基于图像域分块的条带SAR 自聚焦算法

文章针对条带合成孔径雷达,提出一种基于图像域分块的自聚焦算法。该算法在图像域进行方位向分子 块,采用图像偏移(MD)算法减小相位误差梯度的拼接误差,实现条带SAR图像的自聚焦处理。给出了算法流程, 讨论了算法的主要步骤及原理,并利用实测数据对算法进行了验证。实测数据处理结果表明该算法能有效改善条 带SAR图像质量。     

一种超高分辨率机载聚束SAR两维自聚焦算法

受运动参数测量误差和大气扰动等因素影响,合成孔径雷达(SAR)图像通常会发生散焦,利用自聚焦对散焦的SAR图像进行后处理是一种有效的重聚焦手段。传统的自聚焦算法都只是针对方位一维相位误差的估计和补偿。随着成像分辨率的提高,自聚焦时残留距离徙动的校正成为SAR成像面临的一个新挑战。本文推导得到了极坐标格式算法处理后残留距离徙动和方位相位误差的解析表达式,分析了两者之间的内在关系,并利用该关系,提出了一种能够同时进行残留距离徙动和方位相位误差补偿的两维自聚焦算法。实测数据处理结果表明,在残留距离徙动效应不可忽略的条件下,该方法能够极大地改善原有自聚焦算法的聚焦性能。     

一种基于重叠子孔径回波信息的SAR图像配准算法

合成孔径雷达（SAR）图像配准是寻找多幅SAR图像之间的几何变换关系的过程，使不同图像校正到统一空间坐标系。传统光学图像配准方法，如尺度不变特征变换（SIFT）结合随机抽样一致（RANSAC）用于SAR图像配准时，由于受到乘性相干斑噪声的干扰，配准性能受到较大影响。提出一种基于重叠子孔径回波信息的SAR图像配准算法，在对SAR回波复数据进行成像处理的过程中，利用相位信息并结合子孔径自聚焦方法得到强相关的重叠子孔径图像，并利用多图像配准方法实现成像孔径内和孔径间的子孔径图像配准，提高图像配准精度。多个不同场景的实测数据处理结果表明：所提算法相比于SIFT+RANSAC算法，同名点数量增加，误匹配点对减少，均方根误差减小，对相干斑噪声具有较强的鲁棒性，配准效果得到了显著提高。     

一种改进的PGA最大似然相位估计法

 讨论了合成孔径雷达( Synthet ic Aper ture Radar ) SAR) 成像处理过程中一种不需要直接求解矩阵特征值及其特征向量, 但仍然基于最大似然估计的应用于相位梯度自聚焦算法( Phase Gr adient Algorithm)PGA) 中的相位估计方法, 且主要从计算量及数据处理精度等方面与传统的特征向量方法相比较。结果表明,这种基于迭代方法计算特征向量相位的算法在SAR 成像自聚焦过程中具有实用意义。     

基于先验误差模型的机载高分宽幅DBF-SAR自聚焦算法

高分宽幅（HRWS）数字波束形成（DBF）合成孔径雷达（SAR）利用多通道空间采样代替部分时域采样,可以有效缓解SAR成像时高分辨率与宽测绘带间的矛盾,具有重要的军用和民用价值。现有常规DBF-SAR成像算法都假设雷达传感器相对位置精确已知,实际应用中受传感器位置测量误差影响,由位置不精确导致的相位误差会严重影响DBF-SAR高精度成像能力。在极坐标格式算法（PFA）框架下,推导了DBF-SAR成像处理后,残留相位误差的解析模型,分析了该误差对成像质量的影响。依据推导的先验相位误差解析结构模型,提出了一种基于图像对比度最优化准则的自聚焦算法。新算法通过引入先验相位结构信息,极大降低了待估参数的空间维数,可以同时改善自聚焦算法的参数估计精度和计算效率。数据处理结果验证了理论分析的正确性和所提算法的有效性。     

