论文部分内容阅读
合成孔径雷达（SyntheticAperture Radar， SAR）具有全天候，全天时工作的特点。通过发射大带宽的线性调频信号获得距离向高分辨率，而雷达平台对一个目标进行照射过程中产生一段等效的大孔径，实现方位向上的高分辨率。特征主要是指目标的雷达散射截面（RadarCross Sector，RCS），波束中心穿越时刻，方位向调频率等等，信号级特征提取就是指通过原始SAR数据估计这些参数。以Chirp Scaling为代表的传统合成孔径雷达成像算法虽然对SAR数据处理方法不同，但有两个共同点：1)方位向与距离向均需要进行脉冲压缩，使用匹配滤波器的信号处理技术；2)没有考虑合成孔径过程中散射体RCS的变化。使用匹配滤波器使SAR图像无论在方位向还是距离向都存在主瓣向旁瓣的能量泄漏；不考虑目标RCS的变化，对所有目标采用相同的成像策略，这种做法直接导致一些目标在SAR图像上散焦，造成解译这些目标非常困难。传统SAR成像算法依赖于平台和目标之间的几何模型，这个模型对实际运动的描述准确度直接影响着SAR的成像质量。在数据采集过程中，受气流、飞机自身不稳定性的影响，这个几何模型存在一定误差，导致Chirp Scaling等算法无法高分成像。综合以上，摆脱传统几何模型的限制，实现高分图像和正确解译是大趋势。本文研究信号级特征提取，主要有以下几个方面的贡献。第一，介绍与分析了原子分解的原理，以及提出其在SAR数据特征提取和SAR图像局部精细化方面的应用。用原子分解将散射点目标从回波中剥离出来，确定该目标在SAR图像中的位置信息以及强度大小，并直接成像而不需要匹配滤波器。应用这个特点就可以精细化局部SAR图像，消去该区域的模糊部分；第二，改进了已有的数据回波模型以及提出对应的非线性最小二乘算法，精确估计了方位回波特征参数，从数学角度论证这种回波模型假设的合理性以及计算的可行性，并证明在较高的信噪比（SignalNoise Ratio，SNR）下可以达到估计的克拉美罗下界（Cramer-RaoBound，CRB）；第三，总结分数阶傅里叶变换以及连续Chirplet变换等时频分析手段在SAR特征参数提取上的应用。推导了分数阶傅里叶变换在提取那些具有任意RCS目标的特征信息方面的难点以及演示了CCT在提取多个相同高斯包络Chirp分量的方法。