基于方位FNCS的斜视TOPS SAR成像方法

针对斜视循序扫描地形观测（terrain observation by progressive scans, TOPS）合成孔径雷达（synthetic aperture radar, SAR）模式,提出了一种新的全孔径成像处理方法。首先对距离走动校正后的数据进行方位预处理得到无模糊的二维频谱,在此基础上采用修正的线频调变标算法完成距离脉压及距离徙动校正;然后在距离多普勒域进行频域非线性变标（frequency nonlinear chirp scaling, FNCS）以校正调频率的空变性,并结合谱分析（spectral analysis, SPECAN）技术将信号聚焦在方位频率域,最后校正几何形变。仿真和实测数据处理结果验证了算法的有效性。     

结合非线性CS算法的UWB-SAR运动补偿

载机飞行不稳对SAR成像质量影响很大,对超宽带SAR系统尤其如此,提出了一种结合非线性CS算法的超宽带SAR运动补偿方法。通过采用引入高次相位补偿和非正交旁瓣抑制的改进非线性CS算法,减小了超宽带SAR成像中的相位误差。通过成像前的常规一阶运动补偿和距离徙动校正后的分块二阶运动补偿,有效补偿了超宽带SAR中的方位空变运动误差,提高了飞行不稳时的成像质量。该方法在运动补偿时考虑了方位空变运动误差随距离的变化,针对载机运动误差变化较快的情况也给出了处理办法。仿真和实测数据的处理结果验证了该方法的有效性。     

基于空谱信息协同与Gram-Schmidt变换的多源遥感图像融合方法

多光谱和合成孔径雷达图像的融合可以保留每个数据的优势, 有利于提高土地覆盖分类精度。然而, 当前的一些图像融合方法不能完全利用原始数据的光谱信息与纹理细节。为了克服上述问题, 提出一种基于空谱信息协同和Gram-Schmidt变换的融合方法。在所提方法中, Sentinel-2A图像和高分三号(GaoFen-3, GF-3)图像分别经过不同的预处理操作。由于灰度共生矩阵能有效提取图像的纹理信息, 因此将其应用于Sentinel-2A图像以提取结构特征, 并将空谱信息协同的多光谱图像与GF-3图像通过Gram-Schmidt变换进行融合。实验采用主成分分析法和传统的Gram-Schmidt变换作为比较方法。为了确定融合算法的有效性, 采用5项评价指标(包括平均梯度、空间频率、均值、标准差和相关系数)来衡量融合图像的质量。此外, 由于随机森林具有优秀的训练速度和出色的分类性能, 将其用于土地覆盖分类。随机森林的分类精度、Kappa系数和分类结果图作为融合方法的评价标准。实验结果表明, 与单独使用原始Sentinel-2A相比, 所提方法可以将整体精度提高多达5%, 具有提高遥感卫星图像土地覆盖分类精度的潜力。     

载频重频联合捷变雷达目标参数估计方法

针对载频-重频联合捷变体制雷达目标参数估计问题,提出了一种新的基于多重信号分类(multiple signal classification, MUSIC)算法的载频-重频联合捷变雷达目标参数估计方法。通过信号模型的空时等效,将时域信号的处理等效成空域阵列信号的处理,并将超分辨阵列信号处理方法应用到目标的参数估计中,从而把目标距离和速度的估计等效成阵列中二维参数的估计,解决了由于载频-重频联合捷变所带来的目标参数估计难题。仿真实验表明,所提方法能有效实现对目标距离和速度的超分辨估计。     

基于密度峰值搜索的全极化SAR图像分类

提出一种基于密度峰值搜索(find of density peaks,FDP)的全极化SAR图像(polarimetric synthetic aperture radar,POLSAR)无监督分类方法。由于在边缘地带以及奇异点的散射类型复杂,在无监督分类过程中干扰巨大,本文通过构建基于信息熵的显著性图来剔除这一类点的影响,并对剩余部分的参数进行了加权处理。随后在H//A/SPAN空间基于FDP方法进行无监督分类。最后通过ESAR的数据进行了实验验证,结果证明了方法的有效性。     

基于FPGA的SAR回波仿真快速实现方法

回波仿真是进行合成孔径雷达（synthetic aperture radar,SAR）研究的重要途径,但其计算量巨大,所需的时间较长。为了快速实现SAR回波仿真,提出一种改进的同心圆方法进行快速计算,同时考虑到运算较为规整的特点,采用现场可编程门阵列（field programmable gate array,FPGA）作为主处理芯片。设计了专用于SAR回波信号模拟的数字信号处理板卡,并在板卡上编程实现整个回波模拟算法,给出资源使用情况和量化噪声影响,实际应用结果显示,采用FPGA来实现SAR回波仿真可以在保证精度的前提下大大加快仿真速度。     

基于严格解析谱的同轨双基SAR的CS成像算法

针对双基地合成孔径雷达(synthetic aperture radar, SAR)包络徙动的空变问题,提出一种同轨等速双基构形下基于几何关系公式方法推导出的严格解析双基频谱的线频调变标(chirp scaling, CS)成像算法,不同于波数域的成像算法,整个成像过程不需要进行插值运算,在频域聚焦实现快速成像。高精度的双基频谱使得其对基线的长短不再敏感,可以进行长基线情形下的数据处理。仿真实验验证了本文算法的有效性。     

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。     

地球同步轨道SAR两维奇异值分解成像方法

针对地球同步轨道合成孔径雷达(geosynchronous synthetic aperture radar, GEO-SAR)长合成时间和大观测场景严重的二维空变将影响二维聚焦深度的问题,该文提出了一种GEO-SAR两维奇异值分解成像方法。该方法首先对距离空变信号进行奇异值分解得到距离多普勒的耦合特性,通过距离频率插值和重采样完成距离空变校正;接着,对方位空变信号进行奇异值分解将方位空变与多普勒分离,通过级联的两步奇异值分解和方位非线性变标操作完成方位空变校正,实现整个场景的聚焦。最后,仿真结果验证了该方法的有效性。     

极化SAR图像中的弱小舰船目标检测

结合最新的子空间数据分析方法--非负矩阵分解(nonnegative matrix factorization, NMF),对极化合成孔径雷达(synthetic aperture radar, SAR)图像中的弱小舰船目标提出一种全新的有效检测方法。该方法利用极化协方差矩阵分解,得到包含极化图像能量的特征值组,组成满足NMF要求的非负矩阵;然后采用稀疏限制的NMF来提取其中的主要特征,以此将舰船目标检测出来。采用国内全极化和双极化实测海洋数据进行实验,验证了本文方法的有效性。