一种改进选点及加窗处理的相位梯度自聚焦算法

相位梯度自聚焦(Phase Gradient Autofocus,PGA)算法被广泛应用于补偿合成孔径雷达(Synthetic Aperture Radar,SAR)图像的相位误差。PGA算法的处理流程中,选点和加窗这两步操作对于算法性能的影响非常大。传统的PGA算法常因选点质量不佳或窗宽估计有误而导致聚焦效果变差,收敛速度变慢。本文提出一种基于能量-信杂比最大准则的强点选择方法和一种自适应窗宽估计方法。利用能量和信杂比两个维度从图像数据中筛选出理想的孤立强散射点,结合并改进两种传统加窗方法自适应地估计窗宽,实现算法稳定性和收敛速度的提升。仿真和实测数据处理结果证实了本文算法的有效性。

一种改进的相位梯度自聚焦算法

当相位梯度算法挑选的散射点不是孤立散射点时,导致相位误差估计的准确性下降.对相位梯度算法中特显点的选取方法进行了改进,提出了一种基于自适应孤立特显点选择的相位梯度方法.该方法首先利用方位滑窗对各像素点进行质量评估,从而挑选出质量最好的孤立特显点用于相位误差估计,接着利用质量评估值指导多个特显点的加权综合以进一步提高相位误差估计的精度.分析和实测数据表明,对于强散射点不孤立的场景,该方法的适用性更好.

相位梯度自聚焦算法在条带模式SAR中的应用

相位梯度自聚焦 ( PGA)算法是一种稳健的高分辨 SAR相位校正方法 ,在 SAR领域得到广泛应用。但PGA是对聚束模式成像提出的 ,不能直接用于条带模式。本文利用两种模式之间的内在联系 ,将条带模式 SAR数据分块处理 ,等效成聚束模式数据。然后 ,用聚束照射 SAR成像算法实现成像 ,此时就可以利用 PGA完成各块子图像的自聚焦过程 ,最后将各子图像适当拼接 ,从而实现条带模式 SAR的 PGA处理 ,外场数据的处理证实了本文方法的可行性 ,同时 ,分块处理条带 SAR数据实现了聚束照射 SAR与条带模式 SAR成像算法上的统一。

基于最优对比度准则的SAR图像相位梯度自聚焦算法

相位梯度自聚焦(PGA)算法是SAR图像自聚焦领域的经典算法。在分析经典PGA算法性能的基础上,提出了基于最优对比度准则的SAR图像相位梯度自聚焦算法。该算法改进了PGA算法的加窗方法和迭代终止条件,提高了PGA算法的鲁棒性和实时应用性能。理论分析和实验结果证明了该算法的有效性。

FMCW SAR相位梯度自聚焦算法研究

调频连续波合成孔径雷达(FMCW SAR)是一种新近提出来的成像雷达体制,它结合调频连续波与合成孔径成像技术,具有体积小、重量轻、成本低、分辨率高等一系列优点。在SAR成像中,相位误差是成像质量下降的主要原因。针对FMCW SAR的特点,分析了二阶相位误差对成像质量的影响,然后以二阶相位误差为例建立了存在相位误差的FMCW SAR信号模型,研究了适合于FMCW SAR的相位梯度自聚焦算法,仿真结果表明该算法能够校正相位误差的影响,提高了成像精度。

相位梯度自聚焦算法在机载合成孔径雷达运动补偿中的应用

研究了机载合成孔径雷达运动补偿中可以补偿任意阶相位误差的相位梯度自聚焦(PGA)算法,提出一种PGA快速算法。与雷达成像算法结合后,图像测量精度得到提高。

对海面重拖尾杂波下相位梯度自聚焦算法的改进

由于海杂波的随机动态特性,用合成孔径雷达(Synthetic Aperture Radar,SAR)对海面上的舰船目标成像时,相位梯度自聚焦算法(Phase Gradient Autofocus,PGA)的聚焦效果变差.在统计海杂波的分布特性之后,在大多数情况下可以用α-stable分布模型比较好地描述海杂波的幅度特性,尤其对于拖尾较大的海杂波.用分数低阶统计模型和相位梯度自聚焦算法结合起来(PGA-FLOS),可以有效地改善海面上舰船目标的成像效果.仿真和对实测海面数据处理都证明了文中算法的有效性.

