论文部分内容阅读
合成孔径雷达(Synthetic Aperture Radar,SAR)是一种高分辨率的微波成像雷达,也是当前最重要的微波遥感平台。不仅具有全天候全天时的观测优点,而且微波频带较宽,可采用多模式、多极化和多波段对目标进行观测,获取丰富的地物信息。传统的SAR成像算法已经比较成熟,在SAR系统中得到了广泛的应用,然而,基于傅里叶变换的成像算法对相位误差十分敏感,且无法对目标各向异性散射特性进行描述。要获得高质量的SAR图像,高计算复杂度的运动补偿不可避免,系统相位误差更是很难精确消除。当前SAR成像与特征提取技术的一个研究热点是将压缩感知理论与SAR观测模型相结合,得到稀疏表示下的SAR成像。本文基于稀疏表示方法,对分布式目标SAR成像进行了研究,主要研究内容如下:(1)简述压缩感知理论和SAR成像模型,得到稀疏表示下的SAR成像模型。采用基于电磁散射参数化模型的典型散射部件对分布式目标成像进行研究,并通过对典型散射部件参数化空间采样得到过完备字典。(2)研究正则化约束下的稀疏表示SAR成像。对稀疏表示SAR成像问题的代价函数引入正则化约束,并通过拟牛顿迭代算法求解,得到稀疏约束下的SAR图像。考察正则化约束算子和p?范数对图像特征增强的效果。针对参数空间过采样导致字典原子数过多、原子间互相关过大的问题,采用顺序聚类算法对过完备字典做预处理,有效降低了字典原子间相关性,减小了计算量。(3)分析SAR成像中的相位误差问题。对实际应用中经常遇到的SAR平台抖动、航迹偏离导致的平台与观测场景距离估计不准确引起的相位误差进行模型推导,得到包含相位误差的SAR观测模型。将常见的相位误差归类为一维相位误差、二维可分离相位误差和二维不可分离相位误差这三种数学模型。采用稀疏驱动自聚焦算法对包含相位误差的观测回波进行校正,通过实验分别验证了稀疏驱动自聚焦算法对三种相位误差影响下SAR回波数据的成像效果。