CN101109814A - 缺乏高精度运动补偿系统下实现机载雷达重聚焦成像方法 - Google Patents

Abstract

一种缺乏高精度运动补偿系统下实现机载雷达重聚焦成像方法。包括两大步骤：(1)基于去斜率处理的SAR初始复图像生成；(2)基于改进的PGA算法测量多普勒信号相位误差并进行相位补偿的复图像重新聚焦。包括以下步骤：复图像输入；最强点目标的中心循环移位；加窗；方位向的傅立叶变换；相位误差估计；相位矫正；傅立叶逆变换返回复图像域。本发明在缺乏高精度机载平台运动补偿系统提供飞机运动状况信息的情况下，仅靠原始信号数据驱动可获得方位向分辨率显著提高的机载L－SAR重聚焦图像，图像对比度越高，聚焦效果越好。由于L波段SAR波长较长，具有穿透性，对于军事侦查和民用中灾害监测能发挥重要的作用。

Description

缺乏高精度运动补偿系统下实现机载雷达重聚焦成像方法

技术领域

本发明涉及一种缺乏高精度运动补偿系统下实现机载雷达重聚焦成像方法，属于合成孔径雷达(SAR)信号数字成像处理技术领域。

背景技术

合成孔径雷达是成像雷达的一种。它通常安装在飞机、飞船或卫星等运动平台上，通过接收处理雷达自身向地面辐射的电磁波获得地面目标的图像信息。作为微波有源遥感的一种手段，它具有光学遥感手段所不具备的优势。首先，具有全天候，全天时的工作能力从而不受光照和云雨覆盖的影响；其次，由于雷达信号具有相参特性，特殊设计的合成孔径雷达能提取地面的三维信息，可以快速准确的绘制数字地形图；再者，由于较低频率的电磁波具有一定的穿透能力，工作在微波频率低段(如L波段)的合成孔径雷达可以探测植被覆盖下的目标，对于军事侦查和民用中灾害监测能发挥极其重要的作用。

随着合成孔径雷达(SAR)数字信号处理理论的完善和发展，数字信号处理手段逐渐替代了早期SAR的光学处理方法。当前，即使在普通的个人计算机上也可以实现非实时的SAR信号成像处理。数字成像技术有光学成像技术不可比拟的灵活性，只要适当调整算法的某些参数就可以处理不同条件下获得的雷达原始数据。即使雷达工作在非理想的条件下，利用数字成像方法仍然有可能得到理想的雷达图像，而这需要依赖特殊的成像算法使图像重新聚焦达到理想的分辨率。合成孔径雷达的分辨能力包含距离分辨率和方位分辨率，由于获得高的距离分辨率在技术上已经比较成熟，故方位分辨率的提高对合成孔径雷达是最为关键的。

SAR的方位向分辨率是利用飞行平台与地面点目标之间相对运动产生的多普勒频率变化(相位历程)来获得的，因此，SAR信号相位的稳定性对于成像处理后图像的方位向分辨率的高低有至关重要的影响。平台在理想的匀速直线运动状态下，只要正确计算出多普勒中心频率和多普勒调频斜率这两个参数就可以完整描述目标回波信号的多普勒相位历程，实现方位向的聚焦处理。理论上，正侧视SAR的方位分辨率近似为天线长度的一半。在机载SAR成像中，由于飞机运动有很强的随机性，很多情况下多普勒信号很难用线性调频信号准确表示。方位向非理想的相位历程将导致图像分辨率的下降，合成孔径雷达的分辨率将很难随合成孔径的增大而提高，甚至会下降，也就是随着合成孔径时间的增加图像的散焦现象更明显。一般飞行平台运动变化导致的相位误差在一定程度上可以通过各种运动补偿系统补偿，如通过采用惯性导航系统(INS)、惯性测量单元(IMU)和全球定位系统(GPS)等组成的运动测量系统精确地测定平台的姿态与运动参数计算出多普勒参数，从而实现距离徙动校正和方位聚焦，但补偿效果受到系统性能的制约。当雷达分辨率较高时，飞机的扰动将使惯导数据计算出的多普勒参数存在较大的误差。

