用真实IMU/GPS数据进行机载SAR运动补偿处理

分析了机载SAR(Synthetic Aperture Radar)条带成像模式的运动补偿技术原理,通过对激光IMU/GPS(Inertial Measurement Units/Global Positioning System)组合提供的位置参数进行分析,表明Y12载机平台具有很大的运动误差,在此基础上利用高精度激光IMU/GPS组合提供的天线相位中心精确位置参数,结合距离-多普勒成像算法进行了机载SAR数据的运动补偿处理,试验表明利用此IMU/GPS提供的运动参数进行对具有很大运动误差的SAR数据运动补偿后,已不需要计算负担沉重的自聚焦类算法进行残留运动误差补偿,就能得到高质量的高分辨率SAR图像.     

环扫SAR的快速聚焦成像算法

针对环扫合成孔径雷达的成像方法进行研究,分析了环扫合成孔径雷达的工作原理以及信号模型,并提出一种基于频谱分析的聚焦成像算法,该算法较好地校正了批处理数据内的距离徙动,适合对环扫SAR(Synthetic Aperture Radar)进行高精度成像处理.给出了块数据快速聚焦算法的流程图以及简单的推导过程,并在此基础上给出了环扫SAR成像处理的完整流程.较之经典多普勒波束锐化DBS(Doppler Beam Sharpening)非聚焦算法,这种聚焦算法计算量略大,但成像精度高;较之ECS(Extended Chirp Scaling)算法,虽然补偿精度稍低,但计算量大大降低.因此这种算法能够很好地用于环扫SAR高分辨率快速成像.计算机仿真结果验证本文算法的有效性.      

相位梯度自聚焦的离散域分析与实现

通常的自聚焦方法基于低阶相位误差模型,只能估计低阶相位误差,所以不适合高分辨力机载合成孔径雷达SAR(Synthetic Aperture Radar)的要求.本文研究的相位梯度自聚焦PGA(Phase Gradient Autofocus)是非模型的相位误差估计,因此对任意阶相位误差都有非常好的自聚焦性能.本文在离散时域和频域探讨和综述了PGA的有关问题及其实现方法.最后给出了PGA算法与一种基于低阶相位误差模型的mapdrift自聚焦算法比较的实验结果.      

基于deramp的星载聚束式SAR改进ECS算法

基于两步成像算法和ECS(Extended Chirp Scaling)成像算法,提出一种结合Deramp预处理的星载聚束式SAR(Synthetic Aperture Radar)改进的ECS成像算法.Deramp预处理是基于SPECAN算法的思想,将信号通过非空变的方位滤波器实现批压缩,该方法在保证成像分辨率的前提下,通过deramp处理消除了由采样率不足导致的方位频谱混叠特别是在星载SAR高分辨率聚束模式下.尽管ECS算法中的子孔径处理可以降低对系统脉冲重复频率的要求,但是脉冲重复频率依然受到单点多普勒带宽的限制.所介绍的方法可以进一步降低ECS算法中子孔径分割处理对脉冲重复频率的要求,使得ECS的算法的应用更为广泛.通过对点目标进行仿真和成像,成像指标评估验证了该算法的可行性.     

一种基于DCT的SAR图像自聚焦算法

研究了一种基于离散余弦变换(DCT, Discrete Cosine Transform)的SAR(Synthetic Aperture Radar)图像自聚焦算法.该方法从复图像域出发,通过在距离压缩相位历史域引入相位误差模型,改变图像的聚焦程度直至一维像的DCT序列在高序数区域的权值达到最大,从而完成误差校正.同相位梯度自聚焦算法相比,该方法无需在图像域分离出强点目标,因此特别适用于无任何明显特征的图像.由于DCT存在快速算法,使得该自聚焦算法计算量较少,更易实现.实测数据及仿真数据的成像结果证明了此方法的可行性.      

