基于多普勒域多通道的机载合成孔径雷达自聚焦算法

在多通道自聚焦(MCA)和傅里叶域多通道自聚焦(FMCA)的基础上,该文提出一种基于多普勒域多通道的机载合成孔径雷达自聚焦算法。该算法同样是直接在线性代数的理论框架下推导得到,能够在不迭代的情况下进行相位误差的估计和补偿以实现SAR图像的聚焦。该算法不像MCA和FMCA那样在图像域估计相位误差,而是在距离压缩方位多普勒域(方位未压缩)里进行相位误差估计。同时该算法不需要SAR成像场景中含有低散射区的假设,从而使其能够应用于条带模式SAR。不同情况下条带SAR数据的处理结果验证了该算法的有效性和可行性。     

基于先验相位结构信息的双基SAR两维自聚焦算法

两维自聚焦是高机动条件下机载合成孔径雷达(SAR)高分辨率成像的重要保障。现有的双基SAR两维自聚焦算法没有充分利用相位误差的先验结构信息,是对相位误差的一种盲估计,在计算效率和参数估计精度方面仍然存在很大限制。该文从双基SAR极坐标格式成像算法新解释入手,从残留距离徙动(RCM)校正的观点出发,将极坐标格式(PFA)算法的实现解释为距离频率和方位时间两个变量的解耦过程。利用这一观点分析了极坐标格式算法中的距离和方位重采样对两维相位误差的影响,揭示了残留两维相位误差固有的解析结构。基于这一固有的先验信息,该文提出了一种结合先验信息和图像数据的双基SAR两维自聚焦算法。算法通过引入先验知识,将两维相位误差估计降维成一维方位相位误差的估计;同时,在估计方位相位误差时,通过多子带数据平均,充分挖掘了所有数据的信息。相比于已有算法,无论是参数估计精度还是计算效率都有明显改善。实验结果验证了该文理论分析的正确性以及所提两维自聚焦方法的有效性。      

基于稀疏贝叶斯正则化的阵列SAR高分辨三维成像算法

阵列合成孔径雷达(Linear Array Synthetic Aperture Radar, LASAR) 3维成像技术是一种具有重要潜在应用价值的雷达成像新体制,但受线阵天线及平台尺寸限制,传统匹配滤波成像算法难以实现LASAR高分辨3维成像。该文利用LASAR回波信号及观测目标的先验分布特性,提出了一种基于快速稀疏贝叶斯正则化重构的LASAR高分辨3维成像算法。该算法先结合贝叶斯估计准则及最大似然估计原理,构造LASAR目标重构的稀疏贝叶斯最小化代价函数;再利用迭代正则化方法求解联合范数最优化问题实现LASAR稀疏目标高分辨3维成像。另外,针对稀疏贝叶斯正则化成像运算量大的问题,结合位置预测快速成像思路,利用阈值分割算法对稀疏粗成像进行强目标提取,进而提升算法运算效率。仿真数据和实测数据验证了该文算法的有效性。      

基于贝叶斯压缩感知的ISAR自聚焦成像

针对ISAR自聚焦成像,该文提出一种基于贝叶斯压缩感知的高分辨率成像算法。首先利用目标图像的稀疏特性构建级联形式的稀疏先验模型,同时将相位误差建模为均匀分布模型;然后基于最大后验准则,依据贝叶斯压缩感知理论交替迭代求解目标图像和相位误差。与传统稀疏方法相比,所提算法进一步利用了目标图像的联合稀疏信息,将ISAR CS成像转化为MMV联合稀疏优化问题的求解,可以有效改善自聚焦的精度以及成像质量。仿真结果验证了该算法的有效性。     