作为相参雷达，径向距离的检测误差要求达到厘米级水平，合成孔径雷达与目标之间的定位精度必须达到波长的四分之一以下。在高速运动的平台上，想达到这个指标非常困难。如L波段使用的波长是22-23cm，对于以150m/s以上速度飞行的飞机来说，获得如此精确的定位信息十分困难。目前，我国还没有建立起完善的高精度全球定位导航系统，机载平台内部的惯导精度也还不能满足雷达要求。这必将导致机载雷达多普勒信号相位历程参数不能很好控制，使获得的雷达图像质量不稳定、模糊散焦和分辨率下降。所以，受现有硬件水平的限制，运动补偿系统的精度并不能完全地补偿平台的非理想运动，必须在实际成像中利用接收信号数据本身的信息作进一步的估计和补偿，这种成像处理通常称自动聚焦方法。在中国专利申请号为“03154422.3”的专利“一种适用于低对比度场景合成孔径雷达成像的自聚焦方法”中，提出了一种适用于低对比度场景的自聚焦方法，并用Ku波段作为实施例。国际上在雷达处理领域引起广泛关注的自聚焦方法-相位梯度自动聚焦算法(PGA)(①Eichel P H，Wahl D E.Phase gradient algorithms as an optimal estimator of the phase derivative[J].OptSociety of America，1989，14(20)：1101-1103.②WAHL，D.E.，EICHEL，P.H.，GHIGLIA，D.C.，et al.Phase gradient autofocus-A robust tool for high resolutionSAR phase correction[J].IEEE Trans.，AES.1994，30(3)：827-835.)，可以较好的实现相位误差估计和补偿，具有对目标特性依赖程度比较低的优点。

如上所述，合成孔径雷达信号的数字聚焦成像对定位导航系统有很强的依赖性，对运动补偿系统的定位精度要求相当高。当缺乏高精度运动补偿系统，或者搭载平台的运动补偿系统突然失效或工作不正常时，在接收的信号数据中没有搭载平台的任何运动信息数据时，如何仅靠雷达原始信号数据生成聚焦良好的图像，并适合各种各样的目标场景仍是当前研究的重要课题。

本发明的目的就是提供一种缺乏高精度运动补偿系统下实现完全数据驱动的机载L-SAR高精度数字重聚焦成像方法。实现在信号数据中没有记录任何飞机运动状况信息的情况下，从机载原始信号记录系统记录的原始信号数据开始处理，通过有效地估计和补偿相位误差，最终获得信噪比显著改善、方位向分辨率明显提高、质量稳定且聚焦良好的机载L-SAR图像。

发明内容

本发明的目的是通过如下技术方案实现的。本发明提供缺乏高精度运动补偿系统下实现机载雷达L-SAR重聚焦成像方法，包括如下两大步骤：

(1)基于去斜率处理的SAR初始复图像生成。该部分起始于雷达原始信号的处理，包括具体以下步骤：距离处理，多普勒参数估计，距离徙动矫正，方位压缩。其中距离处理和方位压缩采用去斜率算法，距离徙动矫正通过距离向的频率移动实现。

(2)基于改进的相位梯度自动聚焦(PGA)算法测量多普勒信号相位误差并进行相位补偿的复图像重新聚焦。相位误差估计在机载合成孔径雷达信号处理过程中是不能避免的，PGA算法作为一种数据驱动的相位误差估计方法，从雷达成像的基本原理和信号的统计特性出发，解决了目标区域点扩散函数的估计问题。该步骤接受(1)生成的复图像作为输入，具体包括以下几个步骤：复图像输入；最强点目标的中心循环移位；加窗；方位向的傅立叶变换；相位误差估计；方位向相位误差补偿，即相位矫正；傅立叶逆变换返回复图像域。该步骤中，本发明对相位误差估计过程中相位信息的更新方法采用信息论里的迭代纠错技术，并通过设计合理的算法有效避免了过度收敛和收敛不足两种情况。

