CN106405552A - 基于wvd—pga算法的sar雷达目标聚焦方法 - Google Patents

Abstract

本发明公开了一种基于WVD‑PGA算法的SAR雷达目标聚焦方法，主要思路为：获取机载SAR雷达回波数据并进行距离压缩，得到距离压缩后的机载SAR雷达回波数据，进而得到待检测带，所述待检测带中包含若干个动目标；任意选取待检测带中一个动目标，记为动目标A，并得到动目标A的粗略成像；依次计算第l次迭代后经过强散射点对齐的动目标A成像和第l次迭代后动目标A的距离多普勒域成像，以及第l次迭代后动目标A的待估计的相位误差函数梯度值；再依次计算第l次迭代后动目标A的相位误差估计和第l次迭代后动目标A的相位误差补偿复图像域数据；直到第l次迭代的加窗函数宽度W_l等于设定的加窗函数宽度阈值，迭代停止，进而得到动目标A的精确成像。

Description

基于WVD—PGA算法的SAR雷达目标聚焦方法

技术领域

本发明涉及雷达信号处理技术领域，特别涉及一种基于WVD—PGA算法的SAR雷达目标聚焦方法，即基于维格纳分布(Winger-Vi l le Di stribution，WVD)—相位梯度自聚焦(Phase Gradient Autofocus，PGA)算法的SAR雷达目标聚焦方法，适用于SAR雷达动目标的多普勒参数估计和SAR雷达动目标的精细成像。

背景技术

合成孔径雷达(SAR)具有全天候、全天时和远距离成像的特点，能有效提高SAR雷达的信息获取能力，在土地监测、农田测绘、海洋观测、海冰监视和地面形变观测等民事领域以及战场侦察、军队动向监视等军事领域都有重要的应用。随着SAR雷达的发展，SAR雷达的分辨率也逐渐提高，SAR雷达成像中地物的图像越来越清晰，图像质量也越来越高。人们一直在探索通过提高SAR雷达成像分辨率来改善SAR雷达成像的应用，如城区交通规划和管理、高精度高度测量、地物分类、三维成像等等。

利用SAR雷达进行动目标成像处理是近几年来国内外比较关注的问题，精确的SAR雷达成像取决于参考函数的选择，在一般的SAR雷达成像处理中，参考函数是地面目标回波的复制品；但如果成像场景中存在动目标，由于动目标的随意性,其运动参数是未知的，运用常规图像的形成方法就不能正常工作，从而引起SAR雷达成像的散焦、模糊和方位偏移；其中，距离向速度引起SAR雷达成像模糊；方位向速度、距离向加速度引起SAR雷达成像方位散焦；距离向速度影响动目标的定位精度，引起方位偏移；因此，有效、精确地估计多普勒相位信息，以推算方位压缩的参考函数，使之逼近实际系统冲激响应是提高SAR聚焦性能的关键。

1995年，北京航空航天大学的何峻湘等人在电子学报上发表的“合成孔径雷达动目标成像的一种新方法”文章中提出利用维格纳分布(Winger-Ville Distribution，WVD)变换对参数精确估计，线性调频信号的WVD变换将集中在瞬时频率处,也即频率与时间呈线性关系，根据该线性关系，即可求得多普勒参数，但是此方法对信噪比要求较高，且在多信号处理时由于交叉项的存在，估计精度不高。

相位梯度自聚焦(PGA)算法是应用广泛、行之有效的一种相位补偿方法，该算法的独特之处在于不基于模型，而是基于图像中某些特显点的散焦状况进行自聚焦处理，PGA算法实际上是将因相位误差而变形的点散布函数通过多次迭代处理恢复正常，并且对各阶多项式相位误差有较好的校正能力；但是，该方法要求迭代次数较多且存在收敛局部最小点。

发明内容

针对上述现有技术存在的问题，本发明的目的在于提出一种基于WVD—PGA算法的SAR雷达目标聚焦方法，即基于维格纳分布(Winger-Ville Distribution，WVD)—相位梯度自聚焦(Phase Gradient Autofocus，PGA)算法的SAR雷达目标聚焦方法，该种基于WVD—PGA算法的SAR雷达目标聚焦方法结合WVD变换PGA算法的优点，首先利用WVD变换粗略估计多普勒参数，然后对含有强散射的机载SAR雷达回波数据利用粗略估计多普勒参数进行PGA算法迭代，进而得到动目标的精确成像。