基于子孔径ECS算法的天基视频SAR成像方法

针对天基视频合成孔径雷达(Synthetic Aperture Radar,SAR)成像中回波数据重叠及实时性要求,提出了一种基于子孔径扩展线性调频变标(Extended Chirp Scaling,ECS)处理的天基视频SAR成像算法。首先提出了大角度聚束视频成像模式下的回波数据分割方法,然后基于重叠率与帧频的要求对回波数据进行子孔径划分,子孔径内部进行ECS成像处理后,在距离多普勒域进行子孔径合成,实现视频成像,从而避免了重叠数据的重复运算,有效提高了视频SAR的成像效率,重叠数据重复运算率由78.1%降为10%,最后通过计算机仿真验证了该算法的有效性。     

基于俯冲模型的SAR成像处理和几何校正

针对高速俯冲状态下斜视SAR(Synthetic Aperture Radar)高分辨率成像处理和几何校正方法进行研究,建立了通用的SAR空间几何模型,在此基础上推导了俯冲状态下的等效斜视距离模型,并给出相应的回波信号数学模型.根据高速俯冲SAR的信号特点,采用Burst工作模式,利用改进的ECS(Extended Chirp Scaling)成像算法进行成像处理,给出了成像处理流程和相位补偿因子表达式.根据距离方程和多普勒定位方程组推导了针对ECS成像算法的几何校正计算公式.计算机仿真结果表明,改进ECS算法能够对俯冲模式SAR进行高分辨率成像处理,并对斜视SAR具有较好的处理能力,提出的几何校正方法能够很好地修正几何失真.      

0.1m分辨率机载SAR孔径依赖性运动补偿方法

讨论了0.1m分辨率机载合成孔径雷达(SAR,Synthetic Aperture Radar)运动补偿方案设计中的一个新问题.超高方位分辨率意味着长合成孔径和大相干积累角,条带模式下的回波数据中可能包含不可忽略的方位角度相关的残余运动误差.分析了这种运动误差孔径依赖性对机载SAR成像质量的影响,它将造成图像的几何失真和方位散焦.提出了一种基于子孔径数据处理的补偿方法,根据雷达瞬时照射时刻与多普勒频率之间的关联性对数据进行方位向上的分段和补偿,可以直接嵌入联合一阶运动补偿和二阶运动补偿的成像处理流程中.仿真结果表明此孔径依赖性运动补偿方法进一步改善了图像的聚焦质量.     

基于二维deramp处理的高分辨率 聚束SAR成像算法

有效解决回波信号的数据率是高分辨率聚束式星载SAR的难点之一.基于两步成 像算法和CS(Chirp Scaling)成像算法,提出了一种适用于高分辨率聚束式星载SAR的成像算 法——TDDCS(Two Dimension Deramp Chirp Scaling)成像算法.该算法从距离dechirp处理 后回波信号出发,首先利用二维deramp 处理来消除频谱混叠现象,这不仅能实现以对应条 带模式的脉冲重复频率来设计聚束SAR系统,也保证满足观测带宽度所需的回波窗长度,接 着利用CS处理和相位补偿实现精确的距离徙动校正,最后利用方位相匹配滤波 处理实现方位向压缩,得到最终的成像结果.基于等效斜视模型,给出了整个算法的详细推 导过程和实现流程,通过计算机仿真验证了本算法的有效性.      

星载SAR电离层探测及误差补偿

工作于低频波段的星载合成孔径雷达(SAR)信号会受到电离层的显著影响,因此在系统设计时必须考虑相应的补偿方法。基于此,首先开展了适用于低频大宽带SAR模式的电离层影响评估研究,建立了基于勒让德展开的五阶误差分析模型,可有效解决传统模型各阶次耦合问题。其次,针对背景电离层色散问题,开展了基于双频自聚焦算法的补偿研究,利用ALOS PALSAR数据进行了半物理仿真验证,电离层反演精度优于0.4TECU,可有效提升图像聚焦质量;针对法拉第旋转角误差,利用ALOS PALSAR回波散射矩阵信息开展了补偿研究,结果显示,相比官网提供的补偿参数,误差可进一步降低27%。上述基于回波数据本身的补偿研究,可避免第三方数据精度差、分辨率低、需地面接收机、传播路径不一致等问题,同时降低了载荷成本。最后,结合SAR高分辨率特性,基于回波的电离层反演可有效提高现有电离层探测能力,开展了PALSAR-垂测仪联合反演电子密度研究,其结果比仅垂测仪数据精度普遍提高了30%以上。研究成果可为未来低频星载SAR的系统设计提供技术支撑。     

