一、基于惯导系统的机载SAR运动补偿精度分析（论文文献综述）
杨文博[1]（2021）在《应用惯性传感器的机载SAR传递对准技术研究》文中研究说明随着现代战争的发展,对敌地空目标的远距离侦测、监视与打击能力,已成为一个国家军事实力的地位象征。机载SAR能适应各种复杂气象条件,可以全天时地对地物目标进行监测,这些独特的优势使其在军事领域得到了广泛应用。运动补偿作为实现高分辨率机载SAR成像的关键技术,决定了战机对地空目标能否完成有效的监视与打击。基于惯性传感器的机载SAR运动补偿技术可在复杂电磁环境下提供天线相位中心短期和长期的姿态与位置信息,但前提是需要解决惯性传感器的系统误差以及天线相位中心处机体结构变形所带来的惯性传感器测量误差问题,因此本文重点研究应用惯性传感器的机载SAR传递对准技术。论文的主要研究工作分为以下几个部分:1.在介绍了惯性导航的基本工作原理基础上,对传统传递对准方法中的姿态匹配、速度匹配与“速度+位置”匹配方法进行理论分析,并在四种不同挠曲变形下,对“速度+位置”匹配所能达到的子惯导姿态精度做了仿真分析,仿真结果表明传统传递对准在处理挠曲变形方面具有很强的局限性且传递对准后的子惯导位置精度无法满足机载SAR运动补偿的需求。2.提出利用相对惯性导航算法来解决天线相位中心处机体挠曲变形无法进行精确建模、子惯导姿态与位置精度不能满足机载SAR运动补偿需求的问题。在阐述相对惯性导航算法的基本原理的基础上,对主、子惯导相对运动关系以及解算方法进行了详细的推导;对相对惯性导航算法在子惯导不加器件误差、初始相对姿态角误差的情况下进行了仿真分析,仿真结果表明利用相对惯性导航算法能对载机SAR天线相位中心处的挠曲变形进行实时跟踪,可获得子惯导处高精度的实时姿态、位置信息,但在子惯导存在器件误差、初始相对姿态角误差时,相对惯性导航算法解算得到的子惯导导航参数精度无法满足机载SAR运动补偿需求,也显示出该算法的局限性。3.给出了相对惯性导航传递对准误差方程的推导过程,建立了系统的状态空间模型,针对子惯导存在器件误差、初始相对姿态的误差问题,提出利用相对惯性导航传递对准方法解决此类误差问题,仿真结果表明利用相对惯性导航传递对准方法得到的子惯导姿态、位置精度可满足机载SAR运动补偿的需求。针对载机直接平飞机动导致相对惯性导航传递对准得到的子惯导姿态误差较大的问题,提出了一种载机平飞解决方案,仿真结果表明采用该方案可获得精度较高的子惯导姿态信息。通过设置三组不同初始相对姿态误差角,来对相对惯性导航传递对准的适用性做了仿真分析。将相对惯性导航传递对准与“速度+位置”传递对准进行了比较,仿真结果表明“速度+位置”传递对准的对准时间较短,但其对准精度较低。本文基于惯性传感器的机载SAR传递对准技术方面的研究工作在提高APC处子惯导精度方面具有重要的理论意义和应用前景。
傅志豪[2]（2021）在《无人机载干涉SAR系统性能分析及应用研究》文中进行了进一步梳理无人机差分干涉测量技术（UAV D-InSAR）既可以获得高空间分辨率和高密度覆盖的地壳形变场,又可以有效规避时间失相关等一系列技术难题,进而实现各类地质、地震灾害的近实时监测需求。小型无人机SAR（UAVSAR）由于载机平台轻小,易受飞行速度、方向、姿态、气流扰动等影响,且装配的组合惯性导航系统精度较低,在满足轻小型无人机系统的载荷装机要求时,难以保证高分辨成像及高精度姿态控制能力。