本发明优点是：

1)机载合成孔径雷达由于没有高精度定位系统支持及受大气微波折射率变化影响，图像的方位分辨率达不到设计指标，采用常规雷达成像处理方法所得图像模糊，散焦严重；利用本发明可以在很大程度上通过重聚焦恢复图像的分辨率；

2)在重聚焦过程中，参与相位误差估计的原始信号样点是随机截断的，没有任何人为的干预；

3)对目标特性的依赖程度比较低，这种方法不但对点目标有效，对分布目标同样可以获得很好的效果，可适合各种各样的目标场景。重聚焦图像的方位向分辨率明显提高，信噪比获得显著改善。

附图说明

图1为本发明初始复图像生成处理流程方框图；

图2为本发明基于改进PGA算法重聚焦处理流程方框图；

图3为本发明最终选择的窗宽和位置示意图，图中横坐标为方位向，纵坐标为幅度；

图4为本发明迭代纠错过程方框图；

图5(a)为重新聚焦前某点目标的方位图；

图5(b)为重新聚焦后某点目标的方位图；图中横坐标为方位向，纵坐标为幅度；

图6(a)为重新聚焦前L-SAR场景图像；

图6(b)为重新聚焦后L-SAR场景图像。

具体实施方式

下面结合附图和具体实施方式对本发明作进一步详细描述。

采用中国科学院电子学研究所研制的机载L-SAR原始信号记录系统记录的原始信号数据。该系统由于惯性导航系统精度不足以进行运动补偿，所以信号数据中没有记录任何飞机运动的信息。由于L-SAR整个孔径时间很长大约20秒左右，飞机显然难以在这么长的时间里保证匀速直线飞行，在缺乏高精度的定位导航系统条件下，信号空间取样时间控制相当粗糙，孔径内的相位稳定度很难保证，严重影响了成像质量。受飞机运动不稳定性导致的随机相位误差影响，对雷达基带信号进行常规处理获得的单视图像的方位分辨率达不到与合成孔径时间相对应的分辨率。多普勒调频斜率估计过程不收敛，调频斜率估计值波动现象明显。雷达单视图像甚至随合成孔径的增加而散焦。为了获得聚焦良好的高分辨率的L-SAR图像，采用本发明的方法进行重新聚焦成像。

雷达记录的原始信号为复数的时间序列。原始信号经成像算法处理可以得到雷达的复图像，复图像可以很容易地转化为真实图像。处理合成孔径雷达原始信号需要的主要参数包括雷达工作频率(载频)，信号波形参数(带宽、脉冲宽度)，飞机的地速，脉冲重复频率等。L-SAR系统参数为：雷达工作中心频率：1250MHz(L波段)；距离采样点：4096点；距离采样间隔：2.25m；回波采样近距(距发射脉冲前沿)：15.12252km；发射脉冲宽度：33μs；线性调频带宽：60MHz；地速与脉冲重复频率(PRF)关系：PRF(Hz)＝1.11×V(m/s)；平均地速：150m/s。处理步骤为：

第一大步骤，原始信号经过基于去斜率的成像处理生成初始SAR复图像，如图1所示。其工作过程为：

①采用去斜率算法进行距离处理；

②矩阵转置；

③基于谱分析方法多普勒中心频率估计；

④基于子孔径相关方法的多普勒调频斜率估计；

⑤矩阵转置；

⑥基于方位距离相关(距离子孔径方法)的距离徙动曲线的估计，通过距离向的频率移动实现距离徙动矫正；

⑦矩阵转置；

⑧采用去斜率算法进行方位压缩。

上述初始成像过程中去斜率处理的特点是利用了雷达的最大孔径，以便于重聚焦后能获得雷达系统达到的方位向极限分辨率。

第二大步骤，将第一大步骤处理生成的初始复图像进行基于改进PGA算法重聚焦处理。如图2所示。工作过程为：复图像输入；最强点目标中心循环移位；确定窗宽，加窗；方位向傅立叶变换；方位向相位误差估计；方位向相位误差补偿，即相位矫正；傅立叶逆变换返回复图像域。在此，对其具体执行过程作一解释。