双基地角时变下的ISAR稀疏孔径自聚焦成像

针对双基地角时变下的逆合成孔径雷达（ISAR）成像分辨率低以及稀疏孔径存在相位误差引起图像散焦等问题,提出了一种基于贝叶斯压缩感知（BCS）的双基地ISAR稀疏孔径自聚焦高分辨成像算法。在平动补偿后回波数据的基础上,首先构造补偿相位将由双基地角时变引起的多普勒偏移补偿掉,然后构造随双基地角变化的稀疏基矩阵,建立基于压缩感知的双基地ISAR稀疏孔径观测模型,并将相位误差作为ISAR成像的模型误差,接着假设目标图像各像元服从Laplace先验、噪声统计特性服从Gaussian分布,利用贝叶斯推理进行"分布式"迭代求解,在高分辨成像的同时实现了相位自聚焦,仿真结果验证了算法的有效性和优越性。     

机载SAR反投影图像自聚焦处理方法

反投影算法(BPA)是一种经典的时间域合成孔径雷达(SAR)成像处理方法。BPA对回波数据插值累加得到图像,运动误差导致的目标散焦沿不同的倾斜角度存在,无法直接应用现有的自聚焦算法。为此,提出了一种新颖的BPA图像运动补偿方案。基于反投影数据运动相位误差和距离徙动分析,研究了修正投影栅格成像,从而去除重建图像中目标散焦方向的空变特性。在中低分辨率配置下,重建SAR图像能够直接应用相位梯度自聚焦(PGA)等进行运动补偿。点目标仿真实验和实测数据结果验证了该算法的有效性。     

双基角时变下的空间目标BISAR自聚焦算法

以空间目标为研究对象,针对双基地逆合成孔径雷达(BISAR)成像中双基角变化及同步误差导致的二维ISAR像散焦问题,提出了基于粒子群优化(PSO)的非参数自聚焦算法。算法首先将回波中平动和转动及同步误差等因素导致的相位变化项统一建模,其次将二维图像对比度最大作为优化目标,利用PSO算法对所有高次项相位进行整体优化估计,然后对高阶相位项进行补偿,最后基于补偿后剩余的一阶线性相位项进行方位压缩得到目标的二维ISAR像。算法可解决参数相位误差估计法中因模型误差导致的聚焦精度下降问题,同时也降低了BISAR自聚焦算法的复杂度。通过与参数法自聚焦算法的性能进行对比仿真实验,验证了算法的有效性。     

结合视线方向运动补偿的滑动聚束SAR子孔径成像算法

滑动聚束合成孔径雷达(SAR)是一种新兴的成像模式,既可以提高方位向分辨率又能够扩展成像范围。其数据处理时需要考虑两个关键问题:一是系统脉冲重复频率(PRF)不足,方位向信号发生混叠;二是合成孔径长度的增加使运动误差的影响更为突出,运动补偿(MOCO)精度要求提高。基于子孔径技术,提出了一种改进的高分辨率成像算法。划分子孔径克服了PRF不足的问题;子孔径数据处理采用结合视线(LOS)方向运动补偿的Omega-K算法,实现更高精度的运动补偿,提高了聚焦质量。最终的方位向分辨率达到0.1 m,具有实际工程应用价值。点目标仿真和实测数据处理验证了算法的有效性。     

聚束SAR扩展Chirp Scaling成像算法.

在合成孔径雷达（SAR Synthetic Aperture Radar)的成像算法中，Chrip Scaling成像算法具有计算效率高的优点，因此得到了较为广泛的应用。详细研究了子孔径扩展Chirp Scaling算法在高分辩率聚束模式SAR中的应用，包括子孔径划分和方位向处理问题，针对A.Moreira等1996年所提算法在处理聚束SAR数据时所产生的问题，给出了经过改进的适合于大斜视角处理的整个计算过程的完整表达式。在给出点目标仿真的同时，利用E-SAR实际数据对述方法进行了验证，结果对具体的兼容条带和聚束两种工作模式的SAR处理机设计具有一定的参考价值。     

IMPROVEMENT OF PHASE GRADIENT AUTOFOCUS ALGORITHM

ＩＭＰＲＯＶＥＭＥＮＴＯＦＰＨＡＳＥＧＲＡＤＩＥＮＴＡＵＴＯＦＯＣＵＳＡＬＧＯＲＩＴＨＭＬｉＬｉｗｅｉ（李立伟），ＭａｏＳｈｉｙｉ（毛士艺），ＡｓｉｆＲａｚａ，ＬｉｕＹｉｎｇ（刘莹）（ＤｅｐａｒｔｍｅｎｔｏｆＥｌｅｃｔｒｏｎｉｃＥｎｇｉｎｅｅｒｉｎｇ...     

