多角度SAR成像及特征提取.pdf

1、多角度SAR數(shù)據(jù)通過不同SAR系統(tǒng)從不同角度對(duì)同一場(chǎng)景或目標(biāo)進(jìn)行探測(cè)獲取。多角度SAR測(cè)量不僅具有角度分集優(yōu)勢(shì)，同時(shí)可以利用現(xiàn)有測(cè)量數(shù)據(jù)或設(shè)備實(shí)現(xiàn)，與MIMO雷達(dá)或者雷達(dá)傳感器網(wǎng)絡(luò)（RSN）必須在系統(tǒng)層面進(jìn)行設(shè)計(jì)相比，多角度SAR測(cè)量在繼承角度分集優(yōu)勢(shì)的同時(shí)節(jié)約了數(shù)據(jù)獲取成本。
　　本文針對(duì)多角度SAR數(shù)據(jù)蘊(yùn)含的多維度信息，研究多角度SAR成像和特征提取兩個(gè)問題，旨在提高成像分辨率、改善參數(shù)估計(jì)精度、增強(qiáng)算法魯棒性以及克服雷達(dá)目標(biāo)

2、散射的姿態(tài)敏感性，從而為雷達(dá)目標(biāo)自動(dòng)識(shí)別奠定基礎(chǔ)。與傳統(tǒng)基于圖像層的多角度SAR信息處理不同，本文在信號(hào)相干層面展開研究，不僅多角度SAR成像直接立足于相干測(cè)量數(shù)據(jù)，特征提取也直接以多角度SAR測(cè)量作為輸入。本文研究之所以定位于相干層，其原因之一是相干數(shù)據(jù)包含更豐富的目標(biāo)位置和幅度信息，其二是由于多角度SAR的角度分集特點(diǎn)使圖像層特征關(guān)聯(lián)存在困難。
　　由于多角度SAR空間采樣不連續(xù)，通過二維解耦在距離和方位向上分別使用一維匹配濾

3、波實(shí)現(xiàn)聚焦的方法應(yīng)用于多角度SAR數(shù)據(jù)將產(chǎn)生很高的旁瓣，因此第二章提出基于二維匹配濾波的多角度SAR成像。首先根據(jù)參考點(diǎn)和空間采樣相對(duì)位置構(gòu)造二維匹配函數(shù)，然后利用該函數(shù)直接對(duì)接收數(shù)據(jù)進(jìn)行匹配濾波，最后通過調(diào)整參考點(diǎn)位置實(shí)現(xiàn)目標(biāo)區(qū)域所有位置的成像。該算法克服了空間采樣不連續(xù)問題，使方位向分辨率達(dá)到了連續(xù)測(cè)量時(shí)的水平，同時(shí)成像結(jié)果能夠刻畫雷達(dá)目標(biāo)散射的空變特性。不足之處在于算法計(jì)算復(fù)雜度高，但是可以預(yù)先通過單角度SAR成像確定ROI，然后

4、對(duì)ROI區(qū)域進(jìn)行多角度SAR精細(xì)成像以改善算法效率。
　　雷達(dá)成像專家習(xí)慣將成像算法分為兩類，一類是如前所述的匹配濾波方法，另一類成像方法基于經(jīng)典參數(shù)估計(jì)。繼承參數(shù)估計(jì)思路，第三章通過改進(jìn)缺失數(shù)據(jù)幅度相位估計(jì)實(shí)現(xiàn)多角度SAR成像。缺失數(shù)據(jù)幅度相位估計(jì)是一種基于數(shù)據(jù)驅(qū)動(dòng)的自適應(yīng)譜估計(jì)方法，沒有對(duì)目標(biāo)模型的先驗(yàn)假設(shè)，也不需要對(duì)空間缺失測(cè)量進(jìn)行插值，它首先利用多角度SAR數(shù)據(jù)估計(jì)濾波器組系數(shù)，然后利用這些系數(shù)填充缺失測(cè)量數(shù)據(jù)，最后利用幅

5、度相位估計(jì)實(shí)現(xiàn)高分辨率成像。同時(shí)，本章利用循環(huán)迭代算法改善計(jì)算效率。本質(zhì)上，缺失數(shù)據(jù)幅度相位估計(jì)是基于傅里葉變換的譜估計(jì)算法，因此不能完全突破Shannon采樣定理的限制，當(dāng)多角度SAR空間測(cè)量分布太散時(shí)，方位向的高旁瓣問題仍然存在。
　　從信息論角度看，經(jīng)典SAR成像算法之所以不適用于多角度SAR數(shù)據(jù)，是因?yàn)槎嘟嵌萐AR空間采樣不滿足Nyquist采樣率要求。壓縮感知理論突破了Shannon采樣定理限制，為多角度SAR成像提供了

6、新思路新途徑。第四章研究基于壓縮感知的多角度SAR成像。研究首先從壓縮SAR成像開始，并提出了點(diǎn)模糊函數(shù)（PAF）概念分析雷達(dá)參數(shù)和測(cè)量方式對(duì)成像性能的影響。分析研究表明，采用具有隨機(jī)分布特點(diǎn)的發(fā)射波形、隨機(jī)化空間采樣位置、增大合成孔徑長(zhǎng)度都是改善壓縮SAR成像分辨率和魯棒性的重要方法。其次，本章實(shí)現(xiàn)了基于壓縮感知的寬孔徑 SAR成像。為克服目標(biāo)散射的姿態(tài)敏感性，寬孔徑SAR成像采用廣義似然比檢驗(yàn)（GLRT）理念，將寬孔徑劃分為多個(gè)子孔

7、徑分別進(jìn)行壓縮SAR成像，然后對(duì)子圖像進(jìn)行非相干綜合。另外，文章提出的模型失配函數(shù)（MMF）指標(biāo)在理論上為子孔徑劃分提供了方向。最后，利用PAF作為分析工具，發(fā)現(xiàn)波形分集、角度分集和頻率分集能夠有效改善基于壓縮感知的多角度SAR三維成像性能。這些結(jié)論對(duì)指導(dǎo)多角度SAR配置和數(shù)據(jù)獲取具有重要意義。實(shí)驗(yàn)分析驗(yàn)證了PAF和MMF指標(biāo)的合理性和研究結(jié)論的正確性。
　　由于屬性散射中心模型參數(shù)具有明確物理意義，因此高精度估計(jì)這些參數(shù)在雷達(dá)目

8、標(biāo)識(shí)別中扮演重要角色。模型參數(shù)估計(jì)精度一方面受限于算法選擇，但最終決定因素是測(cè)量數(shù)據(jù)中蘊(yùn)含的參數(shù)可辨識(shí)信息。因?yàn)槎嘟嵌萐AR測(cè)量的角度和頻率分集特性，為屬性散射中心參數(shù)估計(jì)提供了可靠輸入。第五章利用多角度SAR數(shù)據(jù)估計(jì)屬性散射中心參數(shù)。首先建立稀疏重構(gòu)與參數(shù)估計(jì)之間的關(guān)系，然后以多角度SAR數(shù)據(jù)為輸入，利用分段正交匹配追蹤算法（StOMP）求解大尺度欠定方程?？紤]到屬性散射中心包含較多參數(shù)，為提高算法效率，本章提出分步參數(shù)估計(jì)算法：首先