围绕国家自然科学基金“无人机差分干涉SAR监测地壳形变的关键技术”课题,本文作者在参与无人机差分干涉SAR系统前期调研与装配的基础上,主要研究该型UAVSAR系统成像参数及系统性能、航线设计准则、图像定位精度及应用能力,取得的主要成果包括:（1）无人机载干涉SAR系统性能分析在总结国内外机载重轨干涉系统搭建、算法研究现状及UAVSAR重轨干涉形变测量技术的基础上,基于项目组研制的无人机SAR系统,分析该型无人机系统性能如系统载重、续航时间、工作高度等,同时分析了 SAR系统条带宽度、分辨率、采样间隔等与成像有关的参数。（2）小型无人机SAR航线设计及几何定标实验研究了适用于活动断裂带等复杂作业环境下的UAVSAR航线设计方案,基于上述航线设计准则,在四川北川县城设计了飞行试验及外业定标试验。针对实测航迹数据进行分析,研究了满足干涉条件下的基线、运动误差限度。同时为满足实际应用需求,分析了适用于灾害应急、高精度地形测绘等条件下的UAVSAR图像定位精度。（3）无人机SAR数据处理及图像质量评估基于该型雷达数据特点,针对性开发相应数据接口,研究了 UAVSAR集成系统数据处理流程。最后基于业务化应用需求,分析了图像信息量、地物分类效果、干涉精度和立体像对性能,为后续应用及飞行试验提供指导性建议及参考。
薛蒙[3]（2021）在《高分辨率毫米波SAR成像处理方法研究》文中研究说明毫米波SAR（Synthetic Aperture Radar）体积小,质量轻,适合无人机等小型灵活平台。但是无人机等平台运行不稳定,容易产生复杂的运动轨迹和较大的运动误差,对成像产生不利的影响。同时,随着对目标的检测、识别和认知能力的提高,为了获得更细节、更丰富的目标散射信息,对SAR成像分辨率提出了更高的要求。长合成孔径是实现SAR方位向高分辨率的基础,但是长合成孔径会导致严重的空变相位误差和运动误差积累。在同等分辨率下,毫米波SAR的波长较短,天线孔径更小,运动误差的影响更加突出,会严重影响成像的质量。如何抑制严重的空变误差的对成像质量的影响是高分辨率成像的难点。本论文针对高精度运动补偿问题,其主要内容和贡献点包括以下几个方面:针对长合成孔径带来的空变相位误差,综合考虑平台空间运动轨迹的任意性进行了成像运动误差几何建模和信号建模,进一步分析了不同运动误差对成像质量的影响,给出了典型成像参数下的运动补偿精度要求;在此基础上,深入研究了时域成像运动误差补偿方法,给出了相应的处理流程,通过补偿运动误差引起的非线性相位实现高精度聚焦成像,并通过点目标仿真实验验证了运动误差对成像质量的影响,以及本文处理流程的正确性和有效性。针对平台偏离理想航迹带来的运动误差问题,结合实际平台的运动轨迹数据分析了雷达平台非理想运动轨迹对成像质量的影响,分析了不同轨迹估计方法对运动轨迹重建精度的影响;在此基础上,提出了基于移动最小二乘的运动补偿方法,通过移动最小二乘降低了平台运动轨迹高次误差对成像聚焦相位精度的影响,避免了常规平滑处理引起运动轨迹估计精度下降的问题,并通过仿真和实测数据处理验证了本文方法的有效性和正确性。针对高分辨率成像的残余相位误差估计问题,研究了高分辨率自聚焦运动精补偿方法,提出了一种改进的最大范数运动补偿方法,通过改进最大范数运动补偿方法补偿多个特显点的初始相位中的随机相位,在此基础上,综合多个特显点估计残余相位误差并进行运动补偿,增强了多特显点联合确定运动误差的稳定性和适应性,大幅度提升了残余相位误差的估计精度,点目标仿真实验和实测数据处理证实了本方法的有效性。
