一种基于最小熵准则的SAR图像自聚焦算法

研究了一种新颖的SAR图像自聚焦算法。该方法从复图像域出发 ,利用最小熵准则盲解卷积原理 ,通过多维搜索完成相位误差校正。同相位梯度自聚焦算法相比 ,最小熵算法无需在图像域分离出强点目标 ,因而特别适用于无任何明显特征的图像。仿真及实测数据处理结果证明了该方法的有效性     

一种基于量子粒子群算法的SAR图像自聚焦方法

为了准确补偿合成孔径雷达(SAR,Synthetic Aperture Radar)回波数据中的相位误差,研究了一种实用的SAR图像自聚焦算法。该方法以量子粒子群算法(QPSO,Quantum-behaved Particle Swarm Optimization)为基础,利用最小熵准则作为评判标准,通过多维搜索完成相位误差校正。同传统的自聚焦方法相比,该方法具有较好的鲁棒性和收敛速度快的特点,对低频和高频相位误差都有非常好的补偿能力。仿真结果验证了该方法的有效性。     

基于多脉冲联合估计的SAR相位误差自聚焦算法

合成孔径雷达(synthetic aperture radar, SAR)是相干成像系统,所以接收信号相位的正确性决定了SAR图像的聚焦质量。利用自聚焦算法对SAR图像进行相位误差函数的估计及补偿是获得高分辨率,高质量SAR图像的关键步骤之一。其中,相位梯度自聚焦(phase gradient autofocus, PGA)算法运算量适中且鲁棒性好,被广泛应用于SAR自聚焦中。然而,PGA算法基于相位误差梯度值进行加权平均估计,相位差分的过程会引起噪声的积累,因此该算法对原SAR图像在方位数据域的信噪比要求较高。针对PGA算法存在问题,提出了基于多脉冲联合估计的相位误差自聚焦(phase error autofocus, PEA)算法。该算法采用了PGA算法的处理结构,并基于相位误差直接进行加权平均估计,可以在较低信噪比条件下正确实现SAR图像的自聚焦处理。仿真实验以及实测数据处理结果对比均表明,PEA算法可以获得优于PGA算法的自聚焦性能,且实际算法执行时间更短,更有利于算法实时处理。     

稳健的多通道SAR特征投影杂波抑制算法

针对强干扰目标信号污染影响传统的特征投影方法杂波抑制性能的问题,提出了一种稳健的特征投影方法。该方法首先构造与回波数据矢量对应的模归一化矢量,对其协方差矩阵进行特征分解,构造新的噪声子空间,最后将回波数据矢量向新的噪声子空间投影进行杂波抑制。理论分析和实验结果验证了该方法的有效性和稳健性。     

SAR图像目标解译算法研究

针对SAR图像目标解译的困难,首先从SAR图像中的目标信息特点出发,深入分析和探讨了SAR图像中斑点噪声抑制算法,点状目标、线状目标和面状目标的特征表现及其检测算法;然后针对它们的不足进行了相应的改进,获得了更佳的性能;最后在此基础上提出了一个半自动人机协作的SAR图像目标解译框架.实验结果表明,所采用的解译算法和提出的方案是切实可行的.     

曲线轨迹SAR大斜视子孔径成像算法

针对小型合成孔径雷达(synthetic aperture radar, SAR)平台曲线轨迹运动、大斜视实时成像的要求,提出一种子孔径成像算法,首先进行预处理,补偿加速度对调频率的影响,再采用级数反演法(method of series reversion, MSR)得到回波信号的高阶近似二维谱。在此基础上,基于方位频域相位滤波处理校正方位调频率空变,最终利用谱分析(spectrum analysis,SPECAN)技术实现方位统一聚焦。点目标仿真数据验证了本文算法的有效性。     