为达到上述技术目的，本发明采用如下技术方案予以实现。

一种基于WVD—PGA算法的SAR雷达目标聚焦方法，包括以下步骤：

步骤1，获取机载SAR雷达回波数据，并对机载SAR雷达回波数据进行距离压缩，得到距离压缩后的机载SAR雷达回波数据，所述距离压缩后的机载SAR雷达回波数据包含若干个动目标；

步骤2，对距离压缩后的机载SAR雷达回波数据进行低通滤波，并分别将通过低通滤波的距离压缩后的机载SAR雷达回波数据作为杂波带，将不能通过低通滤波的距离压缩后的机载SAR雷达回波数据作为待检测带，所述待检测带中包含若干个动目标；

步骤3，任意选取待检测带中一个动目标，记为动目标A，并依次确定动目标A的机载SAR雷达回波数据模型和动目标A在第n'个离散时间采样点处的机载SAR雷达回波数据模型的离散形式，然后计算得到粗估计的动目标A的多普勒调频斜率和粗估计的动目标A的多普勒中心频率；n'∈{1,2,…,N'}，n'表示第n'个离散时间采样点，N'表示设定的离散时间采样点总个数，且N'为大于0的自然数；

步骤4，根据粗估计的动目标A的多普勒调频斜率和粗估计的动目标A的多普勒中心频率，得到动目标A的粗略成像；

步骤5，初始化：分别令l表示第l次迭代，令W_l表示第l次迭代的加窗函数宽度，令第l次迭代的加窗函数宽度W_l的范围为W₀＝W_p，W_p表示第1次迭代后动目标A的一维函数宽度；W_l＝kW_l-1，k表示设定的加窗函数宽度系数，k∈[0.2,0.5]；l的初始值为1；

步骤6，对动目标A的粗略成像沿着距离向进行划分，得到第l次迭代后的N个距离单元；所述第l次迭代后的N个距离单元总个数与设定的离散时间采样点总个数N'相等，且第l次迭代后的每个距离单元对应一个离散采样点，第l次迭代后的每个距离单元包含若干个散射点；

在第l次迭代后的第n个距离单元内沿方位向寻找幅度最大的散射点，并将所述幅度最大的散射点作为第l次迭代后的第n个距离单元的强散射点，并通过循环移位将第l次迭代后的第n个距离单元的强散射点移到动目标A的粗略成像的中心；

令n分别取1至N，进而将第l次迭代后的第1个距离单元的强散射点至第l次迭代后的第N个距离单元的强散射点分别移到动目标A的粗略成像的中心，得到第l次迭代后经过强散射点对齐的动目标A成像；

步骤7，将第l次迭代后经过强散射点对齐的动目标A成像中N个距离单元各自对应数据分别进行平方后相加，得到第l次迭代后动目标A的一维函数；然后根据第l次迭代的加窗函数宽度范围对第l次迭代后动目标A的一维函数进行截取，截取得到的结果为第l次迭代后动目标A的距离多普勒域成像；

步骤8，对第l次迭代后动目标A的距离多普勒域成像沿着方位向做傅里叶逆变换，计算得到第l次迭代后动目标A的时间域成像数据，进而计算得到第l次迭代后动目标A的待估计的相位误差函数梯度值；

步骤9，对第l次迭代后动目标A待估计的相位误差函数梯度值进行积分，得到第l次迭代后动目标A的相位误差估计，然后根据所述第l次迭代后动目标A的相位误差估计对动目标A的粗略成像进行相位补偿和方位向逆傅里叶变换，得到第l次迭代后动目标A的相位误差补偿复图像域数据；

步骤10，令l加1，依次重复步骤6至步骤9，直到第l次迭代的加窗函数宽度W_l等于设定的加窗函数宽度阈值迭代停止，并将所述第l次迭代后的相位误差补偿复图像域数据，作为动目标A的精确成像；W_p表示第l次迭代后动目标A的一维函数宽度。

本发明与现有技术相比具有如下优点：(1)本发明解决了单独WVD变换精确度不高并且需要高信噪比的缺点；(2)本发明解决了PGA算法迭代次数较多且存在局部最小点这一缺点；(3)本发明所提出的自聚焦算法在单通道系统下就能有效使用，不需要借助多通道实现，降低了成本；(4)本发明方法基于WVD-PGA算法，能够改善传统维格纳分布WVD变换的参数估计对高信噪比的要求，并且能够有效减小多个动目标情况下交叠项的影响，也能减小自聚焦算法(PGA)的迭代次数，解决PGA算法收敛时存在的局部最小点问题。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明的一种基于WVD—PGA算法的SAR雷达目标聚焦方法流程图；