涂标[4]（2021）在《视频SAR运动补偿算法研究及成像软件实现》文中研究表明视频合成孔径雷达（简称:视频SAR）是近年来快速发展的新SAR成像体制,可通过对场景中机动目标的持续监测,将观测区域的动态信息以连续图像的数据形式呈现出来,其高帧率、高分辨的成像能力实现了对场景中目标的实时成像。视频SAR成像中关键技术有高帧率、高精度成像算法与运动补偿算法等,本文对视频SAR成像过程中相关技术原理进行深入探究,论文的研究内容及主要创新点可分为以下三个方面:1.鉴于视频SAR具备高分辨、高帧率的成像能力,对比常规SAR,阐述了视频SAR高分辨、高帧率成像的基本原理,介绍了视频SAR圆周聚束的成像模式。比较了多种SAR成像算法,分析运动误差来源,阐述了相位梯度自聚焦算法的实现原理。最后,给出不同成像算法与自聚焦补偿后的成像结果。2.基于圆迹聚束模式,建立视频SAR运动误差模型。在真实成像过程中,雷达平台往往偏离理想运动轨迹,导致回波相位受到运动误差的影响。针对视频SAR成像过程中存在的运动误差问题,结合运动传感器误差数据,推导相位误差形式,提出三维空间相位解耦的误差补偿方案,通过将真实轨迹下APC点投影到地平面,利用去调频处理与重采样方法去除高度项,进而完成对高度误差的补偿,进一步简化相位误差至一维空变形式。同时,在简化后的二次相位误差基础上,提出基于子区域划分的自聚焦方法。通过对相邻相位校正向量之间进行线性插值,完成对子成像区域的空变误差补偿,进而实现对整个成像区域的误差补偿,保证成像图像的质量。3.针对不同成像场景与成像需求,设计了一款与视频SAR系统配套的成像软件。结合不同功能需求,给出成像软件结构化设计方案,并分模块进行具体实现。成像软件在微软Visual Studio软件开发工具下利用C#语言编程实现各模块功能,进而完成与雷达的交互,设置相关参数,控制雷达发射与接收回波信号;建立高效通信连接,进行数据传输与解析存储;根据不同成像任务,灵活选择成像模式与对应成像算法;软件用户界面实时显示成像结果与一维距离像。最后,给出相关仿真实验结果,验证了算法的有效性,并进行了三种模式下的雷达系统整机联调测试,完成了不同场景下的成像实验,通过软件成像结果与MATLAB下实测数据成像结果,验证了成像软件能实时准确地工作。
戴国梦[5]（2020）在《车载InSAR的DEM提取关键技术研究》文中研究指明合成孔径雷达（Synthetic Aperture Radar,SAR）作为一种主动式传感器,具有全天时,全天候的对地观测能力,通过SAR影像来获取地表真实物理量信息（如含水量、粗糙度等）、数字高程模型（Digital Elevation Model,DEM）和形变信息等应用一直是遥感领域的研究热点。合成孔径雷达干涉测量（In SAR,SAR Interferometry）技术诞生于20世纪60年代末,是一种将雷达影像复数数据作为信息源来提取地球表面三维信息和形变信息的技术;对于不同的平台而言,星载SAR成像范围广、但重返周期长,DEM提取精度一般较低;机载SAR成像范围较大,重返周期短,经过干涉定标后,DEM精度较高,但机载飞行一般费用昂贵,广泛应用受限;车载SAR采用新型雷达体制,车载SAR雷达的体积、成本、重量大大降低,在近距离成像、形变监测、小物体探测等方面的应用有巨大的潜力,对车载SAR进行DEM提取技术的研究,可一定程度上弥补星载、机载SAR提取DEM方法的不足,降低成本,提高DEM精度和时间分辨率,实现对工程应用的快速响应,具有重要的意义;近年来,新的雷达体制不断涌现,包括线性调频脉冲、步进频连续波以及线性调频连续波等,其中调频连续波（FMCW）体制将是未来小型化合成孔径雷达的主流体制,适用于车载SAR平台;车载SAR结合精密POS系统进行高精度运动补偿,通过高效的SAR影像聚焦算法,可得到超高分辨率SAR影像。