SAR与可见光图像融合算法的研究

针对不同传感器数据融合这一难题 ,提出了一种SAR与可见光图像数据融合算法 ,它包括三个部分 :几何配准、SAR斑点噪声消除及SAR与可见光图像数据融合。运用相关算法进行几何配准 ;运用数学形态学滤波技术进行SAR斑点噪声消除 ;运用调制法进行SAR与可见光图像的数据融合。实验结果证明了本算法的有效性。     

圆迹SAR子孔径图像序列联合相关DEM提取方法

利用圆迹合成孔径雷达(circular synthetic aperture radar, CSAR)子孔径图像序列提取观测场景地形高程模型(digital elevation model, DEM)时,为了利用保持相关性的一段圆弧内所有子孔径图像之间的相关性信息、提高DEM提取精度,提出了联合相关法。该方法以保持相关性的一段圆弧内所有子孔径图像之间的联合相关系数作为测度函数,提高了测度函数灵敏度。同时,通过将子孔径图像序列向三维空间投影以校正其几何形变,提高了子孔径图像序列间的相关性。实测数据处理结果及分析验证了所提方法的有效性和精确性。     

基于积分图像的快速ACCA-CFAR SAR图像目标检测算法

提出一种新的基于自动索引的单元平均恒虚警概率目标检测算法。首先采用具有较强模型兼容性的G0分布对杂波统计特性进行建模;通过基于G0分布的全局阈值预分割算法生成目标索引矩阵,以去除干扰目标像素,提高恒虚警概率算子对复杂场景的适用性;采用一种基于积分图像的快速策略,大大降低了算法的运行时间,使得算法的计算时间复杂度与滑动窗口的尺寸无关;最后,通过计数滤波和形态学处理得到精确的目标检测结果。所提算法既具有自适应性,又比现有同类算法的运算速度大大提高,通过TerraSAR-X图像实验结果证明了该方法的有效性和工程实用价值。     

包络相位联合自聚焦高分辨SAR运动补偿

提出了一种包络相位联合自聚焦运动补偿算法,解决了机载高分辨合成孔径雷达(synthetic aperture radar, SAR)成像过程中复杂的运动误差问题。该方法不但可以实现对高阶运动误差的估计,而且可以同时补偿包络和相位误差。通过对运动误差进行归一化多项式拟合建立关于运动误差多项式系数的最小熵优化方程,同时利用阻尼牛顿法对其进行求解,实现高效精确的多项式系数估计。另外,设计了交替联合自聚焦算法,以实现对较大运动误差的精确估计。最后,应用实测机载聚束SAR数据验证该方法的有效性和优越性。     

基于相参子孔径的SAR实时成像方法

分析了子孔径过程用于合成孔径雷达(syntheticapertureradar,SAR)成像的实现机理,指出对合成孔径过程采取相参分阶段处理是对合成孔径这一处理思想合理的扩展,并总结了子孔径处理的核心思想。在此基础上结合对一类典型子孔径算法的研究,针对利用子孔径结果进行精分辨成像的实现过程及相应聚焦条件等问题进行了具体探讨。最后给出了相应的子孔径成像流水实现结构和仿真结果。     

面向SAR图像目标识别的鲁棒处理算法

现有合成孔径雷达图像的目标识别方法通常要进行预处理,预处理对于识别率影响较大。但是,针对不同的合成孔径雷达目标图像,预处理算法的自适应性很难得到保证。将基于核的主成分分析与稀疏表示相结合,只需很少的观测数据就能得到高识别率的目标识别结果,节省了数据存储量和计算量。首先,阐述了压缩感知的基本理论;其次,提出了基于核主成分分析和稀疏表示的合成孔径雷达图像目标识别算法;最后,选取MSTAR数据库中的5类目标进行实验。仿真结果表明,在没有方位角预测的情况下,该算法仍能有效地识别目标,与其他识别算法相比,在同等噪声污染的图像下,具有较高的识别率。     

