一种加权最小熵的ISAR自聚焦算法

基于加权最小二乘估计(WLS)的最小方差准则,根据各个距离单元的相位方差的差异,该文提出了一种加权最小熵的ISAR自聚焦算法,利用加权熵建立代价函数,通过迭代算法估计误差相位以实现运动误差补偿。该算法具有较高的鲁棒性,相对于传统最小熵ISAR自聚焦算法,能够有效提高迭代的收敛速度,并且权值系数的应用可以有效降低杂波和噪声的影响,从而取得更好的聚焦效果。基于仿真数据和实测数据的实验验证了该算法的有效性。

基于分数阶傅里叶变换和图像加权熵的chirp scaling算法

针对传统的基于傅里叶变换和匹配滤波实现的chirp scaling(CS)成像算法中多普勒参数随斜距变化以及成像分辨率低的问题,提出利用分数阶傅里叶变换(FRFT)对CS成像算法进行优化。首先建立斜视合成孔径雷达(SAR)回波信号模型,理论推导利用FRFT代替匹配滤波进行信号压缩。针对方位向最优旋转角的搜索问题,对得到的图像基于加权最小熵建立代价函数,利用动量法的梯度下降优化算法进行迭代计算,最终得到分辨率更高的SAR图像。为验证算法的有效性,分别在点目标仿真数据和实测SAR数据集上进行实验。结果表明,与传统CS成像算法相比,该算法的成像结果成像主瓣宽度更窄、旁瓣更低、成像更加清晰。