合成孔径雷达成像RD算法仿真实验

典型的SAR成像算法是在二维时域以外的其他变换域中处理数据。以RD算法为讨论对象,利用RCM在RD域上的特点,通过插值校正,将二维脉压分解成2个一维脉压的级联。软件仿真证明,该算法具有很高精确性及高效性。     

高斯型功率谱随机噪声斜视合成孔径雷达距离-多普勒成像算法

由于斜视随机噪声合成孔径雷达(SAR)的信号没有解析式,且通常的线性调频信号SAR的成像算法不再适用,提出了一种随机噪声斜视SAR距离多普勒(RD)成像算法.该算法根据随机噪声信号距离向处理的特点,先进行距离向部分处理,然后在二维频域进行距离弯曲和距离走动校正,因此,其对小斜视随机噪声SAR能获取较好的图像.仿真结果表明该算法的有效性和正确性.     

合成孔径雷达马赛克模式成像算法

针对马赛克模式边缘成像模块存在斜视成像以及不同成像块拼接存在像素间隔不一致的问题,提出了一种合成孔径雷达马赛克模式成像处理算法。该算法在方位向采用改进的去斜处理方法,去除了信号方位频谱混叠,在此基础上,利用距离多普勒算法进行距离向压缩,距离徙动校正,再使用基于Chirp Z变换（CZT）消除了不同成像块的像素间隔差。仿真实验表明,该算法对马赛克模式具有良好的成像效果。     

反舰导弹聚束式SAR导引头成像算法研究

针对反舰导弹聚束式SAR导引头大前斜视角及成像处理时间短的工作特点,将基于最小熵准则的RD算法及改进FS算法用于导引头锁定目标阶段的成像。基于最小熵准则的自聚焦RD算法在一般RD算法的基础上引入最小熵准则来补偿由于大斜视角引起的相位误差,改善图像聚焦效果。改进的FS算法引入了SRC的非线性变标对数据进行二次距离压缩,有效地减少了距离压缩误差。仿真结果表明:两种算法在斜视角达75°时,改进的FS算法能达到较好的成像效果。     

一种SAR在大斜视角情况下成像的改进算法

从RDA算法入手,在分析其在大斜视角情况下的弊端和原因的基础上,提出将距离多普勒域方法改进为距离频域—方位频域的双频域方法。在双频域采用新的改进型滤波器实现对标准距离压缩和二次距离压缩的一步完成;在方位向使用改进型匹配滤波器消除包含方位向距离徙动引起的方位向调制。     

斜式模式距离-多普勒-距离星载合成孔径雷达成像算法

距离一多普勒一距离(R-D-R)成像算法是根据雷达回波信号的傅里叶谱的相位特性进行相位补偿和聚焦的,且运算量不大。本文对该算法进行了修正,使该算法适用于斜视模式的机载和星载SAR成像。在数学推导的基础上,给出了算法流程和该算法的点目标成像仿真结果,并把该算法应用于星载SAR成像,给出了它的Radarsat-l原始数据的成像结果,验证了该修正算法可应用于机载和星载SAR成像处理。     

基于频域校正的快速长时间积累算法

针对长时间积累过程中回波信号出现的距离徙动和多普勒走动问题,提出一种基于频域校正的快速长时间积累算法。该算法首先利用Radon-Ambiguity变换对脉压以后的回波信号进行加速度估计,用得到的估计值构造加速度补偿因子消除距离弯曲和多普勒走动,然后选取回波包络之间的相关系数作为代价函数对目标的速度进行估计,用得到的估计值构造速度补偿因子消除距离走动。仿真结果验证了该算法的有效性。     

改进的距离-多普勒算法

合成孔径成像算法是合成孔径雷达技术中的关键技术之一，距离一多普勒算法是成像算法中最经典最常用的算法。通过引入检测改进了距离-多普勒算法的执行结构，利用任务处理实现了距离向处理和方位向处理的分开，保证了方位向处理的实时性，保留了原有算法数据流程的串行结构。仿真实验表明，改进算法比传统算法在时间上得到了改善。最后指出了改进算法所具有的特点。     

弹载斜视SAR高分辨率成像算法研究

针对弹载SINS/SAR组合导航系统中,导弹机动性会影响SAR成像质量的问题,提出了一种新的Burg-Chirp Scaling-Dechirp成像算法。文中构造改进的相位补偿因子,补偿距离徙动造成的影响,采用Dechirp技术对部分孔径数据进行方位聚焦处理,优化算法结构;同时,建立回波信号观测数据的自回归模型,对图像的二维频谱进行外推,弥补经典CS成像算法空间分辨率受限的不足。将新的算法与CS算法进行仿真比较,结果表明,新的成像算法能有效改善点目标成像质量,提高SAR的成像质量。     

无人机载高分辨条带SAR运动补偿方法

条带SAR运动补偿技术一直是无人机载高分辨雷达成像的难点之一,传统基于导航信息的运动补偿方法往往不能满足要求。本文融合CS与PGA算法,提出了一种高精度、低成本无人机载高分辨条带SAR运动补偿方法。该方法具备高精度距离徙动校正、二次距离压缩能力,能够不依赖导航信息完成对SAR平台非理想运动的高精度补偿。利用两部国产X波段无人机载SAR实测数据对该方法进行验证,实验表明该方法对不同分辨率、不同成像场景SAR数据均具有很好的聚焦效果。与MD算法相比,该方法能够补偿高阶相位误差,处理后SAR图像的目标边缘轮廓更为清晰明显,细节信息更为丰富完整。