本文選題：合成孔徑雷達 + 電磁散射機理��； 參考：《電子科技大學(xué)》2017年博士論文

【摘要】：合成孔徑雷達(Synthetic Aperture Radar,SAR)擁有全天候全天時獲取目標(biāo)信息的能力。隨著雷達硬件與電子系統(tǒng)的飛速發(fā)展,SAR系統(tǒng)也從單一的目標(biāo)形狀信息獲取系統(tǒng)向集高分辨成像,高精度目標(biāo)特征描述,相位噪聲修正自聚焦等多任務(wù)于一身的一體化系統(tǒng)方向發(fā)展。同時,無論是軍事SAR還是民用SAR應(yīng)用領(lǐng)域?qū)崿F(xiàn)目標(biāo)的更高分辨、更精細描述的期望和需求也十分迫切。為了提高SAR系統(tǒng)的目標(biāo)重建能力,更有利于后續(xù)基于目標(biāo)特征信息的目標(biāo)分類識別工作的展開,本文對基于目標(biāo)局部散射特性(空域稀疏散射特性、各向異性散射特性以及部件級參數(shù)化散射特性)的SAR目標(biāo)高精度重建算法開展研究。本文的主要工作如下:1.電磁散射機理驅(qū)動的SAR部件級重建方法本文第三章從目標(biāo)電磁散射機理的角度,討論了部件級參數(shù)化散射模型與SAR觀測模型的內(nèi)在聯(lián)系。首先,在稀疏表示理論的框架下,構(gòu)建了基于屬性散射中心(Attributed Scattering Center,ASC)模型和典型形狀特征(Canonical Shape Feature,CSF)模型兩種部件級參數(shù)化散射模型的SAR重建觀測模型。并通過降維策略設(shè)計和公式推導(dǎo),針對SAR部件級重建開展了以下研究工作:針對目標(biāo)強散射中心影響弱散射中心重建的問題,采用強弱屬性散射中心分步處理的思想,提出一種基于圖像域和信號域聯(lián)合處理的PRS-ROMP(Peak Region Segmentation and Regularized Orthogonal Matching Pursuit)部件級重建算法。該算法聯(lián)合峰值區(qū)域分割和ASC模型在傳統(tǒng)基于FFT的SAR復(fù)圖像中判別強散射中心類型,重建其屬性特征。然后,在殘差頻域信號中構(gòu)建ASC觀測矩陣,利用正則化正交匹配追蹤重建目標(biāo)的弱散射中心及屬性。仿真合成目標(biāo)數(shù)據(jù)及電磁計算坦克目標(biāo)數(shù)據(jù)實驗驗證了該算法可有效緩解在重建過程中目標(biāo)強散射中心對弱散射中心的影響,提高重建目標(biāo)的幾何形狀特征。針對圖像域PRS過程對目標(biāo)展布式屬性散射中心位置重建偏差較大,嚴重影響目標(biāo)部件級屬性重建精度的問題,提出一種適用于全信號域處理的散射中心屬性參數(shù)空間劃分策略,并聯(lián)合頻域外推,提出一種基于隨機梯度最小方差追蹤的部件級超分辨SAR重建算法。該算法實現(xiàn)了在獲得超分辨SAR圖像的同時獲取高精度的目標(biāo)散射中心屬性級特征。仿真合成數(shù)據(jù)和電磁計算數(shù)據(jù)驗證了算法的超分辨重建能力,并利用ASC屬性的克拉美羅界對算法屬性估計性能進行了評估。提出一種目標(biāo)散射機理描述更加精確的CSF模型的部件級SAR稀疏重建算法。該算法提供一種空間分解策略避免過完備字典的維數(shù)災(zāi)難,深入挖掘正則化技術(shù)在開發(fā)利用SAR目標(biāo)先驗信息方面的優(yōu)勢,設(shè)計正則化項抑制不同空間位置的散射中心之間的相互干擾,并基于擬牛頓優(yōu)化過程開發(fā)重建算法,證明了算法中SAR復(fù)數(shù)特性導(dǎo)致的復(fù)梯度與實梯度形式上的一致性。2.自適應(yīng)高分辨寬角度SAR重建方法本文第四章針對寬角度觀測下目標(biāo)體現(xiàn)的各向異性散射特性進行開發(fā)利用研究,提出一種基于MAP準(zhǔn)則的全孔徑聯(lián)合自適應(yīng)寬角度SAR重建算法。首先,根據(jù)寬角度觀測下SAR目標(biāo)散射的空間與方位依賴特性構(gòu)建了全孔徑寬角度SAR重建信號模型。