论文部分内容阅读
合成孔径雷达(Synthetic Aperture Radar,SAR)作为一种新式微波成像系统,能够突破传统雷达分辨率的限制,对场景作两维高分辨率成像。不断提高其分辨率始终是SAR成像发展中面临的重要挑战之一。当今,超高SAR成像分辨率需要达到亚米级别甚至更高。更高的分辨率会导致合成孔径的延长和回波数据的增加。为了削弱以上两个变化对提高SAR成像分辨率的影响,我们着手于以下两个方面:一方面从成像算法角度,选择设计一个高效精确的成像处理方案;另一方面,可以利用更加高效的信号处理平台,对更大量的数据进行加速处理,实现实时成像。基于以上背景,本文的主要工作如下:(1)介绍了传统极坐标格式算法(Polar Format Algorithm,PFA),从两维信号解耦合的视角出发,解释了该成像算法两维插值处理对目标徙动的校正原理,揭示了采样点排列格式从极坐标到直角坐标的变换实际为尺度变换的本质;介绍了基于两维尺度变换的PFA算法,并与相同参数下传统PFA点目标仿真结果进行比较。(2)介绍了相位梯度自聚焦算法(Phase Gradient Autofocus,PGA)。基于该估计一维相位误差的自聚焦算法,介绍了一种基于级联形式的两维自聚焦算法处理流程,克服了传统两维相位误差的盲估计,获得了基于PFA算法信号模型下方位向误差(Azimuth Phase Error)和残留距离向徙动(Range Cell Migration)的解析关系,最后通过两组实测数据分别验证了一维和两维自聚焦算法的有效性。(3)介绍了基于通用并行计算架构(Compute Unified Device Architecture,CUDA)环境下图形处理器(Graphic Processing Unit,GPU)的组织架构和编程技术。给出了一种超高分辨率成像处理方案且研究了其内在并行性;同时基于GPU编程技术,给出了一种该成像处理方案的并行化实现方式。针对较大SAR处理数据量以及GPU显存受限的问题,在此方案的基础上进一步提出基于异步处理技术的GPU加速优化方案。最后实测SAR数据处理结果充分验证了该成像处理方案的有效性以及GPU并行加速的效率。