复图像输入，即输入上述第一大步中按去斜率方法成像后的合成孔径雷达初始复图像。复图像在方位向的傅立叶变换就是方位向的多普勒相位历程。设距离处理后的多普勒相位历程为：

F_n(s)＝|F_n(s)|exp(j(φ_n(s)+φ_e(s)))    (1)

这里n表示距离单元，F_n(s)，φ_n(s)分别是距离分辨单元n上信号的幅度和相位，s代表在方位向上的位置。而φ_e(s)是与距离单元无关的需要补偿的相位误差。下面对复图像输入后的处理过程分步详述如下。

第一步是循环移位。在每个距离门中选择最强的散射点，将它循环移位到0点位置。这个操作的结果就是将每个距离门上最强的点目标在方位时间0的位置上排成竖线。这一步的目的就是选择信噪比最好的处理点，不论这些点是真实的点，还是在类似杂波背景中的点。

第二步是加窗。为估计点目标的相位误差，必须通过加窗将点目标从周围的背景中分离出来。如果信号中不存在相位误差，点目标的聚焦情况理想，点占据的宽度自然很窄。但是由于存在相位误差，点在方位向发生模糊，也就是说点在方位向占据了一定的宽度。因此窗函数必须保证一定的宽度才可以将点目标的信号完整的截取出来。这里窗宽的选择是根据经验设定的，如可以设定最大值下10dB点为门限。

第三步是相位误差估计。在距离门n最强点移位和加窗后，需要对信号做傅立叶变换，将图像信号转换到多普勒相位历程。设转换后的多普勒相位历程为：

G_n(s)＝|G_n(s)|exp(j(φ_e(s)+θ_n(s)))    (2)

其中θ_n(s)是与距离单元有关的由目标散射特性决定的相位。它的统计特性：数学期望是0。对等式两边求导数，可得：

G_n′(s)＝|G_n(s)|′exp(j(φ_e(s)+θ_n(s)))+|G_n(s)exp′(j(φ_e(s)+θ_n(s)))

 ＝|G_n(s)|′exp(j(φ_e(s)+θn(s)))+j(φ_e(s)+θ_n(s))′|G_n(s)|exp(j(φ_e(s)+θ_n(s)))

 ＝(|G_n(s)|′+j(φ_e(s)+θ_n(s))′|G_n(s)|)exp(j(φ_e(s)+θ_n(s)))

                                                      (3)

多普勒相位历程的共轭为G_n ^*(s)：

$G_n^{*}\left(s\right)=\left|G_n\left(s\right)\right|\exp (-j({\mathrm{\φ}}_e\left(s\right)+{\mathrm{\θ}}_n\left(s\right)))---\left(4\right)$

此时，

$G_n^{\′}\left(s\right)G_n^{*}\left(s\right)={\left|G_n\left(s\right)\right|}^{\′}\left|G_n\left(s\right)\right|+j{({\mathrm{\φ}}_e\left(s\right)+{\mathrm{\θ}}_n\left(s\right))}^{\′}{\left|G_n\left(s\right)\right|}^2---\left(5\right)$

在式(5)中与相位误差有关的是虚部，将虚部取出可得：

$\mathrm{Im}\left\{G_n^{\′}\left(s\right)G_n^{*}\left(s\right)\right\}={({\mathrm{\φ}}_e\left(s\right)+{\mathrm{\θ}}_n\left(s\right))}^{\′}{\left|G_n\left(s\right)\right|}^2---\left(6\right)$

式(6)两边对距离单元求和，有：

${\mathrm{\Σ}}_n\mathrm{Im}\left\{G_n^{\′}\left(s\right)G_n^{*}\left(s\right)\right\}={{\mathrm{\Σ}}_n({\mathrm{\φ}}_e\left(s\right)+{\mathrm{\θ}}_n\left(s\right))}^{\′}{\left|G_n\left(s\right)\right|}^2$

