基于孔徑分解和圖像遞歸融合的快速分解后向投影（FFBP）算法具備接近頻域算法的運算復雜度和媲美后向投影（BP）算法的聚焦性能。但與頻域成像算法不同,使用FFBP算法重建的直角坐標系圖像或極坐標系圖像均無法滿足傳統(tǒng)自聚焦方法的使用條件。為了解決這個問題,首先,提出了虛擬極坐標系作為FFBP算法的圖像重建平面,為自聚焦方法的使用奠定了基礎;其次,以基于回波數(shù)據(jù)的運動補償為目標,充分利用FFBP算法多孔徑遞歸融合的特點,將多孔徑圖像偏移（MAM）的相位估計方法嵌套到FFBP算法的各個階段,從而實現(xiàn)MAM與FFBP算法的緊密相容;最后,通過實測數(shù)據(jù)處理驗證了該方法的可行性和有效性。 

【文章來源】：航空學報. 2014年07期 北大核心

【文章頁數(shù)】：8 頁

【部分圖文】：

圖１ＳＡＲ成像幾何及角域位置誤差Ｆｉｇ．１ＳＡＲｉｍａｇｉｎｇｇｅｏｍｅｔｒｙａｎｄａｎｇｕｌａｒｐｏｓｉｔｉｏｎｅｒｒｏｒ

２０１４航空學報Ｊｕｌ．２５２０１４Ｖｏｌ．３５Ｎｏ．７θ（ｋ）０ｉ方向波束在θ（ｋ／２）０ｉ＋１方向的波束形成。圖２不同階段的圖像融合過程Ｆｉｇ．２Ｉｍａｇｅｆｕｓｉｏｎｐｒｏｃｅｓｓａｔｄｉｆｆｅｒｅｎｔｓｔａｇｅｓ本文針對第ｉ處理階段進行分析，故下文將省略下腳標“ｉ”以使變量定義更加簡潔。以第ｋ個子孔徑為例，其視角方向為θ（ｋ）０，若沿該方向建立虛擬極坐標系，則角域成像范圍為Θ（ｋ）∈λ２ｖｆ（ｋ）０－Ｂｄ（）２，λ２ｖｆ（ｋ）０＋Ｂｄ［（）］２（１２）式中：ｆ（ｋ）０＝２ｖｓｉｎθ（ｋ）０／λ為該孔徑的多普勒中心；Ｂｄ為角域帶寬。對第ｋ個子孔徑數(shù)據(jù)進行圖像重建，根據(jù)式（６），則子圖像可表示為Ｉ（ｋ）（ｒ，ｋΘ（ｋ））＝∫Ｘ（ｋ）０＋ｄ／２Ｘ（ｋ）０－ｄ／２ｅｘｐ－ｊｋΘ（ｋ）（）ＸｄＸ（１３）式中：ｄ為第ｉ處理階段的子孔徑長度；ｋΘ（ｋ）為第ｋ個子孔徑對應的方位波數(shù)。根據(jù)第１節(jié)中推導的ＦＴＰ關系，Ｉ（ｋ）對應的相位歷程域信號可表示為Ｈ（ｋ）（ｒ，ｔ（ｋ））＝∫Ｉ（ｋ）（ｒ，ｋΘ（ｋ））ｅｘｐ（ｊｋΘ（ｋ）ｔ（ｋ））ｄｋΘ（ｋ）（１４）式中：ｔ（ｋ）為第ｋ個子孔徑時間，其離散時間間隔和孔徑中心時刻分別為１／Ｂｄ和Ｘ（ｋ

Ｔａ２，Ｔａ（［］）２（２０）式中：ｔ為方位時間；Ｔａ為合成孔徑時間；＾ａｎ為ｎ階多項式系數(shù)；?＾（ｔ）為相位誤差的估計值。２．３處理流程２．１節(jié)對ＦＦＢＰ算法進行了必要的改進，從而滿足自聚焦對圖像域與相位歷程域之間的ＦＴＰ關系及圖像散焦方向的要求。２．２節(jié)對ＭＡＭ的相位估計方法進行了簡要說明。在２．１節(jié)和２．２節(jié)的基礎上，本節(jié)將給出基于ＭＡＭ的ＦＦＢＰ聚束ＳＡＲ自聚焦處理流程，如圖３所示。圖３ＦＦＢＰ自聚焦處理流程Ｆｉｇ．３ＢｌｏｃｋｄｉａｇｒａｍｏｆａｕｔｏｆｏｃｕｓｉｎＦＦＢＰ從局部角度來看，ＭＡＭ嵌入到ＦＦＢＰ的第ｉ與第ｉ＋１階段，然后利用第ｉ階段的Ｋ幅子圖像進行高階相位估計和補償。根據(jù)２．１節(jié)推導的子孔徑下的ＦＴＰ關系，方位逆傅里葉變換可得到Ｋ幅子圖像對應的相位歷程及幅度圖；選取能量較大的距離單元構成圖像樣本，距離單元個數(shù)約為距離采樣點數(shù)的５％；將根據(jù)圖像樣本計算的偏移向量珚Δ乘以關系矩陣的偽逆珔δ－１得到相位誤差系數(shù)向量＾ａ；根據(jù)相位誤差系數(shù)計算各個圖像樣本的相位誤差，從而完成第ｉ階段的自聚焦處理。從全局角度來看，ＭＡＭ與ＦＦＢＰ緊密相容。在ＦＦＢＰ的初始階段，子孔徑的數(shù)目較多，角域分辨力較低。由第１節(jié)分析可知，此階段的方位脈沖響應占據(jù)的方位分辨單元的個數(shù)較少，運動誤差引起的圖像散焦較校隨著圖像遞歸融合的進行，子孔徑個數(shù)不斷減少，角域分辨力相應提高。但由于上一階段的自聚焦處理，當前階段的圖像散焦得到了有效控制。當子孔徑個數(shù)越

【參考文獻】：
期刊論文
[1]一種改進的快速分解后向投影SAR成像算法[J]. 李浩林,張磊,楊磊,李亞超,邢孟道,保錚.  電子與信息學報. 2013(06)
[2]一種超高分辨率機載聚束SAR兩維自聚焦算法[J]. 毛新華,朱岱寅,朱兆達.  航空學報. 2012(07)
[3]INS/SAR組合導航參數(shù)傳遞建模及精度分析[J]. 卜彥龍,潘亮,牛軼峰,胡國昌,沈林成.  航空學報. 2009(03)



本文編號：2954468