应用高分辨率车载SAR影像进行目标区域的DEM提取需要全面考虑车载SAR的成像几何和干涉处理过程:从前期的影像辐射定标、干涉定标和角反射器识别与定位等,到如何设计主辅影像高相干配准算法、提升DEM精度等。车载SAR的DEM提取仍存在较多的问题。国内外关于车载SAR提取DEM的研究仍较少,本文搭建了车载双天线干涉SAR系统,对其DEM提取的关键技术进行了系统的分析与处理,主要做出的贡献和创新点如下:（1）本文实现了车载SAR影像的角反射器坐标定位方法:介绍了常见角反射器坐标定位方法,如模板匹配法、特征参数法等方法的原理以及基于辐射定标和几何校正的高精度角反射器坐标定位方法的原理与实现;本文提出了新的基于尺度空间的角反射器车载SAR影像坐标定位方法,该方法综合考虑了角反射器表现出的幅度和空间特征,与基于辐射定标和几何校正的高精度角反射器坐标定位方法的结果相符,可实现子像元级定位精度。角反射器高精度坐标定位可应用于后续的车载SAR干涉处理,包括基线估计、干涉定标等。（2）高相干性的分块配准方法和高精度的基线估计方法:通过分析车载SAR的成像特点,本文系统介绍了车载SAR交轨干涉处理的整个流程,提出了适用于车载SAR的高相干性的分块配准方法和高精度的基线估计方法等。（3）本文提出了基于单控制点信息的车载SAR的DEM提取方法:车载SAR依据布设合理、数量足够的定标点的高精度地理坐标信息进行干涉定标后可获取高精度DEM结果,但由于定标点的布设和地理坐标测量过程费时费力,并且干涉定标结果移植性差的原因,基于干涉定标的DEM提取方法的实际应用效果事倍功半;本文提出了基于单控制点信息的车载SAR影像的DEM提取方法,该方法在传统星载干涉测量技术的基础上做出拓展,实现了DEM迭代求解,同时利用单个控制点的地理坐标信息对结果进行多项改正,可得到较高精度的DEM。
张永伟[6]（2020）在《复杂轨迹SAR成像算法研究与信号处理机实现》文中认为复杂轨迹合成孔径雷达（Complex Trajectory Synthetic Aperture Radar,CTSAR）可以适应雷达平台各个方向的运动,在导航、搜索等领域有着巨大应用前景。由于复杂轨迹的不确定性,导致SAR成像处理时要对雷达平台各个方向的运动进行补偿,成像算法运算复杂,实时处理时较为困难。本文针对复杂轨迹SAR实时信号处理的应用需求,分析了现有复杂轨迹SAR成像算法,提出重频自适应方法以消除雷达平台沿航迹方向速度变化导致的非均匀采样,并结合PFA算法给出成像步骤。围绕成像算法设计了信号处理机系统,实现算法的实时处理并进行实际场景成像实验。主要研究内容如下:1、基于复杂轨迹SAR成像建立了几何结构,推导出回波模型并分析回波特性。提出重频自适应方法,推导了重频自适应后的回波模型并对回波的多普勒特性进行分析。将重频自适应方法与PFA算法进行结合,给出成像步骤并通过仿真进行验证。2、针对复杂轨迹SAR成像数据量大且运算复杂的特点,以FPGA+DSP为计算核心设计了基于VPX架构的信号处理机系统。统计了算法的运算量大小,以算法的运算量选择了FPGA和DSP的具体型号,以算法对内存的需求设计了DDR3。并设计数据采集板、信号处理板、接口板及背板等。3、将成像算法的步骤进行拆分,下变频、脉冲压缩及相位补偿等预处理步骤在采集卡的FPGA上完成,极坐标格式转换较为复杂的运算在信号处理卡的DSP上完成。按算法运算量大小为四片DSP平均分配计算任务,对成像算法的耗时进行优化,并对信号处理机系统内各功能模块进行配置,进行数据链路接口调试。完成信号处理机整机调试后,在外场进行成像实验,验证了成像系统功能及实时性。