$={\mathrm{\Σ}}_n{\mathrm{\φ}}_e^{\′}\left(s\right){\left|G_n\left(s\right)\right|}^2+{\mathrm{\Σ}}_n{\mathrm{\θ}}_n^{\′}\left(s\right){\left|G_n\left(s\right)\right|}^2---\left(7\right)$

${=\mathrm{\φ}}_e^{\′}\left(s\right){\mathrm{\Σ}}_n{\left|G_n\left(s\right)\right|}^2+{\mathrm{\Σ}}_n{\mathrm{\θ}}_n^{\′}\left(s\right){\left|G_n\left(s\right)\right|}^2$

易见，

${\widehat{\mathrm{\φ}}}_e^{\′}\left(s\right)=\frac{{\mathrm{\Σ}}_n\mathrm{Im}\left\{G_n^{\′}\left(s\right)G_n^{*}\left(s\right)\right\}}{{\mathrm{\Σ}}_n{\left|G_n\left(s\right)\right|}^2}---\left(8\right)$

$={\mathrm{\φ}}_e^{\′}\left(s\right)+\frac{{\mathrm{\Σ}}_n{\mathrm{\θ}}_n^{\′}\left(s\right){\left|G_n\left(s\right)\right|}^2}{{\mathrm{\Σ}}_n{\left|G_n\left(s\right)\right|}^2}$

这里是对相位误差导数的估计，估计误差项是 $\frac{{\mathrm{\Σ}}_n{\mathrm{\θ}}_n^{\′}\left(s\right){\left|G_n\left(s\right)\right|}^2}{{\mathrm{\Σ}}_n{\left|G_n\left(s\right)\right|}^2}.$ 由于随机变量θ_n(s)的数学期望是0，因此它的线性变换(导数是线性变换)的数学期望也是0，故当n充分大时，也就是参与平均的距离单元足够多时，误差项 $\frac{{\mathrm{\Σ}}_n{\mathrm{\θ}}_n^{\′}\left(s\right){\left|G_n\left(s\right)\right|}^2}{{\mathrm{\Σ}}_n{\left|G_n\left(s\right)\right|}^2}$ 将趋向于0。相位误差的估计

也就变得越准确。

第四步是方位向相位误差补偿，即相位矫正。由于整个运算起始于受误差影响的复图像，因此在选择最强的点目标时有可能发生误判，点的位置选择不准，影响整个误差估计过程的信噪比。在第一次误差估计和补偿后，图像聚焦情况得到改善，强的点目标更加突出，因此需要重新选择这些点目标，并进行第二次相位误差的估计和补偿，第二次补偿后图像的聚焦情况进一步改善，可以做第三次循环。循环数次后，图像质量将不再发生变化，则可以停止迭代。

上述过程中，核心部分是通过临近距离单元的平均，求解误差相位的导数。有两个因素影响相位导数估计的精度，一个是点目标最大值选择的正确程度，另一个是截断窗内的包括的干扰成分。由于目标散焦后互相叠加，原本应该是最大值的地方，可能由于附近目标的反向叠加作用而减弱，最大值的位置发生变化。最大值位置的错误判断，实际上影响了信噪比最佳点的选择。如果截断窗的宽度大于实际需要的宽度，多余的干扰成分会参与对相位误差的估计，影响聚焦效果。本发明采用如下迭代过程来解决，描述如下：

首先必须明确迭代需要达到的目的：①逐步使真正的最大点目标显现出来，使参加平均的目标有最佳的信噪比；②逐步确定实际的窗宽和窗的位置，尽量把临近目标的干扰排除在外。因此迭代过程需要反复调整的应该是最大值位置和截断窗的宽度及其位置。迭代的初始状态是：取得的最大值有可能不是真实的最大值位置，设定截断窗的宽度充分大于实际需要的宽度(如果小于实际需要的宽度，图像中的目标可能会分裂)，窗的位置是关于原点对称的(因为不知道点模糊后能量在原点左右的分布情况)。迭代的理想最终状态是：取得的最大值是实际最强的散射点，窗的宽度恰好是点目标在方位向的扩散宽度，窗的位置根据点目标能量在原点左右的分布情况确定，不一定是关于原点对称的。最终选择的窗宽和位置如图3所示，图中横坐标为方位向，纵坐标为幅度。