图2为散焦后的动目标A的方位向信号示意图；

图3为经过传统PGA自聚焦后的动目标A的方位向信号示意图；

图4为使用本发明方法得到的动目标A的方位向成像示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

参照图1，为一种基于WVD—PGA算法的SAR雷达目标聚焦方法流程图；所述基于WVD—PGA算法的SAR雷达目标聚焦方法，包括以下步骤：

步骤1，获取机载SAR雷达回波数据，并对机载SAR雷达回波数据进行距离压缩，得到距离压缩后的机载SAR雷达回波数据，所述距离压缩后的机载SAR雷达回波数据包含若干个动目标。

步骤2，对距离压缩后的机载SAR雷达回波数据进行低通滤波，低通滤波器的截止频率根据距离压缩后的机载SAR雷达回波数据选定；其中，将距离压缩后的机载SAR雷达回波数据绘制成图像，选取所述图像中趋于平缓的区域宽度，作为低通滤波器的截止频率。

然后分别将通过低通滤波的距离压缩后的机载SAR雷达回波数据作为杂波带，将不能通过低通滤波的距离压缩后的机载SAR雷达回波数据作为待检测带，所述待检测带中包含若干个动目标。

步骤3，任意选取待检测带中一个动目标，记为动目标A，并依次确定动目标A的机载SAR雷达回波数据模型和动目标A在第n'个离散时间采样点处的机载SAR雷达回波数据模型的离散形式，然后计算得到粗估计的动目标A的多普勒调频斜率和粗估计的动目标A的多普勒中心频率。

具体地，任意选取待检测带中一个动目标，记为动目标A，并确定动目标A的机载SAR雷达回波数据模型为y(t)，y(t)＝exp{j2πft+jπKt²}，以设定的采样周期T对动目标A的机载SAR雷达回波数据模型y(t)进行采样后，得到动目标A在第n'个离散时间采样点处的机载SAR雷达回波数据模型的离散形式y(n')，y(n')＝exp{j2πfn'+jπKn'²}。

其中，exp表示指数函数，f表示动目标A的多普勒中心频率，K表示动目标A的多普勒调频斜率，t表示时间变量，n'∈{1,2,…,N'}，n'表示第n'个离散时间采样点，N'表示设定的离散时间采样点总个数，且N'为大于0的自然数。

对动目标A在第n'个离散时间采样点处的机载SAR雷达回波数据模型的离散形式y(n')进行维格纳分布(WVD)变换：

首先计算动目标A在第n'个离散时间采样点处的机载SAR雷达回波数据模型的离散形式的维格纳分布(WVD)变换的离散形式为其表达式为：

x(n')表示第n'个离散时间采样点的离散信号，n'表示第n'个离散时间采样点，k∈{-N+1,-N+2,…,1,2,…,N-1}，n'∈{1,2,…,N'}，N'表示设定的离散时间采样点总个数；l表示第n'个离散时间采样点的瞬时频率，exp表示指数函数，x(n'+k)表示第n'+k个离散时间采样点的离散信号，x(n'-k)表示第n'-k个离散时间采样点的离散信号。

然后，将动目标A在第n'个离散时间采样点处的机载SAR雷达回波数据模型的离散形式y(n')代入动目标A在第n'个离散时间采样点处的机载SAR雷达回波数据模型的离散形式的维格纳分布(WVD)变换的离散形式中，得到动目标A在第n'个离散时间采样点处的机载SAR雷达回波数据模型的离散形式的维格纳分布(WVD)变换的优化离散形式其表达式为

其中，δ(n')表示第n'个离散时间采样点的冲激函数，T表示设定的采样周期，n'表示第n'个离散时间采样点，n'∈{1,2,…,N'}，N'表示设定的离散时间采样点总个数；l表示第n'个离散时间采样点的瞬时频率，f表示动目标A的多普勒中心频率。