连续场景的稀疏阵列SAR侧视三维成像研究

合成孔径雷达的回波数据和图像数据都是复数,由于各个分辨单元散射点的初始相位是随机的,致使连续变化地物场景的信号带宽较大,传统的单天线SAR很难实现空间稀疏降采样。该文采用交轨向多天线观测结构,分析了交轨向稀疏阵列SAR的成像模型,首次提出利用信号重构方法,去除散射点随机初相位,降低复信号带宽,以较大间隔的空间稀疏采样实现稀疏阵列SAR侧视3维成像。干涉SAR 2维成像实际数据处理结果验证了通过信号重构可以降低复信号带宽,稀疏阵列SAR侧视3维成像的仿真结果验证了该文方法的有效性。     

利用多角度SAR数据实现三维成像

利用多角度 SAR 数据实现目标高分辨率3维成像对雷达自动目标识别具有重要价值。该文在目标散射稀疏性前提下提出了基于压缩感知的多角度SAR 3维成像方法。文章首先论证多角度SAR测量能够改善测量矩阵的互不相关性。然后根据互不相干影响因素分析,合理选择目标离散间隔构造多角度 SAR 测量矩阵。最后利用分段正交匹配追踪算法实现目标向量的稀疏重构。该文算法不仅改善了高度分辨率,而且克服了多角度 SAR空间采样不连续导致的高旁瓣问题。实验验证了该算法的可行性和稳定性。     

结合MD自聚焦算法与回波模拟算子的快速稀疏微波成像误差补偿算法

稀疏微波成像是将稀疏信号处理理论引入微波成像中,利用系统的稀疏约束突破传统合成孔径雷达(SAR)成像中系统复杂度的瓶颈,是微波成像的新理论、新体制和新方法。在传统的机载SAR成像中都会面临非理想运动带来的回波相位误差问题,可通过基于回波数据的自聚焦算法加以解决;但在机载稀疏微波成像中,因稀疏微波成像采用稀疏重建算法取代了传统SAR中基于匹配滤波的信号处理方法,传统的基于回波数据的自聚焦算法难以直接应用。现有基于稀疏重建的自聚焦算法主要基于两步迭代方法,收敛速度慢、运算量大。该文以基于回波模拟算子的快速稀疏微波成像算法为基础,将子孔径相关(MD)自聚焦算法引入,与之结合构建了新的MD-回波模拟算子自聚焦算法。该方法继承了基于回波模拟算子算法快速重建的优势,并利用MD自聚焦算法实现了回波2次相位误差的正确补偿,与现有基于两步迭代的稀疏微波成像自聚焦算法相比,收敛速度快,并可以实现较好的自聚焦效果。      

压缩感知SAR成像中的运动补偿

由于其具有压缩采样特性,压缩感知在高分辨SAR成像技术中得到了广泛应用。然而作为一种参数化的成像方法,基于压缩感知的成像方法对位置误差非常敏感。位置误差会造成图像偏离真实位置、散焦、甚至根本不能成像。该文针对SAR压缩成像系统中存在的运动误差,分析了平台非理想运动对回波信号的调制机理和运动相位误差对信号稀疏表征的影响,提出了基于传感器测量数据进行运动补偿的压缩感知SAR成像方法,通过在稀疏矩阵中引入附加项完成空不变运动误差的补偿。该方法不仅能以少量的测量孔径和测量数据获得重建目标空间的足够信息而且能有效降低运动误差对成像质量的影响,实现高分辨成像。     

基于PHAF的多普勒参数估计

在通常情况下,多普勒参数是影响SAR成像质量的主要因素。目前,估计多普勒参数的算法主要有Mapdrift、相位梯度自聚焦以及对比度最优自聚焦等自聚焦算法,这些算法有一个共同的缺点,不能估计并补偿高阶多普勒参数。该文通过基于乘积型高阶模糊度函数(Product High-order Ambiguity Function, PHAF)算法来估计多普勒参数的新方法,该方法无需利用惯导数据预先计算多普勒调频斜率初值,可与杂波锁定并行完成,并且具有估计高阶多普勒参数的能力。仿真实验比较了PHAF和MapDrift分别在小信噪比,存在高阶误差时的自聚焦能力。结果说明该算法计算量小、鲁棒性强、估计精度高,在小信噪比情况下仍可得到较准确的估计结果。最后给出的成像结果说明该文提出的算法能够大大改善成像分辨率。     