基于切比雪夫拟合的BP自聚焦算法

为了解决传统后向投影(back-projection, BP)算法中, 成像清晰度受硬件限制、复杂运动难以算法修正的问题, 提出了一种基于信号分析, 采用切比雪夫拟合的聚焦处理方法。考虑到非线性运动下的BP成像带有大距离变化产生的算法处理误差, 导航器件补偿参数难以修正, 该算法以信号回波数据为基础, 采用改进的自动聚焦算法来修正距离误差带来的成像干扰, 可在雷达系统内高效实现。分析了BP成像算法的误差和自聚焦算法, 将原始BP成像图像与经自动聚焦处理的图像进行比较, 检验算法的性能。仿真结果表明, 抛物线轨迹下的改进BP自动聚焦算法处理后的图像效果优于未处理图像。     

多子阵互耦影响下的鲁棒自校正算法

针对多子阵中各子阵的标称方向可能存在扰动偏差这一问题,给出了一种多子阵互耦影响下的鲁棒自校正算法。与现有很多互耦自校正算法类似,本文算法同样利用了均匀线阵互耦矩阵的带状、对称Toeplitz性以及多子阵互耦矩阵的块状对角特性,从而避免了多参数联合估计中的多维非线性搜索以及迭代运算。不同的是,本文算法能够克服各子阵标称方向的扰动偏差,具有更强的鲁棒性。此外,还推导了多参数联合估计的克拉美罗界。仿真实验验证了本文算法的有效性和优越性。     

基于俯仰向多接收孔径的双站SAR宽测绘带成像

为了实现星载双站SAR宽测绘带成像,提出了利用俯仰向多个接收波束、将数字波束形成技术与星载双站SAR成像算法相结合的成像方法。并以双站SAR平飞斜视几何布局为例,分析了实现双站宽测绘带成像的具体方法和步骤。理论分析以及计算机仿真验证了该方法的正确性。     

New algorithm of target classification in polarimetric SAR

The different approaches used for target decomposition （TD） theory in radar polarimetry are reviewed and three main types of theorems are introduced： those based on Mueller matrix, those using an eigenvector analysis of the coherency matrix, and those employing coherent decomposition of the scattering matrix. Support vector machine （SVM）, as a novel approach in pattern recognition, has demonstrated success in many fields. A new algorithm of target classification, by combining target decomposition and the support vector machine, is proposed. To conduct the experiment, the polarimetric synthetic aperture radar （SAR） data are used. Experimental results show that it is feasible and efficient to target classification by applying target decomposition to extract scattering mechanisms, and the effects of kernel function and its parameters on the classification efficiency are significant.     

ISAR autofocus imaging algorithm for maneuvering targets based on deep learning and keystone transform

The issue of small-angle maneuvering targets inverse synthetic aperture radar(ISAR) imaging has been successfully addressed by popular motion compensation algorithms. However, when the target’s rotational velocity is sufficiently high during the dwell time of the radar, such compensation algorithms cannot obtain a high quality image. This paper proposes an ISAR imaging algorithm based on keystone transform and deep learning algorithm. The keystone transform is used to coarsely compensate for the...     

一种调频连续波SAR的非线性距离多普勒算法

频率非线性是制约调频连续波雷达距离分辨率的一个关键因素。针对系统非线性误差对调频连续波(frequency modulated continuous wave, FMCW)合成孔径雷达（synthetic aperture radar, SAR）成像处理的影响以及雷达系统实时成像处理的需求,对存在频率非线性误差的调频连续波SAR回波信号进行了建模,分析了调频连续波去斜接收模式下的回波特性,深入研究了系统非线性误差校正的问题,提出了一种改进的调频连续波SAR的非线性距离〖CD*2〗多普勒成像处理算法。该算法通过非线性误差滤波器校正距离向非线性误差,具有计算量小,处理精度高的特点,适合实时成像处理。最后,通过理论推导和仿真分析,验证了算法的可行性和正确性。