所述动目标A在第n'个离散时间采样点处的机载SAR雷达回波数据模型的离散形式的维格纳分布(WVD)变换的优化离散形式表明，对于任意的离散时间采样点，机载SAR雷达回波数据模型的离散形式的维格纳分布(WVD)变换的优化离散形式将集中在单个动目标的多普勒中心频率处，即通过对待检测带中包含的距离压缩后的机载SAR雷达回波数据行维格纳分布(WVD)变换处理后,根据WVD处理后得到的机载SAR雷达回波数据模型的离散形式的维格纳分布(WVD)变换的优化离散形式进行单个动目标的多普勒中心频率估计和单个动目标的调频率估计。

根据动目标A在第n'个离散时间采样点处的机载SAR雷达回波数据模型的离散形式的维格纳分布(WVD)变换的优化离散形式得到优化离散形式的n'-l分布图，理想情况下所述优化离散形式的n'-l分布图为一条直线，该条直线的截距对应动目标A的多普勒中心频率f，该条直线的斜率对应动目标A的多普勒调频斜率K；分别将实际情况下优化离散形式的n'-l分布图的直线截距，作为粗估计的动目标A的多普勒调频斜率将实际情况下优化离散形式的n'-l分布图的直线斜率，作为粗估计的动目标A的多普勒中心频率

步骤4，根据粗估计的动目标A的多普勒调频斜率和粗估计的动目标A的多普勒中心频率得到动目标A的粗略成像y₁(t)。

具体地，根据粗估计的动目标A的多普勒调频斜率和粗估计的动目标A的多普勒中心频率计算得到距离压缩后动目标A的机载SAR雷达回波数据的参考函数h(t)，然后，将所述距离压缩后动目标A的机载SAR雷达回波数据的参考函数h(t)与动目标A的机载SAR雷达回波数据模型y(t)相乘，得到动目标A的粗略成像y₁(t)，其表达式为：φ(t)为动目标A的相位误差函数，f表示动目标A的多普勒中心频率，K表示动目标A的多普勒调频斜率，t表示时间变量，exp表示指数函数。

步骤5，初始化：分别令l表示第l次迭代，令W_l表示第l次迭代的加窗函数宽度，令第l次迭代的加窗函数宽度W_l的范围为W₀＝W_p，W_p表示第1次迭代后动目标A的一维函数宽度；W_l＝kW_l-1，k表示设定的加窗函数宽度系数，k∈[0.2,0.5]；l的初始值为1。

步骤6，循环移位：将设定的采样周期T内机载SAR雷达回波数据发射的距离作为一个距离单元，并对动目标A的粗略成像y₁(t)沿着距离向进行划分，得到第l次迭代后的N个距离单元；所述第l次迭代后的N个距离单元总个数与设定的离散时间采样点总个数相等，且第l次迭代后的每个距离单元对应一个离散采样点，第l次迭代后的每个距离单元包含若干个散射点。

在第l次迭代后的第n个距离单元内沿方位向寻找幅度最大的散射点，并将所述幅度最大的散射点作为第l次迭代后的第n个距离单元的强散射点，并通过循环移位将第l次迭代后的第n个距离单元的强散射点移到动目标A的粗略成像y₁(t)的中心。

所述通过循环移位将第l次迭代后的第n个距离单元的强散射点移到动目标A的粗略成像y₁(t)的中心，其过程为：设定第l次迭代后的第n个距离单元包含g个散射点，记为1,2,…,g；并确定第o个散射点为第l次迭代后的第n个距离单元的强散射点，o∈{1,2,…,g}；如果g为奇数，则将第o个散射点通过循环移位移至第个散射点的位置，如果g为偶数，则将第o个散射点通过循环移位移至第个散射点的位置，表示向下取整；当g为7且设定o为3时，通过循环移位后g个散射点的排列顺序为7、1、2、3、4、5、6：当g为7且设定o为6时，通过循环移位后g个散射点的排列顺序为3、4、5、6、7、1、2；当g为6且设定o为1时，通过循环移位后g个散射点的排列顺序为5、6、1、2、3、4；当g为6且设定o为5时，通过循环移位后g个散射点的排列顺序为3、4、5、6、1、2。

令n分别取1至N，进而将第l次迭代后的第1个距离单元的强散射点至第l次迭代后的第N个距离单元的强散射点分别移到动目标A的粗略成像y₁(t)的中心，得到第l次迭代后经过强散射点对齐的动目标A成像。

其中，循环移位处理的结果是对第l次迭代后的每个距离单元中的所有散射点进行重新排列，将第l次迭代后的每个距离单元中的幅度最大的散射点移至动目标A的粗略成像y₁(t)的中心，进而提高信噪比以便于相位误差函数梯度值估计。