陆钱融[7]（2019）在《机载合成孔径雷达成像和运动补偿技术研究》文中研究表明合成孔径雷达（Synthetic aperture radar,SAR）是一种全天时、全天候的主动式成像雷达,SAR输出的高分辨率图像是土地测绘,目标识别与解译以及环境监测等重要应用的基础。但是,由于气流扰动以及自身飞行的不平稳,机载SAR在回波数据采集过程中容易出现运动误差,它会造成目标在距离压缩后出现位置偏移,而在方位压缩后出现主瓣展宽或者成对回波甚至淹没在杂波之中。因此,基本的成像步骤必须要考虑存在运动误差的情况或者需要将经典的成像算法与独立的运动补偿算法进行结合,这样才能为SAR的推广打下坚实的算法基础。目前机载SAR运动补偿领域面临的主要问题是如何估计高精度的运动误差并解决该误差的距离依赖性（也叫距离空变性）,方位孔径依赖性（也叫孔径空变性）以及方位时变性。对于运动误差的估计,主流的算法都是基于方位相位梯度自聚焦（Phase gradient autofocus,PGA）,也有少部分基于参数化自聚焦算法的;而对于运动误差的几个特性,当前的算法或解决方位时变性（“两步”运动补偿算法等）,或解决方位孔径空变性（时域子孔径分段补偿算法、频域分段补偿算法等）,或解决距离空变性（“一步”运动补偿算法等）。本文就是在这样的背景下开展运动误差估计以及高精度运动补偿块处理（Block processing）算法的研究。第一,在存有残余运动误差的情况下,提出基于自动距离徙动校正的成像算法和基于分数阶傅里叶变换的自适应脉冲压缩算法。首先,本文将回波的徙动校正量视为自变量,辅以校正后的信号加权熵为代价函数,精确推导了下降梯度的解析式。相对于对残余误差进行建模的传统算法,自动距离徙动校正算法的鲁棒性更好。其次,由于残余运动误差对于方位相位的影响,本文将分数阶变换的旋转角作为自变量,压缩后的信号熵作为代价函数,以梯度下降的方式自适应搜索最优旋转角,避免传统失配现象发生。第二,提出基于改进冗余熵（Modified entropy and residual entropy,MERE）和最优传递法（Optimal transfer method,OTM）的自聚焦算法。首先,在分析传统图像熵性能的基础上,本文定义了图像的改进熵和冗余熵,并将其加权求和构成新的代价函数MERE,它既能够维持优化强目标,又可以保持弱目标的强度,进而确保整个场景结构的准确性。其次,应用最优传递法并且设计了MERE的高效替代函数（Surrogate function,SF）,以降低迭代的复杂度。再有,该算法还引入一种自适应参数选择的机制来确定模型的参数,以确保不会出现模型的过拟合或者欠拟合。最后通过机载SAR实测数据实验验证了该算法的有效性和优越性。第三,提出复杂飞行轨迹下基于相关输入相位梯度自聚焦和加权总体最小二乘的运动误差估计算法。针对复杂轨迹下传统自聚焦低信杂比的情况,本文在距离徙动校正之前首先收集强目标方位相位历史,并且对不同距离单元处方位信号进行互相关处理,进而将互相关之后的信号作为PGA的输入,以提高输入信杂比和估计精度。其次,整个自聚焦过程被分为相位误差粗略估计,精细估计以及线性项估计三个阶段,其中粗略估计阶段使用相关输入,精细估计和线性项阶段均使用传统输入,而每个阶段均使用加权总体最小二乘进行从相位误差到运动误差的估计。这样的策略使得无论在复杂还是简单缓变的飞行条件下,都能保证较高的运动误差估计精度。