式相位梯度自聚焦算法作出改进,同时提出一种基于空不变因子估计的加权相位梯度自聚焦算法。最后,由一段实测UWBSAR图像补偿结果检验了算法的可行性。     

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。     

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。     

半盲二维自聚焦SAR运动目标成像方法

在SAR对动目标成像时，由于目标运动的不确定性，针对静止目标的成像算法处理不能完全补偿由于目标运动引入的额外距离徙动（RCM）和方位相位误差（APE），因此，在SAR图像中，运动目标会出现二维散焦。已有方法都是针对残留距离徙动和方位相位误差分别进行估计和补偿，其补偿精度和计算效率还有待进一步改进。通过分析运动目标在SAR图像中的残留相位误差结构，提出一种针对运动目标散焦的二维自聚焦算法。新方法只需直接估计方位一维相位误差，然后利用先验的二维相位误差内部结构信息，将一维相位误差映射得到二维相位误差，从而实现精确的二维相位补偿。通过仿真实验验证了该方法在计算效率和估计精度上具有更明显的优势。     

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.     

合成孔径雷达多孔径相位差分自聚焦算法

相位差分（PD）自聚焦算法是把处理孔径分为互不重叠的相等的子孔径,通过子孔径数据相位差函数的傅里叶变换来获得相位误差系数的估算,所能估计的相位误差的最高阶数由子孔径的数目决定,其一般做法是把处理孔径分成相等的两个子孔径,来获得二次相位误差系数的估值,并建立修正矢量补偿二次相位误差。通过将信号方位孔径分解到两上以上的子孔径,可以获得高阶（阶数大于二）相位误差系数的估值,故称之为多孔径相位差分聚焦算法。本文对多孔径相位差分自聚焦算法的原理进行了详细的阐述,最后用仿的相位误差验证了算法效果。     

基于加权最大范数的SAR自聚焦方法

基于最大似然估计的特征向量分解自聚焦算法利用最大特征值对应的特征向量实现对相位误差的估计。该方法虽然具备精确和稳健的性能,但需要对协方差矩阵进行特征分解,导致实际数据在处理中运算量巨大,对内存要求也很高,难以在实时合成孔径雷达(SAR)成像处理中应用。该文提出一种基于加权最大范数的自聚焦方法,通过求解二范数最大化的优化函数对目标特征向量进行估计,避免了特征值的分解过程,有效提升了运算效率;利用信噪比加权的思想,对不同距离单元赋予不同的权值,增强了优质特显点样本对相位误差的估计贡献,有效改善了自聚焦精度。通过实测SAR和ISAR数据处理验证了算法的有效性。     

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。     

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。     

基于稀疏约束最优化的ISAR相位自聚焦成像算法

本文提出了一种基于稀疏约束的ISAR方位自聚焦算法,能够应用于稀疏孔径ISAR成像中。该算法利用ISAR图像的稀疏特征建立最小1范数成像模型,并将相位误差作为模型误差。然后通过数值迭代的方式进行自适应相位误差估计,最终获得聚焦良好的ISAR图像。同时,成像代价函数的建立基于矩阵模型,有利于采用方位FFT和矩阵的Hardmard乘积操作进行快速求解。由于利用稀疏约束,该方法在低信噪比的条件下仍然能够取得良好的聚焦结果。基于仿真数据和实测数据的结果验证了本文算法的有效性。     

基于ISAR和相位恢复的SAR运动目标成像方法

针对合成孔径雷达(SAR)对非合作目标成像时出现移位、散焦问题，根据逆合成孔径雷达(ISAR)利用目标本身运动成像特点，本文提出一种基于相位恢复原理和ISAR算法的非合作目标相位误差校正方法。首先，回波数据由SAR算法处理形成SAR图像，提取并恢复图像中选定的非合作目标数据作为ISAR处理原始数据；然后，采用自适应时间窗算法(Automatic time-windowing)以及图像对比度算法(ICBA)对非合作目标误差相位进行粗补偿；最后，利用相位恢复算法迭代求解实现对相位的精确补偿。该方法充分利用粗补偿得到的模糊图像信息作为相位恢复算法的先验条件，提高了算法的收敛性，仿真实验结果验证了该方法的有效性。      

