压缩逆合成孔径雷达中的相位自聚焦算法(英文)

与常规逆合成孔径雷达(Inverse syntheticaperture radar,ISAR)相同,压缩ISAR也需要进行基于回波信号的运动补偿,其中包括距离对准和相位补偿。本文提出了一种适用于压缩ISAR成像处理的相位自聚焦算法。该算法采用特征向量法解决稀疏ISAR信号的相位补偿问题。试验结果证明了该算法的有效性。     

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。     

通过天线波束扫描扩大SAR区域成像范围

研究通过天线波束扫描扩大SAR区域成像范围的方法，以适应较大区域中等分辨率成像的要求。推导了天线扫描角速度、角度范围与所需成像范围和方位分辨率的关系。选择天线扫描角速度，使得在一个合成孔径时间内，波束恰好扫过3分贝波束宽度，而合成孔径长度由要求的方位分辨率、波长、斜距和斜视角决定。天线扫描角度范围由要求的成像区方位宽度、斜距、斜视角、载机速度和波束方位宽度决定。最后，介绍了某机载SAR试飞得到的成像结果。在运动补偿之后．采用线性距离多普勒算法成像。     

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。     

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。     

SAR图像中恒速动目标的定位

分别利用恒速动目标的信号幅度和信号相位估计动目标信号的频谱中心和多普勒调频率,结果不受动目标位置影响,解决了"方位位置不确定问题"。根据动目标方位向信号的频谱中心、调频率和动目标像位置,实现定位动目标。将聚焦良好的静止背景和动目标像以正确的相对位置绘制到同一幅图像中,是对动目标定位的最好表达方式。     

结合迁移学习基于全卷积神经网络的ISAR自聚焦算法

逆合成孔径雷达（ISAR）成像目标多为非合作目标，在目标相对运动状态未知情况下的运动补偿是ISAR成像的关键。基于全卷积网络（FCN）具有强大的数据抽象特征挖掘和拟合能力，将FCN用于ISAR自聚焦，提出一种结合迁移学习基于FCN的ISAR自聚焦算法。通过构造大量不同相位误差的仿真数据集并进行训练，使FCN具有相位补偿能力，对不同姿态下仿真以及实测数据进行迁移训练，进一步提升平动相位补偿的能力。实测数据处理结果表明，结合迁移学习基于FCN的自聚焦成像效果优于传统类自聚集算法，验证了所提算法的有效性，相比传统方法更具优越性。