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。     

复杂航迹和起伏地形条件下机载聚束SAR 空变运动补偿

 运动补偿是雷达平台机动飞行条件下合成孔径雷达(SAR)实现精确聚焦成像的前提,而如何精确实现运动误差的空变补偿(误差补偿随目标距离、方位和高度位置的变化而变化)目前还存在很大的挑战。本文提出了一种新的三阶运动补偿方法,能够有效解决复杂雷达航迹和地形起伏条件下运动误差的空变补偿问题。该方法首先以场景中心为参考进行空不变运动补偿,然后以多个子场景中心为参考进行空变运动补偿,最后再利用极坐标格式算法(PFA)统一补偿每个像素的空变误差。仿真数据处理结果验证了本文方法的有效性。     

基于低成本INS的机载SAR运动补偿研究

为了提高雷达成像的质量．得到高分辨率的SAR图像就必须保证有精确的运动补偿方法来校正运动误差对成像的影响。提出了一种基于惯导数据INS的视线方向位移误差的补偿方法,采用了低精度低成本的INS．对此部分的原理及实现进行了深入的建模分析和推导,并给出仿真结果。结果表明,基于惯导进行运动补偿时低精度也可满足要求。     

机载SAR成像对瞄准线运动补偿的要求

飞机偏离匀速直线运动的运动误差是机载合成孔径雷达成像的基本困难之一。通过详细的理论推导,给出了当飞机沿瞄准线方向同时存在恒定速度误差,恒定加速度误差和正确弦摆动速度误差时,以回波信号压缩波形的主瓣偏移,二次相位误差,三次相位误差以及积分旁瓣比等ＳＡＲ系统图像质量指标的最大允许值表示的机载正侧视ＳＡＲ运动补偿定量要求的解析式。并结合一例子进行了计算分析,所得结论可供有关人员参考。     

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。     

基于两维空变滤波的PFA波前弯曲误差补偿

极坐标格式算法(PFA)因受波前弯曲误差的影响,其有效成像场景范围受到一定的限制。采用图像域的空变滤波(SVPF)处理可以有效补偿波前弯曲误差,但为了简化分析,已有SVPF方法在补偿过程中都采取了一定的近似,在对大场景进行高分辨率成像时仍然不能满足聚焦精度要求。对PFA的极坐标格式转换给出了一种新的解析解释,利用该解释推导得到了精确的波前弯曲误差表达式;基于该波前弯曲误差模型,提出了一种基于两维SVPF处理的波前弯曲误差补偿方法。最后通过仿真数据处理验证了该算法的有效性。     

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。     

SAR极坐标格式成像算法对运动目标响应特性

运动目标的合成孔径雷达（SAR）成像特征是SAR地面运动目标指示（SAR/GMTI）系统进行运动目标检测、成像和重定位的基础。为此,从信号二维解耦合校正距离徙动角度推导和分析了极坐标格式算法（PFA）对运动目标的响应特性,揭示了极坐标格式转换过程中的距离插值和方位插值对运动目标距离徙动的校正原理。理论分析表明：PFA在完成对静止目标成像的同时,还能够自动校正所有运动目标的线性距离徒动,且校正过程无需目标运动信息,因此对于径向运动目标,在忽略波前弯曲条件下PFA也能够对其进行完全聚焦。最后,通过仿真数据处理对理论分析结果进行了验证,表明PFA作为一种运动目标成像预处理方法具有很大的应用前景。     

基于压缩感知的MIMO-SAR运动误差补偿与成像

多发多收合成孔径雷达（MIMO-SAR）利用多通道空间并行采样的优势可实现高分辨成像,但不可避免地存在运动误差与海量数据不便于存储与传输的问题。针对该问题提出一种基于压缩感知的MIMO-SAR运动误差补偿与成像方法。首先通过详细分析MIMO-SAR运动误差回波信号模型,在全采样条件下利用两步运动补偿技术实现对回波数据的运动误差补偿处理,其次针对降采样回波数据的运动误差补偿,通过构造变换算子与压缩感知（CS）重构模型的方法实现第1步运动误差补偿、距离脉压以及距离徙动校正处理,然后再进行第2步误差补偿与方位向脉压处理获得成像结果。最后通过仿真实验验证了所提方法能够在大幅压缩回波数据的情况下,实现MIMO-SAR运动误差补偿与成像处理。     

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。     

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。     

基于马尔科夫链的单站SAR海面场景宽幅高分成像算法

针对单站合成孔径雷达(SAR)实现海面场景高分辨率宽测绘带(HRWS)成像问题,结合海面目标相对整个场景的稀疏特性,提出了一种基于马尔科夫链的单站SAR宽幅高分成像算法。算法将宽幅的海面场景分为不同子测绘带,首先发射少量脉冲对各子测绘带进行距离向成像,利用距离向成像结果获取场景内感兴趣目标的数量信息。然后计算雷达波束指向的马尔科夫状态转移概率,并按此概率控制雷达对不同测绘带进行扫描。获得不同测绘带的稀疏子孔径后进行压缩感知成像。提出的算法可以在相同合成孔径时间内实现多个测绘带的宽幅高分成像,最后的仿真实验验证了所提算法的有效性。     

基于Chebyshev正交分解的曲线运动轨迹SAR的Chirp Scaling算法

针对具有三维速度和加速度的曲线运动轨迹合成孔径雷达（SAR）,传统的斜距模型无法精确描述其运动特性,曲线历程增加了距离走动现象和方位向时间的高次项,使二维耦合现象更为复杂。本文提出了一种考虑载体平台三维速度和加速度的Chirp Scaling算法以解决曲线运动轨迹SAR成像问题。首先根据运动方程建立斜距表达式,然后对其进行Chebyshev近似,并构造其等效双曲方程形式的斜距模型,推导了具有空变性的距离徙动函数,Chirp Scaling因子以及适用于曲线轨迹的Chirp Scaling成像算法。仿真结果证实了此扩展的等效斜距模型和Chirp Scaling算法在大合成孔径时间下的有效性,并给出了三维加速度的边界值。     

基于控制线方法的机载SAR和可见光图像匹配应用研究

根据无人机(UAV)景象匹配导航的现实需求,对具有典型人造场景的机载合成孔径雷达(SAR)图像与可见光图像,提出一种基于直线特征的SAR图像与可见光图像配准方法.首先,利用改进的直线段检测(LSD)方法提取图像直线特征;其次,构造控制线并设计了一种基于控制线的图像配准方法;最后,依据仿射变换模型实现了待配准图像的精确自动配准.实验表明,在SAR和可见光图像存在较大灰度差异、旋转和平移的情况下,该算法仍能精确配准图像,且运算时间大幅减少,能够满足一些实时性较强的应用.     

火箭橇运动计算算法优化与试验验证

对火箭橇试验系统进行了动力学分析,研究了火箭橇运动计算方法,在常规算法基础上对各参量计算方法进行改进,并引入了新的参量能量耗散阻力,进而得到优化算法.取四次不同速度的双轨橇车试验结果分别与常规算法和优化算法计算结果进行比较,得到:常规算法计算结果误差最小为7.67％,误差最大为37.91％,优化后算法计算结果误差最小为...