第四,提出高精度的距离空变和孔径空变运动误差补偿算法。该算法在分析了运动误差与目标距离、瞬时斜视角之间的几何关系基础上,以数据块为处理单元,对运动误差进行完整地补偿。首先,将目标的运动误差在距离向上进行泰勒展开,并采用线性变标（chirp scaling,CS）来补偿这部分距离空变运动误差分量。其次,严格推导了“两步”补偿和线性变标处理后方位频率――瞬时斜视角之间的解析关系,提出了对应的两种精确频率分段（Precise frequency division,PFD）补偿算法,来补偿残余的孔径空变误差分量。最后,对于调频连续波系统解斜接收的情况,本文用频率变标（Frequency scaling,FS）代替CS,从而将这种良好的距离包络校正想法推广到连续波系统。
薛心竹[8]（2019）在《基于GPU的机载SAR精细成像应用系统》文中研究说明目前,机载合成孔径雷达（SAR）成像已达到亚米级分辨率,在精细处理中回波数据量和信号计算量庞大。传统依赖单/多核CPU的方式很难满足成像高效性的要求,亟需引入高性能计算平台实现快速高分辨成像。GPU由数以千计小而高效的硬件核心组成,擅长处理大量并发和轻量级线程,在执行大规模并行实验时表现卓越。而SAR成像算法往往展现出信号级并发性,这给应用GPU实现算法的加速提供了可行性条件,由此GPU上SAR成像处理技术应运而生。针对机载SAR并行化成像,研究了CPU+GPU异构平台上成像雷达并行加速技术、雷达界面显示技术,综合二者设计了基于GPU的机载SAR精细成像应用系统。论文主要完成的工作有:研究了线调频变标（CS）算法及结合运动补偿的CS精细成像算法,以惯导补偿、多普勒中心估计、距离徙动矫正、多普勒调频率估计、全孔径成像的功能段顺序分析其信号级并发性。研究了CPU+GPU异构并行开发技术,设计了基于GPU的雷达成像算法并行化实现方法,并仿真完成CUDA C编程实验。而后重点讨论GPU上多普勒调频率估计的并行化实现方法,同时结合Nsight/Profiler软件的性能测试结果,给出提升延迟隐藏、时/频谱搬移转换等优化策略。利用Qt技术,设计了基于GPU的精细成像软件,加载SAR成像的CUDA并行程序,进行成像结果显示。功能涵盖按钮控制、参数显示、GPU计算情况显示、以及图像显示,软件满足人机交互控制GPU计算成图任务要求。基于GPU的机载SAR精细成像应用系统是高分辨SAR成像算法、GPU高性能并行计算、Qt界面API三者的结合。该系统调度GPU硬件资源,设置线程配置,启动40余个内核函数,展开SAR成像处理的并行计算,使算法复杂度降低,执行效率提高,整体提高数据处理速度和硬件资源利用率。较之单独在主频3.4G的八核CPU i7处理器上串行执行机载SAR成像算法,该系统采用加入Kepler架构K40C显卡的CPU+GPU异构平台并行计算,加速效果60倍有余。
武玉娟[9]（2019）在《高分辨SAR成像算法的FPGA实现及SAR图像增强研究》文中研究指明合成孔径雷达Synthetic Aperture Rada（r,SAR）作为一类特殊的高分辨率成像雷达,能够搭载飞机、卫星等不同的平台,可以实现全天时、全天候的,宽测绘带和远距离成像,SAR系统在军用与民用范畴均占据非常重要的地位。随着军事科技与信息技术的不断发展,无论是战场情报检测还是地质灾害检测等应用场景都对SAR成像技术及图像处理技术提出了更加高效并可靠的要求,因此,SAR成像技术的研究一向是该领域的重要科研方向。