视频合成孔径雷达成像理论与关键技术研究

发布时间：2020-08-02 04:47

【摘要】：视频SAR成像理论和相关应用技术的研究是当前SAR领域的最前沿课题之一。视频SAR可以形成高帧率的连续帧图像,将传统SAR图像的静态散射信息推广为动态散射信息,提供了从时间维进行SAR后期处理的新途径。在视频SAR的众多应用中,基于视频SAR阴影的动目标检测技术是其中的一个研究热点。该技术结合了基于阴影的动目标检测以及视频SAR阴影成像二者的优势,可有效避免传统动目标检测技术的多种问题,提升动目标的检测概率、定位精度和实时性。然而,各种后期应用均建立在视频SAR实时高分辨成像的前提下,对成像算法的效率和精度均提出了较高要求。基于此,本文对视频SAR成像理论及关键技术进行了研究,在高帧率成像、持续成像、实时成像、曲线模式成像等方面进行了深入探讨,希望能够对我国视频SAR系统的研制略尽绵薄之力。论文的主要内容及贡献包括以下几个方面:1.基于SAR成像原理,对影响SAR帧率的因素进行了分析,并对高频视频SAR和非高频视频SAR进行了分析和比较;为满足对地持续监测的需求,提出了视频SAR持续成像的概念,并对视频SAR持续聚束模式和持续成像处理进行了介绍;此外,针对基于视频SAR阴影的动目标检测这一研究热点,对阴影在动目标检测中的优势以及视频SAR在阴影成像中的优势进行了分析;最后,对视频SAR持续成像基本理论进行了研究,并对可行的成像算法进行了分析和比较。2.针对圆周视频SAR模式下的持续成像问题,提出了多种圆周PP算法。首先,将圆周模式下的视频SAR持续成像问题分解为坐标系匹配和分辨率匹配两个问题,并对匹配条件进行了分析和推导;据此,提出了两种基于傅里叶变换的圆周PP算法,即GPP算法和LPP算法;此外,通过将坐标系匹配与傅里叶变换成像结合,利用2D-CZT一步实现圆周视频SAR持续成像,提出了CPP算法,并对GPP算法、LPP算法以及CPP算法的计算量进行了分析与比较;针对大角度下目标的角度依赖散射问题,结合视频SAR的高帧率特性,提出了一种基于视频SAR的角度依赖散射成像算法,即AGLRT算法;最后,通过数值仿真和实测数据验证了以上算法的有效性。3.研究了圆周PP算法在近距离或大场景条件下的图像扭曲问题,提出了多种圆周EPP算法。通过对平面波假设下的近似斜距与真实斜距进行分析,推导出了目标经圆周PP算法成像后的重建位置与其真实位置间的映射关系,即圆周PPM;基于圆周PPM,对圆周PP算法形成的帧图像进行插值校正,实现了含扭曲校正的持续成像,提出了LEPP算法、GEPP算法以及CEPP算法;进一步地,将傅里叶变换成像与圆周PPM结合,将成像后校正的过程由一次NuFFT-2实现,提出了NLEPP算法以及NGEPP算法;随后,对以上圆周EPP算法的计算量进行了分析和比较,并对圆周PP算法和圆周EPP算法的有效成像范围进行了推导;最后通过数值仿真验证了以上算法的有效性并进行了成像效率对比。4.为了拓展视频SAR的应用条件,研究了曲线视频SAR模式下的持续成像问题,提出了多种曲线PP算法。首先,对曲线模式下的单帧波数谱进行了分析,提出了基于分辨率匹配的孔径自适应划分方法;在此基础上,将PFA算法推广到曲线持续成像,提出了FPP算法;此外,针对FPP算法中散点插值误差引起的图像失真问题,将波数谱的非均匀分布与傅里叶变换成像结合,提出了N1PP算法。N1PP算法由NuFFT-1直接实现成像,避免了FPP算法中散点插值引入的误差和计算开销。5.针对曲线PP算法在近距离或大场景条件下的图像扭曲问题,将圆周PPM在曲线模式下进行了推广,推导出了曲线PPM;基于曲线PPM,对FPP算法和N1PP算法的成像结果进行插值校正,分别提出了FEPP算法和N1EPP算法;进一步地,将波数谱的非均匀分布与曲线PPM对应的非均匀成像网格结合,将成像后校正的过程由一次NuFFT-3实现,提出了N3EPP算法。N3EPP算法避免了成像前后的所有插值,简化了成像流程;最后,通过数值仿真验证了以上算法的有效性并对成像效率进行了比较。
【学位授予单位】：电子科技大学
【学位级别】：博士
【学位授予年份】：2018
【分类号】：TN957.52
【图文】：