基于子孔径相位误差拼接的相位梯度自聚焦算法

随着雷达技术的发展,合成孔径雷达的成像精度也得到了大幅提升,与之相匹配的,也需要能更精确地进行运动补偿的算法。由于惯导精度无法满足需求,如果仅使用惯导数据对运动误差进行补偿,补偿的结果中含有残余的距离单元徙动,这会损失图像的精度。本文首先分析了残余的距离单元徙动对快速分解后向投影成像算法和相位梯度自聚焦算法的影响,再将用于聚束SAR相位误差补偿的相位梯度自聚焦算法进行优化,提出了基于子孔径相位误差拼接的相位梯度自聚焦算法,使其可以对残余的距离单元徙动进行补偿,并可以将其应用到条带SAR的运动补偿中,最后利用Ku波段雷达的实测数据验证算法的有效性。

一种适用于机载/固定站构型BiSAR成像的改进相位梯度自聚焦方法

在机载/固定站构型双站合成孔径雷达(Airborne/Stationary Bistatic Synthetic Aperture Radar,A/S-BiSAR)成像中,回波信号方位不变性的假设不再成立;完成距离徙动校正和距离压缩之后,同一距离单元处信号的多普勒调频率具有沿方位向变化的特性。该信号特性导致了传统的相位梯度自聚焦(Phase Gradient Autofocus,PGA)方法对相位误差的估计精度显著下降。针对该问题,该文提出了一种改进PGA方法。与传统PGA方法相比,该方法通过增加对样本信号的剩余二次相位补偿,有效减小了变化的多普勒调频率对相位误差估计的影响,从而提高了对相位误差的提取精度;此外,该方法考虑了对距离空变相位误差的估计和补偿,使之适用于宽测绘带条件下的A/S-BiSAR成像。实测数据的处理和分析验证了该文方法的有效性。

基于投影近似子空间跟踪技术的自聚焦算法

基于特征向量法的自聚焦算法具有比相位梯度自聚焦(Phase Gradient Autofocus,简称PGA)算法更好的算法性能,但该算法必须对协方差矩阵进行特征分解,所以运算量大.利用投影近似子空间跟踪(Projection Approxima-tion Subspace Tracking,简称PAST)技术的自聚焦算法可以解决上述问题.通过实际数据处理结果对比,证明基于PAST技术的自聚焦算法是一种可满足实时处理要求的有效自聚焦方法.

多强点目标场景合成孔径声纳SAS自聚焦算法研究

经典的PGA算法不能直接用于SAS图像自聚焦。目前的一些改进算法非常复杂,鲁棒性不好。本文提出了一种基于图像分块的改进PGA算法。算法的原理简便,鲁棒性好。并利用图像质心不变的假设,解决了线性相位引起的图像方位位置偏移问题。最后,通过仿真试验,验证了算法的有效性。

一种改进的组合实时自聚焦算法

在高分辨率SAR中,方位向运动误差给成像带来的影响越来越大,传统的相位梯度自聚焦(PGA)方法能够估计出运动误差,但其需要多次迭代计算,计算量大,不适合用于实时成像。为了满足高分辨率SAR实时成像的需求,提出了一种改进的组合实时PGA方法。这种方法将改进的频移相关算法(ISAC)算法、PGA算法与RD成像算法结合运用,不仅使计算量大大减少,而且通过在频移相关算法中加入适量的迭代运算,降低了对运动初始参数的精度要求,取得了较好的成像效果。理论分析和实际数据处理证明了这种方法的有效性。

一种加速时域成像算法及其自聚焦方法

针对机载合成孔径雷达的导航系统精度不足这一问题,提出了一种与自聚焦方法相结合的加速时域成像算法.通过引入全局虚拟极坐标系,构建出聚焦域和相位历程域之间的傅里叶变换对关系,并采用基于加权最小均方相位梯度自聚焦方法实现运动误差高精度补偿.该方法采用快速傅里叶变换实现子图像的融合过程,避免了耗时的二维插值操作,且易与高精度自聚焦算法相结合,提取信号中的残余运动误差并补偿,提高成像质量.