一种机载SAR距离徙动修正的快速算法

距离-多普勒算法是机载合成孔径雷达成像信号处理中的常用算法,针对其采用逐点插值进行距离徙动修正而导致运算量过大的问题,提出了一种无需插值的快速距离徙动修正方法.该算法通过二次快速傅里叶变换和一次复乘操作完成合成孔径雷达成像所需的距离徙动修正处理.在分析回波信号模型的基础上,推导了利用该技术能够精确完成距离徙动修正的最大测绘带宽度,给出了该宽度与成像分辨率之间的关系,并用计算机仿真验证了上述关系的正确性.理论分析、仿真和实测数据处理结果表明,该方法具有运算量小、精度高的优点,非常适合于机上实时处理.      

相位梯度自聚焦算法的性能分析及改进

描述了相位梯度自聚焦(PGA)算法的实现步骤.基于对PGA算法的性能分析及对PGA算法的基本步骤所起作用的研究,提出了两种改进的方法.首先,通过对加窗方法的改进,提高了算法的聚焦速度;另外,通过选择适当的距离行进行处理,使算法即使在低信噪比的条件下也能达到较好的聚焦效果.      

Advanced fractal approach for unsupervised classification of SAR images

Unsupervised classification of Synthetic Aperture Radar (SAR) images is the alternative approach when no or minimum apriori information about the image is available. Therefore, an attempt has been made to develop an unsupervised classification scheme for SAR images based on textural information in present paper. For extraction of textural features two properties are used viz. fractal dimension D and Moran’s I. Using these indices an algorithm is proposed for contextual classification of SAR images. The novelty of the algorithm is that it implements the textural information available in SAR image with the help of two texture measures viz. D and I. For estimation of D, the Two Dimensional Variation Method (2DVM) has been revised and implemented whose performance is compared with another method, i.e., Triangular Prism Surface Area Method (TPSAM). It is also necessary to check the classification accuracy for various window sizes and optimize the window size for best classification. This exercise has been carried out to know the effect of window size on classification accuracy. The algorithm is applied on four SAR images of Hardwar region, India and classification accuracy has been computed. A comparison of the proposed algorithm using both fractal dimension estimation methods with the K-Means algorithm is discussed. The maximum overall classification accuracy with K-Means comes to be 53.26% whereas overall classification accuracy with proposed algorithm is 66.16% for TPSAM and 61.26% for 2DVM.     

基于图像分析的显微视觉自动聚焦系统

开发了用于显微视觉对准装配的自动聚焦系统.系统采用基于图像空域分析的聚焦方式.首先通过对比,选择计算量最小的y向一阶差分算子作为系统的聚焦测度;然后通过合理选择聚焦窗口,优化了聚焦效果;最后提出一种不同于通常爬山法的自动聚焦策略,实现该方法的核心是建立聚焦函数与离焦量之间的函数关系,本系统采用3次样条插值估算未测聚焦函数值的办法构建了这种函数关系.应用结果表明该系统自动聚焦的准确性与实时性满足要求.     

An improved focusing method for geosynchronous SAR

More and more attention is paid to Geosynchronous Orbit (GEO) Synthetic Aperture Radar (SAR) in recent years due to its fine temporal resolution and large coverage, so that GEO SAR will play an important role in monitoring natural disasters, but its imaging is more difficult compared to lower Earth orbit (LEO) SAR because of the increase of orbit height. This paper mainly studies the coverage property and focusing method in GEO SAR. As is known to us, the coverage of a GEO SAR satellite can reach 1/3 of the whole Earth, and the revisiting time can reduce to 2 h, which will remarkably improve the capability in ocean applications, earth dynamics and natural hazards management and so on. Compared with the imaging in LEO SAR, a problem in GEO SAR is that the linear trajectory model can bring a big error due to the long synthetic aperture time, so that the classical imaging algorithms in LEO SAR cannot be directly applied in GEO SAR. Using the Norm method and Taylor expansion method, this paper gains an accurate slant range model, which can resolve the big error of the linear trajectory at perigee and collapse of the linear trajectory at apogee. Furthermore, this paper deduces a novel imaging algorithm for GEO SAR by means of series reversion, which realizes the focusing on large scene under the synthetic aperture time of 100 s. Finally, the simulation results at apogee and perigee prove the correction of the slant range model and imaging algorithm.