一种基于量子粒子群算法的SAR图像自聚焦方法

为了准确补偿合成孔径雷达(SAR,Synthetic Aperture Radar)回波数据中的相位误差,研究了一种实用的SAR图像自聚焦算法。该方法以量子粒子群算法(QPSO,Quantum-behaved Particle Swarm Optimization)为基础,利用最小熵准则作为评判标准,通过多维搜索完成相位误差校正。同传统的自聚焦方法相比,该方法具有较好的鲁棒性和收敛速度快的特点,对低频和高频相位误差都有非常好的补偿能力。仿真结果验证了该方法的有效性。     

基于近似观测和最小熵约束的SAR稀疏自聚焦方法

当采样率较低以及重建散射点数量较多时, 基于两步优化的稀疏自聚焦方法收敛速度较慢且容易陷入误差较大的局部最优解, 导致自聚焦失败。针对此问题，提出了一种基于近似观测和最小熵约束的稀疏自聚焦方法。首先, 为解决测量矩阵规模大、内存占用高的问题, 构建了一种基于近似观测的稀疏自聚焦模型, 在聚焦图像的傅里叶变换域引入误差相位。然后, 在采用最大似然估计器估计误差相位时增加了最小熵约束, 同时采用相位梯度自聚焦法提供误差相位的初始解, 有效降低了迭代次数并使迭代结果更接近全局最优解。机载合成孔径雷达的实测数据成像结果表明, 与常规自聚焦方法相比, 所提方法具有更快的收敛速度和更稳定的自聚焦性能。     

基于SPGA算法的低频超宽带 SAR运动补偿方法

对已经初步聚焦的低频超宽带(ultra wideband, UWB)合成孔径雷达(synthetic aperture radar, SAR)图像进行基于图像域的相位误差补偿,可进一步提高图像聚焦质量。依据UWB SAR运动误差模型,提出了基于条带式相位梯度自聚焦（strip phase gradient autofocus, SPGA）算法的相位误差补偿方法。该方法有效地补偿大合成孔径、宽测绘带低频UWB SAR图像中的二维空变相位误差。仿真和实测数据处理结果验证了所提方法的有效性。     

包络相位联合自聚焦高分辨SAR运动补偿

提出了一种包络相位联合自聚焦运动补偿算法,解决了机载高分辨合成孔径雷达(synthetic aperture radar, SAR)成像过程中复杂的运动误差问题。该方法不但可以实现对高阶运动误差的估计,而且可以同时补偿包络和相位误差。通过对运动误差进行归一化多项式拟合建立关于运动误差多项式系数的最小熵优化方程,同时利用阻尼牛顿法对其进行求解,实现高效精确的多项式系数估计。另外,设计了交替联合自聚焦算法,以实现对较大运动误差的精确估计。最后,应用实测机载聚束SAR数据验证该方法的有效性和优越性。     

随机样本选择的合成孔径雷达距离空变相位梯度自聚焦算法

针对距离依赖的相位梯度自聚焦(phase gradient autofocus, PGA)算法中样本选择的问题，本文提出了一种新的基于随机样本选择的距离依赖PGA(range-dependent PGA, RDPGA)算法。不同于传统算法利用固定门限对特显点样本进行硬剔除的选择方式，该算法利用样本的信杂比(signal to clutter ratio, SCR)构造了样本选择概率密度函数，在每次PGA迭代估计过程中，利用该概率密度函数对样本进行随机选择。随机样本选择方法不仅通过增加距离依赖样本的丰富性保证了RDPGA的估计精度，同时还保证了高质量样本在模型参数估计中提供较高贡献，在保持高效性的同时进一步提升了算法的稳健性。实测数据处理结果表明所提算法具有较高的估计精度和稳健性。     

基于多脉冲联合估计的SAR相位误差自聚焦算法

合成孔径雷达(synthetic aperture radar, SAR)是相干成像系统,所以接收信号相位的正确性决定了SAR图像的聚焦质量。利用自聚焦算法对SAR图像进行相位误差函数的估计及补偿是获得高分辨率,高质量SAR图像的关键步骤之一。其中,相位梯度自聚焦(phase gradient autofocus, PGA)算法运算量适中且鲁棒性好,被广泛应用于SAR自聚焦中。然而,PGA算法基于相位误差梯度值进行加权平均估计,相位差分的过程会引起噪声的积累,因此该算法对原SAR图像在方位数据域的信噪比要求较高。针对PGA算法存在问题,提出了基于多脉冲联合估计的相位误差自聚焦(phase error autofocus, PEA)算法。该算法采用了PGA算法的处理结构,并基于相位误差直接进行加权平均估计,可以在较低信噪比条件下正确实现SAR图像的自聚焦处理。仿真实验以及实测数据处理结果对比均表明,PEA算法可以获得优于PGA算法的自聚焦性能,且实际算法执行时间更短,更有利于算法实时处理。     