目前,在雷达成像领域已经有很多经典有效的SAR成像及图像处理方法,但在实际应用的过程中,由于实验条件带来的诸多不确定性以及成像场景的复杂多样,SAR成像及图像处理技术仍然面临着巨大的挑战。本文针对以硬件实现SAR成像算法,提升运算效率,以及SAR图像增强处理进行了详细的分析研究,主要研究成果如下:第一点,基于OpenCL对FPGA进行研发,实现了高分辨率SAR成像算法的硬件加速。该工作以现有的运动补偿自聚焦技术为基础,通过高性能计算芯片FPGA,提升算法处理效率,并对之进行优化。将运动补偿自聚焦算法分成两个模块分别进行设计,包括距离向运动补偿模块、方位向匹配滤波模块,缩短各个模块消耗的时间,然后对整体程序再次进行优化,减少数据吞吐和循环展开所耗费的时间。运动补偿自聚焦算法的硬件实现,可以保持SAR图像原有的分辨率不被降低,并且将算法实现的时间有效缩短,使高分辨SAR系统具有了可靠并高效成像的能力。第二点,提出了一种基于变尺度多项式滤波和图像融合的SAR图像增强方法。该方法以经典的SVA方法为基础,提出变尺度多项式滤波的方法,改进方法有严密的数学推导做支撑,根据不同数据的特征自适应的计算加权因子。此外,本方法还具有很强的鲁棒性,对于机载SAR数据、星载SAR数据以及ISAR数据的旁瓣抑制效果都有较好的表现。与此同时,虽然旁瓣得到了较好抑制,但图像整体能量也受到了一定的损失,图像整体略微变暗,针对这一问题,本方法引入了图像融合的技术。融合的对象是从原始SAR图像中提取出来的,对SAR图像进行分区域的最小值滤波,然后进行二维插值获取原始SAR图像的背景信息。为保证融合后的SAR图像像素的连续性,对背景图像进行加权处理,然后将多项式滤波后的图像与获取的背景图像进行融合,对被抑制掉的目标区域进行恢复。因此,滤波后的SAR图像的目标信息和亮度得到有效丰富和提升。变尺度多项式滤波和图像融合的有效结合,实现了SAR图像的增强,提高了SAR图像的质量。
张俊[10]（2019）在《复杂运动条件下的SAR/ISAR聚焦方法研究》文中研究表明合成孔径雷达与逆合成孔径雷达（SAR/ISAR）具有全天时、全天候观测的特点,通过相应的后续数字处理技术能够有效地获取观测场景与监测目标的地形特点与结构尺寸等丰富的散射特征信息,广泛应用于地形勘测、战场监视、自然灾害预报、空间态势感知与防空反导等国防工业与民用领域。在SAR/ISAR成像中,距离-方位二维高分辨像是获取观测场景与目标精细特征的关键。系统发射信号的带宽决定了距离分辨率,而方位分辨率则由方位向合成孔径长度决定。在现有的传统SAR体制下,二维分辨率往往会受到雷达体制的制约而难以提升。通过与现代无人机、直升机等小型化平台的结合,可以利用旋转扫描/聚束等方式更加灵活地选择观测场景,通过多角度观测消除遮挡效应改善SAR图像分辨率,但为满足该观测条件,SAR平台往往具有复杂的运动轨迹,这也会给后续成像处理带来较大困难,而且低空域小型平台对天气环境因素十分敏感,需要研究高效稳健的运动误差补偿算法,另外,长时间、大转角观测条件下图像中存在的高旁瓣问题也亟待解决。此外,随着大量中低空域飞行器的发展与投入使用,如何对这些具有复杂运动特性的空域目标实现高分辨、实时ISAR成像观测,同样具有重要的研究价值与意义。本文主要针对复杂运动条件下的SAR/ISAR聚焦中存在的关键问题与技术难点,围绕国家973项目“复杂低空飞行的自主避险理论与方法研究”、国家自然科学基金项目“基于空间平台的空间目标检测、成像与识别方法研究”、国家自然科学基金项目“基于空间平台的微弱时敏目标协同检测与识别”等项目的研究任务,对复杂运动条件下的典型SAR成像模式:旋转式合成孔径雷达（ROSAR）、圆轨迹合成孔径雷达（CSAR）,以及非均匀旋转平台ISAR的高分辨实时成像与误差补偿方法进行了研究。