秩-相位误差估计自聚焦方法的改进

本文提出了改进的秩-相位误差(IROPE)估计自聚焦算法。与ROPE算法相比,IROPE有两个优点:(1)它基于的模型更符合实际,所以具有更好的鲁棒性。(2)它对迭代过程初值的设定是近似准确的。本文通过近似分析证明,IROPE对相位误差差分的估计是最大似然(ML)估计,而相位梯度自聚焦(PGA)算法是IROPE的一个子集,即在满足一定条件时,IROPE和PGA对相位误差的估计都是线性无偏最小方差估计(LUMV)。

UWB SAR图像的非均匀分段PGA算法

在超宽带合成孔径雷达(UWB SAR)成像过程中,由于载机偏航所导致的相位误差具有严重的距离向空变性,因此需要沿距离向分段应用相位梯度自聚焦(PGA)算法以改善PGA算法的聚焦性能。本文分析了载机空间偏航位置与相位误差空变特性之间的关系,提出了图像非均匀分段PGA(NUSPGA)算法,并从理论上对算法进行了推导。文中还提出了参考点对齐法以校正分段聚焦后子图像间的平移失真问题。最后由实测数据验证了本文所提算法的有效性。

基于SHARC处理器的PGA算法实现

合成孔径雷达(SAR)实时处理技术的发展对相位梯度自聚焦(PGA)算法的工程实现提出了要求。基于以多片主流SHARC处理器为核心构成的硬件平台,针对PGA算法数据处理量大、计算复杂度高的特点,设计开发了并行处理的系统拓扑和程序流水结构及其软件程序。机载SAR实测数据的处理结果验证了该方案的有效性。

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。

一种用于条带式RD算法的组合实时PGA方法

随着合成孔径雷达(SAR)分辨率的提高,方位向相位误差的影响逐渐增大,传统的相位梯度自聚焦(PGA)方法虽然可以估计出高次误差,但是通常都需要迭代,给实时成像造成了很大困难。该文结合条带式RD算法和PGA自聚焦算法的特点,提出了一种组合的实时PGA方法。这种方法将频移相关距离门算法(SACGS)算法与PGA算法结合,不仅大大降低了计算量,可以不用迭代而达到良好的效果,而且降低了对运动初始参数的精度要求。仿真和实际数据均验证了这种方法的有效性。

一种可用于实时成像的改进PGA算法

相位梯度自聚焦算法(Phase Gradient Autofocus,PGA)可有效补偿高次相位误差,对实时成像系统获取高分辨图像有重要意义。但是该算法一般需要迭代多次,运算耗时,且在不同场景的应用中算法的聚焦性能不够稳定,这些严重限制了PGA算法在实时处理中的应用。选点和加窗是PGA算法的两个关键步骤,该文提出一种基于数据均值的选点方法和一种基于脉冲包络的窗宽估计方法,这两种方法对数据的自适应能力较强,可使算法获得稳定的聚焦性能,并有效减少迭代次数。实测数据处理结果证实改进的PGA算法可用于实时成像。

基于BP和PGA算法的斜视SAR成像方法

在斜视合成孔径雷达(Synthetic Aperture Radar,SAR)成像的情况中,由于目标的运动或者平台运动误差,导致成像结果方位向散焦,需要通过相位梯度自聚焦(Phase Gradient Autofocus,PGA)处理改善图像质量。但由于斜视成像时点目标扩展函数二维不正交,采用传统自聚焦算法难以提取出强点目标较完整的方位向能量进行自聚焦处理,聚焦效果不佳。本文提出了一种基于BP(Back Projection)算法成像点目标扩展函数(Point Spread Function,PSF)二维不正交的自聚焦方法,利用后向投影算法对晃动的舰船目标进行成像,通过坐标旋转解决方位向倾斜导致PGA性能不佳的问题,得到聚焦良好的图像。仿真结果验证了本文方法的有效性。