ISAR目标多普勒偏置效应分析与补偿

采用相位梯度自聚焦算法对非合作目标进行高分辨逆合成孔径雷达聚焦成像的处理过程中,回波多普勒偏置效应将严重影响后续转动补偿的效果,妨碍成像聚焦质量的提升。从相位梯度自聚焦算法的原理出发,阐释了多普勒偏置效应产生的原因。进而,分析了多普勒偏置效应对散射中心距离徙动补偿的影响。最后,提出了一种基于图像质量评价的多普勒偏置效应估计与补偿算法,并通过数值仿真分析和实测数据处理实验验证了本文分析结果的正确性。     

无网格算法在相位展开中的应用

缠绕相位的展开是分析干涉合成孔径雷达数据的关键步骤,提出了一种利用无网格法进行相位展开的算法。该算法首先通过径向点插值无网格法计算出相位在划定支持域内的近似函数,然后在最小二乘意义下通过计算待展开相位点在支持域范围内的局部最佳近似值进行相位展开。由于结合了最小二乘法和无网格法的优点,该方法对于干涉图中质量较低区域同样可以进行有效相位展开,同时在很大程度上防止了误差的传递。最后通过仿真数据及实测数据验证了该算法的有效性。     

基于MN-MEA算法的无人机载SAR相位误差补偿处理

无人机载合成孔径雷达(synthetic aperture radar, SAR),在成像中更容易受到运动误差的干扰,造成图像质量下降。利用三维空间坐标系的斜距方程分离,可以为无人机载SAR成像提供更多的信息，但该方法并未考虑无人机载SAR成像中的运动误差补偿问题。针对无人机载机动SAR成像的相位误差补偿问题,进行相关研究。结合子图像划分,提出了基于迭代分块处理和误差相位初值模型的改进牛顿最小熵(modified Newton minimum entropy, MN-MEA)相位误差补偿算法,进一步校正了残余空变性误差和运动误差,改善成像质量。     

基于MN-MEA算法的无人机载SAR相位误差补偿处理

无人机载合成孔径雷达(synthetic aperture radar, SAR),在成像中更容易受到运动误差的干扰,造成图像质量下降。利用三维空间坐标系的斜距方程分离,可以为无人机载SAR成像提供更多的信息，但该方法并未考虑无人机载SAR成像中的运动误差补偿问题。针对无人机载机动SAR成像的相位误差补偿问题,进行相关研究。结合子图像划分,提出了基于迭代分块处理和误差相位初值模型的改进牛顿最小熵(modified Newton minimum entropy, MN-MEA)相位误差补偿算法,进一步校正了残余空变性误差和运动误差,改善成像质量。     

一种改进的ISAR运动补偿方法

本文针对ＩＳＡＲ外场实验数据,提出一套改进的运动补偿方法。首先用回波动态范围压缩的积累互相关方法进行补偿,再用相位梯度自聚焦算法进一步提高相位对准的精度。用这种方法对实验ＩＳＡＲ外场数据进行处理,得到了高质量的成像结果。     

单天线SAR动目标的检测和聚焦

单天线SAR运动目标检测系统具有结构简单、算法容易实现等特点,它的运动目标检测性能的完善很有应用意义.首先建立了运动目标SAR回波模型,结合单天线SAR运动目标检测系统,提出了一种基于频域对称扰动的能够对具有方位向速度的运动目标检测的新方法,在详细分析运动目标散焦程度和方位向速度关系的基础上,给出了检测原理以及实现检测的方法.对检测到运动目标的距离门单元,提出了用基于图像域的偏移自聚焦算法估计动目标的调频率,进而完成运动目标在SAR图像上的聚焦成像.并用计算机仿真结果和实测数据验证了算法的有效性.     

基于频谱旋转ωk算法的大斜视SAR地面动目标成像

针对大斜视条件下合成孔径雷达(synthetic aperture radar, SAR)地面运动目标成像存在的聚焦困难、几何形变严重、十字旁瓣大等问题, 提出一种基于频谱旋转ωk算法的大斜视SAR动目标成像算法。首先, 在推导具有精确斜距表达式的斜视动目标回波信号模型的基础上, 获得了初步成像结果并提取动目标的感兴趣区域(region of interest, ROI)数据。然后, 构造相位补偿函数并利用最小熵算法完成动目标参数估计, 再根据估计的参数对ROI数据进行相位补偿, 获得聚焦的动目标图像。进一步利用频谱旋转消除了几何形变, 利用稀疏增强方法减小了动目标旁瓣, 最终得到聚焦、无几何形变、低旁瓣的动目标图像。仿真实验验证了所提算法的有效性。