实际参与相位矫正的误差相位估计为：

${\widehat{\mathrm{\φ}}}_e\left(s\right)={\∫\widehat{\mathrm{\φ}}}_e^{\′}\left(s\right)$

$=\∫\frac{{\mathrm{\Σ}}_n\mathrm{Im}\left\{G_n^{\′}\left(s\right)G_n^{*}\left(s\right)\right\}}{{\mathrm{\Σ}}_n{\left|G_n\left(s\right)\right|}^2}---\left(9\right)$

$={\mathrm{\φ}}_e\left(s\right)+\∫\frac{{\mathrm{\Σ}}_n{\mathrm{\θ}}_n^{\′}\left(s\right){\left|G_n\left(s\right)\right|}^2}{{\mathrm{\Σ}}_n{\left|G_n\left(s\right)\right|}^2}$

估计误差是 $\∫\frac{{\mathrm{\Σ}}_n{\mathrm{\θ}}_n^{\′}\left(s\right){\left|G_n\left(s\right)\right|}^2}{{\mathrm{\Σ}}_n{\left|G_n\left(s\right)\right|}^2},$ 由于 $\frac{{\mathrm{\Σ}}_n{\mathrm{\θ}}_n^{\′}\left(s\right){\left|G_n\left(s\right)\right|}^2}{{\mathrm{\Σ}}_n{\left|G_n\left(s\right)\right|}^2}$ 的数学期望趋近0，所以 $\∫\frac{{\mathrm{\Σ}}_n{\mathrm{\θ}}_n^{\′}\left(s\right){\left|G_n\left(s\right)\right|}^2}{{\mathrm{\Σ}}_n{\left|G_n\left(s\right)\right|}^2}$ 的值接近0，接近程度不但与θ_n(s)的统计特性有关，而且和|G_n(s)|有关，由于|G_n(s)|是分母项，所以|G_n(s)|越大，误差 $\∫\frac{{\mathrm{\Σ}}_n{\mathrm{\θ}}_n^{\′}\left(s\right){\left|G_n\left(s\right)\right|}^2}{{\mathrm{\Σ}}_n{\left|G_n\left(s\right)\right|}^2}$ 越接近0，这就是要选择最强散射点的原因。但是即使在第一次处理过程中|G_n(s)|不是这个距离单元中的最大值，由于θ_n(s)数学期望是0的统计特性，相位估计值

也是比较接近真实误差的，只是接近程度比较差。尽管如此，用这个存在较大误差估计相位补偿原始信号后，图像的聚焦状况会得到改善，真正的最强点会因此比补偿前突出。这时如果进行迭代，|G_n(s)|将比第一次增大，由此相位误差估计的精度会继续提高。这个过程可以反复进行，直到所有距离单元上的最大值判断没有错误，此时继续迭代将不会改善聚焦的效果。影响聚焦效果的不仅仅是最大值的选择还包括窗的位置和宽度，这两个因素互相关联，在迭代过程中需要一并不断调整窗的宽度和位置。

因此，迭代过程是逐步检索距离某单元上最大值，并且分别从原点左右逐步缩减截断窗宽度的过程。下面描述如何避免过度收敛和收敛不足两个问题，这个过程是本发明重聚焦方法最为关键的步骤。

为了避免过度收敛，迭代过程中的每次迭代只能利用上一次迭代新产生的那部分信息。当寻找到新的最大值，循环移位截断后，将图像信号反变换为相位历程，并将上一次修正的相位从相位历程中去除，然后再进行新的相位估计，这样才能确保在新一轮估计中仅利用了信息的更新部分，而避免过度收敛的错误。