步骤7，加窗处理，即将第l次迭代后经过强散射点对齐的动目标A成像中N个距离单元各自对应数据分别进行平方后相加，得到第l次迭代后动目标A的一维函数；然后根据第l次迭代的加窗函数宽度范围对第l次迭代后动目标A的一维函数进行截取，截取得到的结果为第l次迭代后动目标A的距离多普勒域成像；将第l次迭代后经过强散射点对齐的动目标A成像信息加窗隔离出来，保留对估计相位误差有用的动目标A信息，去除其它散射点或噪声信息的干扰，提高估计单元的信杂噪比，得到第l次迭代后动目标A的距离多普勒域成像。

步骤7具体描述：循环移位处理已完成了第l次迭代后动目标A的距离多普勒域成像中N个距离单元各自包含散射点的排列，所以只需把第l次迭代后经过强散射点对齐的动目标A成像中N个距离单元各自对应数据分别进行平方后相加，得到第l次迭代后动目标A的一维函数p_l(ω)，其表达式为： 表示第l次迭代后第n个距离单元的机载SAR雷达回波数据，ω表示第l次迭代后经过强散射点对齐的动目标A成像的角频率，n表示第n个离散时间采样点，n∈{1,2,…,N}，N表示设定的离散时间采样点总个数；由于对每个距离单元内的机载SAR雷达回波数据进行了移位处理，所以，对第l次迭代后动目标A的一维函数p_l(ω)来说其峰值点p_l(0)为最大值。

另外，由于误差函数距离向的冗余性，通常第l次迭代后动目标A的一维函数p_l(ω)是具有平台形状的函数，其宽度为W_p，在此宽度W_p的区域之外，第l次迭代后动目标A的一维函数p_l(ω)的数值显著减小。

其中，第1次加窗函数的宽度与第1次迭代后动目标A的一维函数宽度W_p有关，通过测量第1次迭代后动目标A的一维函数宽度W_p确定第1次加窗函数的宽度：首先求出由第1次迭代后动目标A的一维函数的峰值点开始下降至10dB的宽度，然后将10dB的宽度增加50％，作为第1次迭代后动目标A的一维函数宽度W_p；然后根据第l次迭代的加窗函数宽度范围对第l次迭代后动目标A的一维函数p_l(ω)进行截取，截取得到的结果为第l次迭代后动目标A的距离多普勒域成像。

随着重复校正运算的进行，动目标A的粗略成像y₁(t)逐渐趋于聚焦，加窗函数的宽度也在不断减小，在收敛情况下加窗函数的宽度取3—5个距离单元宽度。

步骤8，相位误差梯度估计，即对第l次迭代后动目标A的距离多普勒域成像沿着方位向做傅里叶逆变换，计算得到第l次迭代后动目标A的时间域成像数据g_l(t)，然后在距离多普勒域利用线性无偏最小方差(LUMV)准则，计算得到第l次迭代后动目标A的待估计的相位误差函数梯度值

步骤8具体描述：将第l次迭代后动目标A的距离多普勒域成像通过方位向傅里叶逆变换到时间域，计算得到第l次迭代后动目标A的时间域成像数据g_l(t)，g_l(t)＝|g_l(t)|exp{j[φ_le(t)+θ_l(t)]}，|g_l(t)|表示求取第l次迭代后动目标A的时间域成像数据g_l(t)的实部操作，φ_le(t)表示第l次迭代后动目标A的待估计的相位误差函数，θ_l(t)表示第l次迭代后动目标A的相位误差噪声函数，t表示时间变量，exp表示指数函数，j表示虚数单位。

然后在距离多普勒域采用线性无偏最小方差(LUMV)准则计算得到第l次迭代后动目标A的待估计的相位误差函数梯度值其表达式为：

Im表示求虚部操作，上标*表示共轭，·表示点乘。由于θ_n(t)造成的误差经过循环移位和加窗操作后变得很小，所以忽略不计。

步骤9，迭代相位校正，即对第l次迭代后动目标A待估计的相位误差函数梯度值进行积分，得到第l次迭代后动目标A的相位误差估计，然后将该第l次迭代后动目标A的相位误差估计补偿到距离多普勒域的数据上，最后将数据变换回复图像域，得到第l次迭代后动目标A的相位误差补偿复图像域数据。

