极化SAR改进Lee滤波相干斑抑制研究

针对Lee滤波总存在降低相干斑与有效保持细节信息这一矛盾,将自适应窗引入极化SAR滤波。该方法首先在span图像中根据窗内像素与窗边缘像素分布特性决定是否扩大窗口,在均质区域选择较大窗口,保证了一定的相干斑抑制能力,而在细节信息比较丰富的区域则选择较小窗口,避免细节信息被滤除,然后在选定的窗口中利用极化Lee滤波对数据进行相干斑抑制,在保证相干斑抑制能力的同时保留了细节信息。     

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。      

基于图像强度最优的SAR高精度运动补偿方法

由于载体平台的不稳定性和测量传感器的精度限制,运动误差成为了提高合成孔径雷达(SAR)成像质量的一个瓶颈。基于图像锐度最优的自聚焦后向投影算法通过估计相位误差进行运动补偿,具有较高精度,但这种方法假设场景中所有像素点相位误差相同,即没有考虑运动误差的空变性,导致大部分像素点仍存在残留误差,造成成像质量下降。针对运动误差空变性的问题,该文提出一种高精度运动补偿方法,该方法在图像强度最大准则下,采用最优化技术估计天线相位中心测量误差,随后利用该测量误差估计量校正天线相位中心并进行后向投影成像。由于估计天线相位中心等效于估计每个像素点的距离历史,因此该方法可以对每个像素点进行高精度相位补偿。点目标仿真和实测数据处理结果均验证了所提方法的有效性。      

基于三维SAR成像的RCS近远场变换方法研究

微波3维成像能够准确地从背景噪声中分离出目标的散射信息,适用于外场目标电磁(EM)散射特性的分析和研究,因而从3维合成孔径雷达(SAR)成像的角度研究目标电磁的散射特性是目前的一个新兴的热门课题。该文以此为背景,首先从Stratton-Chu积分方程出发详细推导3维SAR的近场波数域成像过程,解释3维SAR成像的物理意义;然后阐述基于3维SAR成像的雷达散射截面积(RCS)近远场变换原理,介绍3维SAR图像的散射中心提取方法,给出基于3维SAR成像的RCS近远场变换算法;最后通过FEKO软件进行了仿真实验,得到了5个点目标的RCS近远场变换的方位特性曲线和频率特性曲线,并通过与理论情况的对比,验证该算法在RCS近远场变换技术中的有效性。     

圆形阵列天线方向图的分布函数优化方法

以离散有限长复指数和的计算为基础,讨论了二雏阵列的方向图问题.通过引入分布函数的概念,可知离散有限长复指数和为其分布函数离散傅里叶变换在1点的值.基于此结论,分析了二维阵天线阵元分布于天线方向图之间的关系:二雏阵列任意方向的方向图为其在该方向分布函数的离散傅里叶变换,该分布函数可通过统计其投影在该方向的临近区域处阵元数目获得.然后,通过对混合圆形阵列天线方向图的分析,验证了该关系的正确性,并说明了上述关系在分析阵列方向图的应用.在此基础上,进一步分析了阵元权重系数对方向的影响,发现该方法与通过改变阵列天线阵元分布的方法等效.最后,提出了基于分布函数的圆形阵列方向图优化方法,并通过仿真实验验证了该方法的可行性.该方法可通过改变圆形阵列阵元沿径向的权重系数使得其对应的任意方向的方向图与期望的窗函数近似.     

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。      

基于半正定规划的压缩感知线阵三维SAR自聚焦成像算法

线阵合成孔径雷达(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新体制成像雷达,压缩感知稀疏重构是近几年实现LASAR高分辨3维成像的热点研究之一。但相对于传统2维SAR,受线阵稀疏分布及阵列-平台2维联动,压缩感知LASAR成像面临回波数据欠采样、多维度高阶相位误差等问题,传统SAR自聚焦算法难以适用于压缩感知LASAR 3维稀疏自聚焦成像。为克服欠采样条件下多维度高阶相位误差对LASAR成像的影响,该文提出了一种基于半正定规划的压缩感知LASAR自聚焦成像算法。首先,结合压缩感知成像理论、图像最大锐度及最小均方误差准则,构造欠采样条件下稀疏目标的相位误差估计模型;其次,利用松弛半正定规划方法估计相位误差;最后,利用迭代逼近方法提高相位误差估计精度,实现压缩感知LASAR高精度稀疏自聚焦成像。另外,通过主散射目标区域提取,仅采用主散射区域进行相位误差估计,进一步提高自聚焦算法运算效率。仿真数据和实测数据验证了该文算法的有效性。      

基于随机阵列的降维压缩感知三维成像方法*

针对传统压缩感知(Compressed sensing, CS)三维微波成像方法存在建模较复杂和高度维数据层间串扰的问题,提出一种基于随机阵列观测的降维稀疏建模CS三维微波成像方法。该算法对三维成像空间进行整体建模,克服了分层建模时高度维数据层间串扰的问题。同时,该方法利用截取距离压缩后的回波数据、相关积累提取和随机抽取三种策略,大大降低了传感矩阵的维数,从而实现了三维成像空间的降维CS成像。仿真结果表明该方法能实现三维目标聚焦,并且比传统方法更能精确地重建场景的目标信息。同时,研究还表明CS三维成像不仅能达到旁瓣抑制效果,而且还能在一定程度上获得分辨率增强效果。     

基于自学习稀疏先验的三维SAR成像方法

合成孔径雷达三维成像技术(3D SAR)能通过孔径维度扩展实现三维成像能力,但数据维度大、系统实现难、成像分辨率低。压缩感知稀疏重构技术在简化3D SAR系统、提升成像质量等方面展现出巨大潜力,但面临计算复杂度高、参数设置困难、弱稀疏场景适应差等新问题,制约了其实际应用。针对上述问题,该文结合卷积神经网络的特征学习及迭代算法的深度展开理论,提出了基于自学习稀疏先验的3D SAR成像方法。首先,探讨了常规3D SAR稀疏成像中矩阵向量线性表征模型的局限性,引入成像算子提升成像算法处理效率。其次,讨论了迭代算法映射网络的深度展开模型和实现方式,包括网络拓扑结构设计、算法参数的优化约束及网络的训练方法。最后,通过仿真数据和地面实验,证明了所提方法在提升成像精度的同时,其运行时间较传统稀疏成像算法降低一个数量级。      

复杂轨迹合成孔径雷达后向投影算法图像流GPU成像

相对于基于傅里叶变换的频域成像算法,后向投影( BP)算法因采用时域逐点相干积累,更适合于复杂轨迹合成孔径雷达( SAR)高精度成像。但BP算法计算量巨大,限制了其应用于SAR大场景大数据量快速成像。图形处理器( GPU)具有强大浮点运算和并行处理能力,为大场景BP算法快速成像实现提供了途径。结合GPU并行处理,提出了一种基于图像流的复杂运动SAR大场景BP快速成像处理方法。该方法借助BP算法中图像像素点相互独立处理的特性,采用图像像素点并行及图像流程处理,设计了孔径与图像缓存调度方案,提高SAR大场景大数据BP算法成像效率。仿真和机载实测数据结果验证了方法的有效性,在有限GPU显存条件下实现了8192×8192大场景快速成像,并且成像加速比相对于传统CPU单线程处理可达300倍以上。