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。     

基于数值计算的机载SAR空变运动补偿算法

针对机载合成孔径雷达(SAR)高分辨率宽测绘带(HRWS)成像问题,在分析结合两步运动误差补偿的距离徙动算法基础上,提出一种基于数值计算的空变运动误差补偿算法。通过对粗聚焦图像进行分块,在子块的两维波数域进行空变运动补偿,补偿的相位包括方位相位误差、距离相位误差以及方位和距离的耦合相位,因此该算法在复杂航迹、高分辨和宽测绘带情况下仍具有较好的鲁棒性。最后对SAR仿真数据和实测数据进行处理,并与结合两步运动误差补偿的距离徙动算法进行比较,处理结果表明该算法能够更好地补偿空变运动误差。     

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。     

一种横向机动弹道下SAR成像算法

针对横向机动弹道下SAR成像回波方位向和距离向严重耦合、弹载SAR平台实时性要求高的特点,提出了一种基于频谱分析的扩展SAR成像算法。首先,以初始距离相同的目标作为成像处理对象,建立了横向机动下弹载SAR成像模型,分析了回波相位和瞬时距离的泰勒展开;然后,采用包含水平面速度和偏航加速度参数的相位因子依次进行距离徙动校正、二次相位补偿和多普勒中心频率补偿,实现了SAR图像的精确聚焦。该算法处理流程简单、实时性高,适合横向机动弹道下的中等分辨率的大斜视成像,给出了算法流程,仿真验证了算法有效性。     

一种用于条带模式SAR成像的自聚焦算法

 针对现有条带模式合成孔径雷达（SAR）成像的自聚焦算法中,相位的拼接会引起误差的严重积累,本文结合相位梯度自聚焦（PGA）算法和子孔径偏移（MD）算法,提出了一种新的用于条带模式SAR成像的自聚焦算法（PGA-MD）。该算法先利用PGA算法有效估计各子孔径相位误差函数,再利用相邻子图间方位向偏移量和线性相位之间的关系,通过MD算法精确估计相邻子图间方位向偏移量,然后计算线性相位差,并基于—阶导数实现子孔径相位误差函数拼接。理论分析以及实测数据处理结果对比均表明PGA-MD算法可以有效提高对条带SAR图像的自聚焦效果。     

基于距离子带的机载SAR高精度多级空变运动补偿

运动补偿（MOCO）是机载合成孔径雷达（SAR）获取高质量图像的关键,超高分辨率成像中,如何精确、高效地校正空变运动误差仍是很大的挑战。本文提出了一种改进的多级空变运动补偿方案,兼顾处理的精度和效率。首先,采用一步运动补偿法有效去除运动误差的距离空变分量,避免引起额外的距离徙动校正（RCMC）误差。同时,修正视线方向误差的传统计算方式,保证相位精度的前提下结合距离子带实现无插值的近似距离包络补偿。然后,利用距离子带降低残余方位空变误差的距离空变性和对方位时频关系的影响,显著改善宽波束情况下的聚焦效果,降低孔径依赖补偿算法的运算量。最终分辨率达到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所做的研究。     

一种新的非平行轨迹机载双站斜视SAR成像算法(英文)

本文提出了一种用于非平行轨迹机载双站斜视SAR条带模式成像的新的解析算法。该算法用收、发雷达的多普勒调频率贡献比为加权系数推导了点目标回波的二维频谱。通过解目标位置相对于收、发载机飞行轨迹的耦合,将这个二维频谱中目标的距离参数和方位参数进行了分离。在二维频域内,补偿掉双站扭曲项后利用二维Chirp-Z变换(2D-CZT)校正了距离向和方位向的徙动,获得了精确聚焦的目标图像。雷达回波的二维残余徙动用沿距离向和方位向的分块来限制,推导了数据分块的条件,由此可以实现宽场景成像。仿真试验验证了这种2D-CZT算法的有效性。     

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。     

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。     

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。     

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。     

A Velocity Estimation Algorithm of Moving Targets using Single Antenna SAR

A new algorithm is proposed for velocity estimation of moving targets in single antenna synthetic aperture radar (SAR). Based on the fact that different velocity vectors cause different geometrical figures of the two-dimensional (2-D) signature in the range-Doppler (RD) domain, this algorithm estimates the azimuth and range velocities by a 2-D search such that the range cell migration correction (RCMC) and the second range compression (SRC) are correctly performed. It is shown that, using the proposed algorithm, the Doppler ambiguity problem can be avoided and satisfactory accurate velocity estimation can be obtained in high signal-to-clutter ratio (SCR) scenarios.     

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.     

SAR imaging of moving targets

A method of forming synthetic aperture radar (SAR) images of moving targets without using any specific knowledge of the target motion is presented. The new method uses a unique processing kernel that involves a one-dimensional interpolation of the deramped phase history which we call keystone formatting. This preprocessing simultaneously eliminates the effects of linear range migration for all moving targets regardless of their unknown velocity. Step two of the moving target imaging technique involves a two-dimensional focusing of the movers to remove residual quadratic range migration errors. The third and last step removes cubic and higher order defocusing terms. This imaging technique is demonstrated using SAR data collected as part of DARPA's Moving Target Exploitation (MTE) program     

Robust autofocus algorithm for ISAR imaging of moving targets

A robust autofocus approach, referred to as AUTOCLEAN (AUTOfocus via CLEAN), is proposed for the motion compensation in ISAR (inverse synthetic aperture radar) imaging of moving targets. It is a parametric algorithm based on a very flexible data model which takes into account arbitrary range migration and arbitrary phase errors across the synthetic aperture that may be induced by unwanted radial motion of the target as well as propagation or system instability. AUTOCLEAN can be classified as a multiple scatterer algorithm (MSA), but it differs considerably from other existing MSAs in several aspects: (1) Dominant scatterers are selected automatically in the 2D image domain; (2) scatterers may not be well isolated or very dominant; (3) phase and RCS information from each selected scatterer are combined in an optimal way; (4) the troublesome phase unwrapping step is avoided. AUTOCLEAN is computationally efficient and involves only a sequence of FFTs. Another good feature associated with AUTOCLEAN is that its performance can be progressively improved by assuming a larger number of dominant scatterers for the target. Numerical and experimental results have shown that AUTOCLEAN is a very robust autofocus tool for ISAR imaging