稀疏重航过阵列SAR运动误差补偿和三维成像方法

该文针对机载交轨阵列SAR下视3维成像模型,采用以巴克码伪随机序列为准则的稀疏重航过采样方式,利用较少飞行次数提高交轨向分辨率。针对重航过采样方式存在的运动误差,利用修正均匀冗余阵列(Modified Uniformly Redundant Arrays, MURA)编码空间调制和3维后向投影(Back Projection, BP)算法获得各航过3维复图像对,基于干涉处理和频域压缩感知(Compressed Sensing, CS)等效实现各航过阵列形变误差补偿。将MURA反码对应回波形成的3维复图像相位作为参考,对各单航过复图像进行相位补偿,以恢复各航过间复图像相位关系。根据单航过阵列SAR3维复图像具备频域稀疏的性质,对各个复图像相干累加,实现稀疏重航过阵列SAR高分辨率下视3维成像。仿真和暗室试验数据处理结果验证了方法的有效性。      

基于压缩感知的矩阵型联合SAR成像与自聚焦算法

模型准确情况下,压缩感知在合成孔径雷达成像中得到良好应用;但在实际情况中,模型会存在一定误差,这些误差造成图像偏离真实位置、引起散焦降低成像质量.本文提出一种矩阵型联合CS-SAR成像与自聚焦算法,该算法在CS-SAR成像重构方法方面,基于光滑l₀范数方法提出了矩阵型正则化光滑l₀范数重构方法,该方法具有较强容错能力并能直接重构矩阵型信号,能克服现有联合CS-SAR成像与自聚焦算法在计算效率方面的缺陷.最后,通过仿真验证了所提算法的有效性.     

基于变分模型的阵列三维SAR最优DEM重建方法

由于具备了下视3维成像能力,阵列3维SAR在地形测绘、灾害监测等领域具有广泛的应用前景。但是,载机平台尺寸的限制使得其阵列方向分辨率远远低于距离向和航迹向,严重制约了阵列3维SAR系统整体性能的提升。目前研究主要针对3维SAR图像的稀疏性,采用稀疏重建方法提高其在阵列方向的分辨率。稀疏重建模型在求解过程中丢失了数字高程图(DEM)所具有的单值性、连续性等特征。为了克服稀疏重建模型存在的问题,该文提出了基于变分模型的阵列3维SAR最优DEM重建方法,该方法直接将DEM图作为最优化目标,通过寻找最优化DEM图和对应的散射系数,实现最小二乘意义下的最优DEM重建。仿真结果表明,该方法可以实现各种地形(山区、城市)的稳健DEM增强,其性能远优于OMP算法和正则化方法。      

一种基于RELAX的SAR自聚焦算法

该文提出了一种基于RELAX的自聚焦算法。根据多个特显点和杂波同时存在的模型,该算法交替迭代地进行相位校正和散射点参数估计,在精确估计出散射点子回波参数的同时估计出自聚焦所需的相位误差。由于该算法未对杂波和噪声模型作任何假设,可应用于绝大多数成像场景,同时该算法可用于估计任何类型的相位误差,因此是一种稳健的自聚焦算法。实际数据处理结果表明该方法是有效的。     

