基于子孔径的机载sar实时成像处理研究

《基于子孔径的机载sar实时成像处理研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、电子科技大学硕士学位论文基于子孔径的机载SAR实时成像处理研究姓名：刘筱申请学位级别：硕士专业：信号与信息处理指导教师：皮亦鸣20080501摘要机载SAR实时成像是SAR系统的重要组成部分，这项技术使雷达系统可以随着平台的运动及时地获得目标图像，从而达到实时监测等目的，在军事领域具有重要的意义。方位压缩是实时成像中的一个必要步骤，随着图像分辨率和作用距离的增加，天线波束的照射范围变宽，合成孔径时间变长，这就增大了方位处理的数据量，给实时处理带来很大的困难。本文结合现有的硬件水平，研究适用于大合成孔径

2、点数的实时成像算法，并根据方位子孔径处理的特点，结合基于回波的运动补偿，使算法适用于高分辨率、大合成孔径的实时成像系统。主要内容如下：1．在介绍SAR基本原理的基础上，对常用的SAR实时成像算法一Im算法和CS算法进行了详细分析。2．针对在大合成孔径条件下实现实时方位处理的问题，分析了方位处理所需的硬件条件，得出在现有硬件条件下，采用全孔径处理的方式难以实现大合成孔径方位压缩的结论。在此基础上，重点介绍了两种子孔径处理方法一一时域子孔径相关算法和STEP变换。针对STEP变换中数据对齐的问题进行了研究

3、并作了改进，通过仿真验证了其有效性；详细分析了基于时域子孔径相关的方位子孔径实时算法，在DSP板上针对实测数据的运行结果表明，该算法能够实现在高分辨率和大合成孔径条件下的实时处理。3．结合方位子孔径处理对运动补偿进行了研究，重点分析了基于回波的运动补偿和最小熵自聚焦算法。运动补偿是高分辨率成像中的必要步骤，本文研究了一种与参数估计相结合、直接从回波数据中提取相位误差的运动补偿方法，对实测数据的补偿结果验证了算法的有效性；详细分析了最小熵自聚焦算法，得出它不仅能补偿二阶相位误差，同时也能补偿高阶相位误差

4、的结论，实测数据的实验结果也证明了这一点。本文研究的方位子孔径实时算法有效地降低了大合成孔径条件下方位处理对硬件资源的要求，并将子孔径处理与运动补偿相结合，能够有效地实现在高分辨率、大合成孔径条件下的机载SAR实时成像处理。关键词：机载SAR，实时成像，方位子孔径，运动补偿ABSTRACTReal-timeimagingisallimportantcomponentinairborneSyntheticApertureRadar(SAR)system，throughwhichtheimageofgro

5、undtargetscailbeobtained惭tllthemovementofplatformandthusreal．timesurveillanceisachieved．Azimuthcompression,asacrutialstepinreal—timeimagingcauseslargedifficultywhentheresolutionorrangeisimproved，becausebothofthemincreasethebeamwidthandsyntheticaperture．

6、Inthisthesis，thereal-timeimagingalgorithmappliedtolargesyntheticapertureissmdied，whichisbasedonthecurrenthardwareconditions．Besides，themotioncompensationaccordingtothesubapertureisresearched．Bothofthemleadtheimagingalgorithmapplicabletoreal—timeimagings

7、ystemwithhi曲resolutionandlargesyntheticaperture．Themaincontentsareasfollows：1．BasedontheintroductionofSARprindple，thenormalSARreal—timeimagingalgorithms--RDandCS——aredetailedlyanalyzed．2．Aimingtoazimuthcompressionoflargeaperture，thenecessaryhardwarecond

8、itionisanalyzed，concludingthatitisdi街culttoachievereal．timeazimuthcompressionundercurrenthardwareconditions．Basedonthestudy,twosubaperturealgorithmsnamedtimedomainsubaperturecorrelativealgorithmandSTEPtransform．Theproblemofdataor