步骤9具体描述：对第l次迭代后动目标A待估计的相位误差函数梯度值进行积分，得到第l次迭代后动目标A的相位误差估计并计算得到第l次迭代后动目标A的相位误差参考函数然后通过动目标A的粗略成像y₁(t)乘以第l次迭代后动目标A的相位误差参考函数进行相位误差校正，得到第l次迭代后动目标A的相位误差校正距离多普勒域数据；最后将所述第l次迭代后动目标A的相位误差校正距离多普勒域数据作方位向逆傅里叶变换转换回复图像域,得到第l次迭代后动目标A的相位误差补偿复图像域数据；其中，复图像域指对应信号的距离向和方位向都是关于时间的函数，而不是关于频率的。

步骤10，令l加1，依次重复步骤6至步骤9，直到第l次迭代的加窗函数宽度W_l等于设定的加窗函数宽度阈值迭代停止，此时第l次迭代后的相位误差补偿复图像域数据聚焦，并将所述第l次迭代后的相位误差补偿复图像域数据，作为动目标A的精确成像；W_p表示第l次迭代后动目标A的一维函数宽度；本实施例中个距离单元。

通过下述仿真实验对本发明效果作进一步验证说明。

表1.仿真参数

物理意义	数值	物理意义	数值
				脉冲重复频率PRF	833.3Hz	动目标A的位置(x,y)	(0,100)
机载雷达的载频	9.6GHz	动目标A的方位向速度vx	6m/s
				机载雷达的载机速度V	150m/s	动目标A的径向速度vy	1m/s

图2为散焦后的动目标A的方位向信号示意图，图3为经过传统PGA自聚焦后的动目标A的方位向信号示意图，共经过了8次迭代；从图2和图3可以看出动目标A的方位向信号的聚焦效果不是很好。

图4为使用本发明方法得到的动目标A的方位向成像示意图，并且经过了3次迭代，动目标A的方位向得到了良好的聚焦。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。

Claims (8)

1.一种基于WVD-PGA算法的SAR雷达目标聚焦方法，其特征在于，包括以下步骤：

步骤1，获取机载SAR雷达回波数据，并对机载SAR雷达回波数据进行距离压缩，得到距离压缩后的机载SAR雷达回波数据，所述距离压缩后的机载SAR雷达回波数据包含若干个动目标；

步骤2，对距离压缩后的机载SAR雷达回波数据进行低通滤波，并分别将通过低通滤波的距离压缩后的机载SAR雷达回波数据作为杂波带，将不能通过低通滤波的距离压缩后的机载SAR雷达回波数据作为待检测带，所述待检测带中包含若干个动目标；

步骤3，任意选取待检测带中一个动目标，记为动目标A，并依次确定动目标A的机载SAR雷达回波数据模型和动目标A在第n'个离散时间采样点处的机载SAR雷达回波数据模型的离散形式，然后计算得到粗估计的动目标A的多普勒调频斜率和粗估计的动目标A的多普勒中心频率；n'∈{1,2,…,N'}，n'表示第n'个离散时间采样点，N'表示设定的离散时间采样点总个数，且N'为大于0的自然数；

步骤4，根据粗估计的动目标A的多普勒调频斜率和粗估计的动目标A的多普勒中心频率，得到动目标A的粗略成像；

步骤5，初始化：分别令l表示第l次迭代，令W_l表示第l次迭代的加窗函数宽度，令第l次迭代的加窗函数宽度W_l的范围为W₀＝W_p，W_p表示第1次迭代后动目标A的一维函数宽度；W_l＝kW_l-1，k表示设定的加窗函数宽度系数，k∈[0.2,0.5]；l的初始值为1；

步骤6，对动目标A的粗略成像沿着距离向进行划分，得到第l次迭代后的N个距离单元；所述第l次迭代后的N个距离单元总个数与设定的离散时间采样点总个数N'相等，且第l次迭代后的每个距离单元对应一个离散采样点，第l次迭代后的每个距离单元包含若干个散射点；

在第l次迭代后的第n个距离单元内沿方位向寻找幅度最大的散射点，并将所述幅度最大的散射点作为第l次迭代后的第n个距离单元的强散射点，并通过循环移位将第l次迭代后的第n个距离单元的强散射点移到动目标A的粗略成像的中心；

令n分别取1至N，进而将第l次迭代后的第1个距离单元的强散射点至第l次迭代后的第N个距离单元的强散射点分别移到动目标A的粗略成像的中心，得到第l次迭代后经过强散射点对齐的动目标A成像；