联合多方位角调频率估计的星载SAR三维成像方法

星载合成孔径雷达(Synthetic Aperture Radar, SAR)通过波束的方位向扫描可以实现单次航过的多方位观测。在多方位角观测过程中,卫星弯曲轨道可等效为长3维曲线阵列,从而具备了3维成像能力。由于多方位角观测在高度维采样的稀疏性,无法直接通过3维FFT实现无模糊成像,且目标在不同方位角SAR图像的投影与高程间的传递相对复杂。针对该问题,该文提出了联合多方位角调频率估计的星载SAR3维成像方法。该方法首先给出了不同观测方位角下多普勒调频率误差与目标高程误差间的关系,利用视错位法(Map Drift, MD)估计多普勒调频率误差。然后,联合多方位角高程估计结果提升高程估计精度。最后,利用高程估计结果恢复目标3维几何信息,从而实现3维成像。仿真实验验证了该方法的高程估计精度可达米级。      

A sparsity-driven approach for joint SAR imaging and phase error correction

Image formation algorithms in a variety of applications have explicit or implicit dependence on a mathematical model of the observation process. Inaccuracies in the observation model may cause various degradations and artifacts in the reconstructed images. The application of interest in this paper is synthetic aperture radar (SAR) imaging, which particularly suffers from motion-induced model errors. These types of errors result in phase errors in SAR data, which cause defocusing of the reconstructed images. Particularly focusing on imaging of fields that admit a sparse representation, we propose a sparsity-driven method for joint SAR imaging and phase error correction. Phase error correction is performed during the image formation process. The problem is set up as an optimization problem in a nonquadratic regularization-based framework. The method involves an iterative algorithm, where each iteration of which consists of consecutive steps of image formation and model error correction. Experimental results show the effectiveness of the approach for various types of phase errors, as well as the improvements that it provides over existing techniques for model error compensation in SAR.     

基于单特显点目标回波的阵列3D SAR 幅相误差一致性校正方法研究

阵列3D SAR 技术以实孔径和合成孔径相结合的方式,实现对观测场景目标的3 维分辨。实际阵列SAR系统接收回波中不可避免地存在多通道幅相误差问题,直接成像处理会造成重建的雷达图像质量降级。该文建立了考虑幅相误差的阵列3D SAR 回波模型,提出了一种基于单特显点目标回波进行阵列幅相误差估计的方法,并针对阵列3D SAR 应用,提出了对幅相误差进行补偿的数据处理流程,最后通过仿真和实际数据处理对提出的模型和方法进行了验证。      

Downward looking sparse linear array 3D SAR imaging algorithm based on back-projection and convex optimization

Downward Looking Sparse Linear Array Three Dimensional SAR （DLSLA 3D SAR） is an important form of 3D SAR imaging,which has a widespread application field.Since its practical equivalent phase centers are usually distributed sparsely and nonuniformly,traditional 3D SAR algorithms suffer from low resolution and high sidelobes in cross-track dimension.To deal with this problem,this paper introduces a method based on back-projection and convex optimization to achieve 3D high accuracy imaging reconstruction.Compared with traditional SAR algorithms,the proposed method sufficiently utilizes the sparsity of the 3D SAR imaging scene and can achieve lower sidelobes and higher resolution in cross-track dimension.In the simulated experiments,the reconstructed results of both simple and complex imaging scene verify that the proposed method outperforms 3D back-projection algorithm and shows satisfying cross-track dimensional resolution and good robustness to noise.     

一种新型圆迹阵列三维SAR系统的点扩散函数分析与地面实验结果

阵列合成孔径雷达(ASAR)具备3维成像能力,是3维SAR成像领域的研究热点之一。该文针对线阵SAR在高分辨率成像方面和圆周SAR在旁瓣抑制方面的问题,提出一种新型圆迹阵列合成孔径雷达(CASAR)系统用于3维高分辨率雷达成像。首先推导基于CASAR系统的点扩散函数模型,从理论上分析圆迹阵列这一新型构型在3维成像中的优势。在此基础上构建原型CASAR实验系统,通过点扩散函数仿真实验和室外实测3维CASAR成像实验验证了3维CASAR成像的有效性,与线阵SAR和圆周SAR实验结果相比,证明CASAR系统可获得3维高分辨率SAR图像以及有效的旁瓣抑制能力。