避免收敛不足主要是由截断窗的位置决定的，截断窗的位置确定也是一个在迭代过程中逐步解决的问题，初始状态很宽的窗口在迭代过程中逐步减小，但这种减小的程度对原点左右是非对称的，也就是说当原点左侧窗门停止减小时，右侧窗口可能还要继续减小。最终选择的窗宽和位置如图3所示。

为更好地理解上述迭代过程，把迭代纠错过程展开描述，如图4所示。原始信息经过错误矫正算法处理后得到更新的信息，尽管更新的信息与原始信息相比，错误程度减小，但仍然不能满足要求，因此需要重复迭代，进一步纠正错误。纠错迭代过程中，不能直接将更新信息输入下面迭代环节，那样会很快导致误收敛。正确的方法是要从更新信息中提取辅助信息，将辅助信息和原始信息混合后输入下一步的错误矫正算法。因此在纠错迭代过程中辅助信息的确定和提取最为重要。

就本发明的重聚焦过程而言，辅助信息是每个距离分辨单元上最亮点的位置。也就是说在迭代过程中只有最亮点的位置在更改，其他信息都保持不变。一旦最亮点的位置不再更新，迭代过程也就停止了。本发明正是依靠相位误差估计的迭代过程才使得分布目标的相位误差估计和补偿变为现实。

方位向相位误差补偿矫正后，再经傅立叶逆变换返回复图像域，即得到重聚焦处理后的L-SAR图像。

图5(a)给出经常规成像处理获得的某个距离单元的成像方位图，图中横坐标为方位向，纵坐标为幅度。图中央存在一个明显的点目标。从图中可见，该点目标严重散焦。散焦现象是由飞机非平稳运动引起的相位误差造成的。图中的点目标有两个峰值，这说明飞机的速度在某时刻发生了显著的变化。图5(b)给出经本发明重新聚焦后的点目标方位图，同样，图中横坐标为方位向，纵坐标为幅度。这个点目标达到了雷达的理想极限分辨率。从图5(a)和(b)的对比可见，经过重新聚焦处理后点目标方位分辨率得到了极大的改善。

图6(a)给出了常规成像处理的L-SAR图像，显然图像模糊，严重散焦。图6(b)给出用本发明重新聚焦后的图像，可见图像的视觉效果改善相当显著，地物目标清晰易辨。

应当指出，以上所述具体实施方式可以使本领域的技术人员更全面地理解本发明，但不以任何方式限制本发明。因此，尽管本说明书参照附图和实施方式对本发明已进行了详细的说明，但是，本领域技术人员应当理解，仍然可以对本发明进行修改或者等同替换；而一切不脱离本发明的精神和技术实质的技术方案及其改进，其均应涵盖在本发明专利的保护范围当中。

Claims (2)

1.一种缺乏高精度运动补偿系统下实现机载雷达重聚焦成像方法，其特征在于包括如下两大步骤：

(1)基于去斜率处理的SAR初始复图像生成，该部分起始于雷达原始信号的处理，包括以下步骤：距离处理，多普勒参数估计，距离徙动矫正，方位压缩；

(2)基于改进的PGA算法测量多普勒信号相位误差并进行相位补偿的复图像重新聚焦，该步骤接受(1)生成的复图像作为输入，包括以下步骤：复图像输入，最强点目标的中心循环移位，加窗，方位向的傅立叶变换，相位误差估计，相位矫正，傅立叶逆变换返回复图像域。

2.根据权利要求1所述的一种缺乏高精度运动补偿系统下实现机载雷达重聚焦成像方法，其特征在于：

所述的步骤(1)中，距离处理和方位压缩采用去斜率算法；用子孔径相关方法求出多普勒调频斜率的大致范围；利用距离子孔径方法解决距离徙动曲线估计；

所述的步骤(2)中，相位误差估计过程中相位信息的更新方法采用迭代纠错技术，并通过设计合理的算法有效避免过度收敛和收敛不足两种情况。

Images