步骤7，将第l次迭代后经过强散射点对齐的动目标A成像中N个距离单元各自对应数据分别进行平方后相加，得到第l次迭代后动目标A的一维函数；然后根据第l次迭代的加窗函数宽度范围对第l次迭代后动目标A的一维函数进行截取，截取得到的结果为第l次迭代后动目标A的距离多普勒域成像；

步骤8，对第l次迭代后动目标A的距离多普勒域成像沿着方位向做傅里叶逆变换，计算得到第l次迭代后动目标A的时间域成像数据，进而计算得到第l次迭代后动目标A的待估计的相位误差函数梯度值；

步骤9，对第l次迭代后动目标A待估计的相位误差函数梯度值进行积分，得到第l次迭代后动目标A的相位误差估计，然后根据所述第l次迭代后动目标A的相位误差估计对动目标A的粗略成像进行相位补偿和方位向逆傅里叶变换，得到第l次迭代后动目标A的相位误差补偿复图像域数据；

步骤10，令l加1，依次重复步骤6至步骤9，直到第l次迭代的加窗函数宽度W_l等于设定的加窗函数宽度阈值迭代停止，并将所述第l次迭代后的相位误差补偿复图像域数据，作为动目标A的精确成像；W_p表示第l次迭代后动目标A的一维函数宽度。

2.如权利要求1所述的一种基于WVD-PGA算法的SAR雷达目标聚焦方法，其特征在于，在步骤3中，所述确定动目标A的机载SAR雷达回波数据模型和动目标A在第n'个离散时间采样点处的机载SAR雷达回波数据模型的离散形式，其过程为：

任意选取待检测带中一个动目标，记为动目标A，并确定动目标A的机载SAR雷达回波数据模型为y(t)，y(t)＝exp{j2πft+jπKt²}，以设定的采样周期T对动目标A的机载SAR雷达回波数据模型y(t)进行采样后，得到动目标A在第n'个离散时间采样点处的机载SAR雷达回波数据模型的离散形式y(n')，

y(n')＝exp{j2πfn'+jπKn'²}；其中，exp表示指数函数，f表示动目标A的多普勒中心频率，K表示动目标A的多普勒调频斜率，t表示时间变量，n'∈{1,2,…,N'}，n'表示第n'个离散时间采样点，N'表示设定的离散时间采样点总个数，且N'为大于0的自然数。

3.如权利要求2所述的一种基于WVD-PGA算法的SAR雷达目标聚焦方法，其特征在于，在步骤3中，所述得到粗估计的动目标A的多普勒调频斜率和粗估计的动目标A的多普勒中心频率，其过程为：

首先计算动目标A在第n'个离散时间采样点处的机载SAR雷达回波数据模型的离散形式的维格纳分布变换的离散形式为其表达式为：

$W(n^{\′},l\frac{\mathrm{\π}}{2N-1})=2\underset{k=N+1}{\overset{N-1}{\Σ}}\exp \{-jkl\frac{2\mathrm{\π}}{2N-1}\}\×x(n^{\′}+k)x(n^{\′}-k);$

x(n')表示第n'个离散时间采样点的离散信号，n'表示第n'个离散时间采样点，k∈{-N+1,-N+2,…,1,2,…,N-1}，n'∈{1,2,…,N'}，N'表示设定的离散时间采样点总个数；l表示第n'个离散时间采样点的瞬时频率，exp表示指数函数，x(n'+k)表示第n'+k个离散时间采样点的离散信号，x(n'-k)表示第n'-k个离散时间采样点的离散信号；

然后，将动目标A在第n'个离散时间采样点处的机载SAR雷达回波数据模型的离散形式y(n')代入动目标A在第n'个离散时间采样点处的机载SAR雷达回波数据模型的离散形式的维格纳分布变换的离散形式中，得到动目标A在第n个离散时间采样点处的机载SAR雷达回波数据模型的离散形式的维格纳分布变换的优化离散形式其表达式为：

$\hat{W}(n^{\′},l)=2\mathrm{\π}\mathrm{\δ}(l-{\mathrm{fn}}^{\′}T)$

其中，δ(n')表示第n'个离散时间采样点的冲激函数，T表示设定的采样周期，n'表示第n'个离散时间采样点，n'∈{1,2,…,N'}，N'表示设定的离散时间采样点总个数；l表示第n'个离散时间采样点的瞬时频率，，f表示动目标A的多普勒中心频率；