一种用于条带式RD算法的组合实时PGA方法

随着合成孔径雷达(SAR)分辨率的提高,方位向相位误差的影响逐渐增大,传统的相位梯度自聚焦(PGA)方法虽然可以估计出高次误差,但是通常都需要迭代,给实时成像造成了很大困难。该文结合条带式RD算法和PGA自聚焦算法的特点,提出了一种组合的实时PGA方法。这种方法将频移相关距离门算法(SACGS)算法与PGA算法结合,不仅大大降低了计算量,可以不用迭代而达到良好的效果,而且降低了对运动初始参数的精度要求。仿真和实际数据均验证了这种方法的有效性。     

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。     

ADAPTIVE KURTOSIS OPTIMIZATION AUTOFOCUS ALGORITHM

This paper proposes an autofocus algorithm used for Synthetic Aperture Radar （SAR） images, called Adaptive Kurtosis Optimization Autofocus Algorithm （AKOAA）. The AKOAA can reduce the difference between initial value and real value in focusing by adaptively adjusting the initial value, therefore effectively improve the local extremum problem in the Contrast Optimization Autofocus Algorithm （COAA） and speed up the convergence velocity. The principle and realization method of AKOAA are thoroughly investigated, and experimental results using real L-band SAR data show that the focus speed of AKOAA is nearly doubled compared with that of the COAA, and the image contrast of AKOAA is improved as well.     

Motion compensation using substrip PGA

MOtion COmpensation （MOCO） is an essential step in high resolution airborne Synthetic Aperture Radar （SAR） imaging.Generally,a reference altitude level is assumed and external Digital Elevation Model （DEM） is required for the scene topography heavily varied.To overcome the shortcoming,we propose a MOCO method based on Phase Gradient Autofocus （PGA） which can obtain well focused images without DEM.In the implementation,we first compensate the normal range-invariant term.Then the data are divided into strips in range-compressed domain and PGA is applied to each substrip to extract the phase errors.Finally,the phase error surface is obtained using interpolation and then compensated.Real airborne SAR data of a UAV-SAR system experiments and comparisons demonstrate the validity and effectiveness of the proposed algorithm.The results show that our algorithm is effective.     

一种SAR两维自聚焦算法的FPGA实现

为实时完成合成孔径雷达(SAR)散焦图像的自聚焦,该文提出了一种能够校正残留距离徙动并且适用于空变误差场景的2维自聚焦处理方案。该方案首先利用2维自聚焦算法同时校正残留距离徙动和粗略补偿相位误差,然后进行分块PGA校正空变误差。文中详细阐述了该方案的FPGA设计过程,并对资源占用、运算速度、精度和聚焦效果进行了分析。当FPGA工作在200 MHz时,系统可在5.7 s内完成了8K8K点单精度复图像的自聚焦处理。实测数据处理结果充分验证了该系统的实时性和有效性。      

一种加权最小熵的ISAR自聚焦算法

基于加权最小二乘估计(WLS)的最小方差准则,根据各个距离单元的相位方差的差异,该文提出了一种加权最小熵的ISAR自聚焦算法,利用加权熵建立代价函数,通过迭代算法估计误差相位以实现运动误差补偿。该算法具有较高的鲁棒性,相对于传统最小熵ISAR自聚焦算法,能够有效提高迭代的收敛速度,并且权值系数的应用可以有效降低杂波和噪声的影响,从而取得更好的聚焦效果。基于仿真数据和实测数据的实验验证了该算法的有效性。     

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PHAF的多普勒参数估计

在通常情况下,多普勒参数是影响SAR成像质量的主要因素。目前,估计多普勒参数的算法主要有Mapdrift、相位梯度自聚焦以及对比度最优自聚焦等自聚焦算法,这些算法有一个共同的缺点,不能估计并补偿高阶多普勒参数。该文通过基于乘积型高阶模糊度函数(Product High-order Ambiguity Function, PHAF)算法来估计多普勒参数的新方法,该方法无需利用惯导数据预先计算多普勒调频斜率初值,可与杂波锁定并行完成,并且具有估计高阶多普勒参数的能力。仿真实验比较了PHAF和MapDrift分别在小信噪比,存在高阶误差时的自聚焦能力。结果说明该算法计算量小、鲁棒性强、估计精度高,在小信噪比情况下仍可得到较准确的估计结果。最后给出的成像结果说明该文提出的算法能够大大改善成像分辨率。