然后,將馬爾可夫隨機場的標(biāo)準(zhǔn)玻爾茲曼機模型進行改進,改進的玻爾茲曼模型能夠為各向異性散射部件的方位選擇特性和相鄰孔徑散射中心空域分布的高相關(guān)性施加稀疏模式約束,挖掘?qū)捊嵌扔^測下目標(biāo)各向異性散射的內(nèi)在結(jié)構(gòu)信息。最后,在稀疏貝葉斯學(xué)習(xí)框架下,推導(dǎo)算法參數(shù)集更新方程。通過塊坐標(biāo)下降優(yōu)化過程實現(xiàn)算法參數(shù)集、稀疏模式支撐集和散射系數(shù)向量從觀測數(shù)據(jù)中聯(lián)合估計。該算法能在獲得高分辨的寬角度SAR合成圖像的同時高精度地重建目標(biāo)的各向異性散射特征曲線。3.旋臂圓弧聚束SAR重建方法本文第五章圍繞地基RAAS-SAR(Rotating Arm Arc Spotlight SAR)系統(tǒng)的重建與自聚焦問題開展研究。首先,介紹了RAAS-SAR系統(tǒng)的工作原理,討論了重建圖像的距離高分辨率和方位高分辨率。然后,構(gòu)建RAAS-SAR系統(tǒng)回波模型,推導(dǎo)并提出一種適用于該系統(tǒng)的改進距離多普勒RAAS-SAR重建算法。仿真合成場景數(shù)據(jù)處理驗證了該系統(tǒng)的可行性和算法的有效性。針對相位噪聲嚴重破壞重建圖像質(zhì)量的問題,結(jié)合目標(biāo)散射中心空域稀疏分布特性,提出一種基于二次壓縮感知的RAAS-SAR稀疏重建自聚焦算法。該算法利用二次壓縮感知的幅度觀測模型的結(jié)構(gòu)優(yōu)勢,抑制相位噪聲干擾的同時避免了相位噪聲的精確估計,采用兩點局部搜索和衰減高斯牛頓技術(shù)迭代更新稀疏場景支撐集和散射系數(shù)向量。另外,利用分塊處理策略對該算法進行改進,提出一種快速重建自聚焦算法。仿真合成數(shù)據(jù)和電磁計算數(shù)據(jù)處理驗證了算法的有效性。在貝葉斯尺度混合層級模型框架下,結(jié)合方向統(tǒng)計學(xué)馮米塞斯模型對隨脈沖變化的隨機相位噪聲循環(huán)圓周分布統(tǒng)計特性進行建模。在論據(jù)最大準(zhǔn)則下提出一種自適應(yīng)稀疏重建自聚焦算法。該算法能獲得高精度的相位噪聲估計和聚焦效果良好的RAAS-SAR稀疏重建自聚焦圖像。
[Abstract]:In order to improve the target reconstruction ability of SAR system , the paper presents a new algorithm for SAR image reconstruction . In this paper , we propose a new algorithm for reconstruction and self - focusing of target anisotropic scattering ( SAR ) based on the spatial and azimuth dependent characteristics of SAR target scattering .

【學(xué)位授予單位】：電子科技大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2017
【分類號】：TN958

【參考文獻】

相關(guān)期刊論文 前2條

1 白霞;袁運能;孫進平;毛士藝;;0.1米分辨率機載SAR系統(tǒng)的帶寬實現(xiàn)和成像算法研究[J];電子學(xué)報;2007年09期

2 邢孟道,保錚;一種逆合成孔徑雷達成像包絡(luò)對齊的新方法[J];西安電子科技大學(xué)學(xué)報;2000年01期

相關(guān)博士學(xué)位論文 前2條

1 師君;雙基地SAR與線陣SAR原理及成像技術(shù)研究[D];電子科技大學(xué);2009年

2 孫進平;機載聚束模式合成孔徑雷達的成像算法研究[D];北京航空航天大學(xué);2001年

相關(guān)碩士學(xué)位論文 前1條

1 賀思三;雷達成像中的非理想散射現(xiàn)象分析[D];國防科學(xué)技術(shù)大學(xué);2005年

，

本文編號：1838118