SAR成像,全球,频段

电子科技大学博士学位论文统的噪声系数、带宽以及功率等指标均达到了机载成像视频 SAR 系统的信号处理和软件部分则由 Techn司提供。该部分的目标是对统一的接收信号，同时实时、GMTI 动目标检测结果以及阴影检测结果三大信息流到统一的显示设备中，为用户提供实时的多传感器信息能力和动目标检测跟踪能力。视频 SAR 计划进展顺利，于 2015 年完成系统集成，于，并已成功进行了多次机载飞行试验。2018 年四月底， IEEE 国际雷达会议上，雷神公司公布了全球首幅 23果，见图 1-1[32]。在经过定标、运动补偿、成像以及自聚焦效果良好，可清晰呈现出角反射器、动目标、草地、静止车辆、飞机库及其阴影等各种图像特征，验证了高分辨成像能力、动目标成像能力以及阴影成像能力。

视频,目标检测,SAR系统,慢速

(c)图 1-2 DARPA 视频 SAR 系统的成像和慢速目标检测结果[32]。(a) 某时刻的帧图像；(b) 另一时刻的帧图像；(c) 某时刻的慢速目标检测结果.2.2 SNL 视频 SAR 系统与 DARPA 通过提高工作频率来实现视频 SAR 高帧率成像不同，美国桑迪家实验室（Sandia National Laboratory，简称 SNL）则采用孔径重叠处理的方提高成像帧率，在本文中，将此类视频 SAR 系统称为非高频视频 SAR 系统。高频视频 SAR 和非高频视频 SAR 的联系和比较，将在 2.3.2 小节中进行详细。经过三十多年的积累[35-36]，SNL 在机载 SAR 技术方面，取得了世界领先的，先后成功研制出了 Lynx SAR[37]、MiniSAR[38]、Copperhead 以及 FARAD[39部机载小型 SAR 系统。其最新的系统同时具备聚束 SAR、条带 SAR、GMT干变化检测（Coherent Change Detection，简称 CCD）等多种模式和功能，可分辨率为 0.1m 的实时成像。除去军事领域的应用之外，SNL 的 SAR 系统还

视频,红外系统,实时成像,SAR系统

[17]；2010 年，SNL 首次将视频 SAR 部署于 Ku 频段雷达中，并基于商用图形处理器（Graphics Processing Unit，简称 GPU）实现了机载视频 SAR 实时成像；在此基础上，SNL 于 2012 年实现了实时视频相干变化检测（Video Coherent ChangeDetection，简称 VideoCCD）；2013 年，SNL 完成了全极化视频 SAR 的实验验证；截止到目前，SNL 已经成功将视频 SAR 模块集成到多部 SAR 系统中，并成功部署于多个载人或无人平台。当前，SNL 正在对其最新的多频段全极化 FARAD 雷达系统进行研发和测试。值得一提的是，SNL 在其官网上公布了四段视频 SAR 相关成果视频[43]，引起了业界和学界的关注。四段视频分别为运动目标场景的视频 SAR 成像结果（视频1）、静止场景的视频 SAR 成像结果（视频 2）、VICT 结果（视频 3）以及视频 SAR系统与红外系统的实时成像对比（视频 4）。以上成果验证了视频 SAR 在高帧率成像、阴影成像、动目标检测跟踪以及全天候成像等方面的可行性及优势。图 1-3 为从视频 4 中截取的某时刻 SNL 视频 SAR 系统与红外系统的实时成像结果对比[43]。可以看出，云层的遮挡导致红外系统失效；但在相同条件下，SNL视频 SAR 系统却能正常工作，实现穿云透雾的对地实时持续观测。

【参考文献】