Phase gradient autofocus-a robust tool for high resolution SARphase correction

The phase gradient autofocus (PGA) technique for phase error correction of spotlight mode synthetic aperture radar (SAR) imagery is examined carefully in the context of four fundamental signal processing steps that constitute the algorithm. We demonstrate that excellent results over a wide variety of scene content, and phase error function structure are obtained if and only if all of these steps are included in the processing. Finally, we show that the computational demands of the fun PGA algorithm do not represent a large fraction of the total image formation problem, when mid to large size images are involved     

一种基于高阶统计量的SAR图像自聚焦算法

 提出了一种基于高阶统计量分析的相位误差估计算法,用于SAR 图像自聚焦。该算法从复图像域出发,通过循环移位及加窗处理孤立强点目标,利用高阶累积量对高斯噪声的抑制能力,在距离压缩相位历史域估计相位误差。由于避免了对加性噪声及干扰很敏感的差分运算,相位误差的估计结果有很好的鲁棒性。仿真及实测数据的处理结果证明了该算法的可行性。     

机载聚束式SAR中空变相差的分析

总结了聚束式SAR随空间变化的相位误差的自聚焦补偿方法,并通过分析当目标存在一定运动时所产生的相位误差而分析了聚束式SAR的空变相差的来源、散焦、对成像和图像质量的影响。文中给出了空变相差的数学模型,通过理论推导得到了相应的结论,仿真计算则证实了所得的结论。这些结论将直接应用于对已有空变相差自聚焦方法的改进,从而得到更为精确、高效、实用的空变相差自聚焦补偿算法。     

基于二维逆滤波的机载SAR 自聚焦算法

在聚束合成孔径雷达(SAR)自聚焦处理时,残留距离徙动(RRCM)必须在自聚焦处理之前完全去除,否则 将会严重降低自聚焦的性能。本文提出了一种基于二维逆滤波的自聚焦算法,该算法在补偿相位误差的同时也补 偿掉距离和方位的二维耦合相位,消除了RRCM对自聚焦的影响,提高了逆滤波自聚焦算法的性能。最后通过实 测数据处理验证了本文提出的二维逆滤波自聚焦算法的有效性。     

GPS-Based Time & Phase Synchronization Processing for Distributed SAR

Distributed synthetic aperture radar (DiSAR), including bi- and multistatic SAR, operates with distinct transmitting and receiving antennas that are mounted on separate platforms. Spatial separation has several operational advantages, such as reduced vulnerability in military applications and increased radar cross section (RCS); which may increase the capability, reliability, and flexibility of future aerospace remote sensing missions. However, in this configuration, there is no cancellation of reference oscillator phase noise as in monostatic cases. There are additional technical problems associated with temporal synchronization of the transmit and receive systems. Therefore, highly accurate time and phase synchronization must be provided. Little work on these challenges has been reported. This paper presents a Global Positioning System (GPS)-based technique for achieving successful time and phase synchronization for DiSAR. This technique offers high-frequency stability. More importantly, residual time synchronization errors may be compensated for with a high-precision range alignment method, and residual phase synchronization errors may be compensated for with a subaperture autofocus algorithm.     

Extended PGA for range migration algorithms

The phase gradient autofocus (PGA) algorithm is extended to work for synthetic aperture radar (SAR) spotlight images processed with range migration (w-k) algorithms. Several pre-processing steps are proposed for aligning the range-compressed phase-history data needed for successful autofocusing of the data. The proposed algorithm gave good results for both data with large point targets and data without point targets.