根据动目标A在第n'个离散时间采样点处的机载SAR雷达回波数据模型的离散形式的维格纳分布变换的优化离散形式得到优化离散形式的n'-l分布图，分别将所述优化离散形式的n'-l分布图的直线截距，作为粗估计的动目标A的多普勒调频斜率将实际情况下优化离散形式的n'-l分布图的直线斜率，作为粗估计的动目标A的多普勒中心频率

4.如权利要求1所述的一种基于WVD-PGA算法的SAR雷达目标聚焦方法，其特征在于，在步骤4中，所述得到动目标A的粗略成像，其过程为：

根据粗估计的动目标A的多普勒调频斜率和粗估计的动目标A的多普勒中心频率计算得到距离压缩后动目标A的机载SAR雷达回波数据的参考函数h(t)，然后，将所述距离压缩后动目标A的机载SAR雷达回波数据的参考函数h(t)与动目标A的机载SAR雷达回波数据模型y(t)相乘，得到动目标A的粗略成像y₁(t)，其表达式为：

φ(t)为动目标A的相位误差函数，f表示动目标A的多普勒中心频率，K表示动目标A的多普勒调频斜率，t表示时间变量，exp表示指数函数。

5.如权利要求1所述的一种基于WVD-PGA算法的SAR雷达目标聚焦方法，其特征在于，在步骤6中，所述通过循环移位将第l次迭代后的第n个距离单元的强散射点移到动目标A的粗略成像y₁(t)的中心，其过程为：

设定第l次迭代后的第n个距离单元包含g个散射点，记为1,2,…,g；并确定第o个散射点为第l次迭代后的第n个距离单元的强散射点，o∈{1,2,…,g}；如果g为奇数，则将第o个散射点通过循环移位移至第个散射点的位置，如果g为偶数，则将第o个散射点通过循环移位移至第个散射点的位置，表示向下取整。

6.如权利要求1所述的一种基于WVD-PGA算法的SAR雷达目标聚焦方法，其特征在于，在步骤7中，所述第l次迭代后动目标A的距离多普勒域成像为p_l(ω)，其表达式为： 表示第l次迭代后第n个距离单元的机载SAR雷达回波数据，ω表示第l次迭代后经过强散射点对齐的动目标A成像的角频率，n表示第n个离散时间采样点，n∈{1,2,…,N}，N表示设定的离散时间采样点总个数。

7.如权利要求1所述的一种基于WVD-PGA算法的SAR雷达目标聚焦方法，其特征在于，在步骤8中，所述第l次迭代后动目标A的时间域成像数据和所述第l次迭代后动目标A的待估计的相位误差函数梯度值，其得到过程为：

将第l次迭代后动目标A的距离多普勒域成像通过方位向傅里叶逆变换到时间域，计算得到第l次迭代后动目标A的时间域成像数据g_l(t)，

g_l(t)＝|g_l(t)|exp{j[φ_le(t)+θ_l(t)]}，|g_l(t)|表示求取第l次迭代后动目标A的时间域成像数据g_l(t)的实部操作，φ_le(t)表示第l次迭代后动目标A的待估计的相位误差函数，θ_l(t)表示第l次迭代后动目标A的相位误差噪声函数，t表示时间变量，exp表示指数函数，j表示虚数单位；

然后在距离多普勒域采用线性无偏最小方差准则计算得到第l次迭代后动目标A的待估计的相位误差函数梯度值其表达式为：

Im表示求虚部操作，上标*表示共轭，·表示点乘。

8.如权利要求1所述的一种基于WVD-PGA算法的SAR雷达目标聚焦方法，其特征在于，在步骤9中，所述得到第l次迭代后动目标A的相位误差补偿复图像域数据，其得到过程为：

对第l次迭代后动目标A待估计的相位误差函数梯度值进行积分，得到第l次迭代后动目标A的相位误差估计并计算得到第l次迭代后动目标A的相位误差参考函数

然后通过动目标A的粗略成像y₁(t)乘以第l次迭代后动目标A的相位误差参考函数进行相位误差校正，得到第l次迭代后动目标A的相位误差校正距离多普勒域数据；

最后将所述第l次迭代后动目标A的相位误差校正距离多普勒域数据作方位向逆傅里叶变换转换回复图像域,得到第l次迭代后动目标A的相位误差补偿复图像域数据。