论文的主要工作概括为以下四个部分:1.针对旋转式合成孔径雷达在高分辨成像时,距离徙动引起的复杂斜距历程与二维波数谱,导致后续成像处理困难的问题,提出了一种改进ROSAR波数域成像算法,实现了宽波束大场景下距离徙动的精确校正与最终成像。此外针对传统二阶斜距近似难以满足ROSAR高分辨成像要求的问题,提出了基于卡尔丹方程的ROSAR成像算法,实现了距离徙动校正与场景精确聚焦成像。2.由于旋转式合成孔径雷达通常安装于无人旋翼直升机等小型平台,更容易受平台振动、气流变化等影响,引入较大的运动误差,造成成像分辨率下降。针对这一问题,提出了一种基于波数域的ROSAR自聚焦成像算法,设计了扩展ROSAR?-k成像算法,在有效校正距离徙动的同时,为后续运动误差补偿提供便利,将二次相位校正与相位梯度估计相结合,并利用划分子孔径的方式消除局部线性分量,最后经过迭代处理后即可有效估计并补偿运动误差,进而获得聚焦良好的ROSAR高分辨图像。3.针对双基圆轨迹合成孔径雷达（BCSAR）系统中,有限信号带宽引起的振铃效应与高旁瓣等问题,提出了一种基于空间分集双基圆轨迹合成孔径雷达（GDBCSAR）的新成像构型,给出了其傅立叶采样面积与图像分辨率的分析,获取了更大的傅立叶采样面积,降低傅立叶采样空间的频谱不连续性,有效降低抑制了成像中的振铃效应与高旁瓣现象。4.在非均匀旋转目标逆合成孔径雷达成像中,目标复杂的运动特性会造成回波中的目标多普勒时变,导致目标ISAR成像质量明显下降。针对现有ISAR成像算法中存在的运算量繁重与传递误差影响严重的问题,提出了一种基于几何信息辅助的非均匀旋转目标运动参数快速估计与ISAR成像方法。通过3-dB滤波与加权最小二乘估计消除噪声与交叉项的干扰,提升二次调频率估计精度。并分别在时间-频率（TFD）域与距离-多普勒域精确估计目标调频率与中心频率,所提算法在有效抑制传递误差与交叉项干扰的同时,能够显着降低运算量,进而实现非均匀旋转目标高分辨ISAR成像实时处理。
二、基于惯导系统的机载SAR运动补偿精度分析（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、基于惯导系统的机载SAR运动补偿精度分析（论文提纲范文）
（1）应用惯性传感器的机载SAR传递对准技术研究（论文提纲范文）
| 摘要 |
| abstract |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.3 本文研究内容与结构安排 |
| 2 惯性导航系统基本工作原理 |
| 2.1 惯性导航系统参数及常用坐标系 |
| 2.1.1 常用导航参数 |
| 2.1.2 各坐标系之间的转换关系 |
| 2.2 机载SAR对惯性传感器导航参数的精度要求 |
| 2.3 惯性导航系统比力方程 |
| 2.4 惯性导航系统误差方程 |
| 2.4.1 惯性器件误差模型 |
| 2.4.2 惯导系统误差方程 |
| 2.5 本章小结 |
| 3 基于传递对准的机载SAR导航信息获取研究 |
| 3.1 引言 |
| 3.2 传递对准技术基本原理 |
| 3.3 飞行轨迹生成器 |
| 3.3.1 轨迹仿真算法 |
| 3.3.2 仿真分析 |
| 3.4 机体结构变形模型 |
| 3.4.1 机体振动变形 |
| 3.4.2 机体挠曲变形 |
| 3.4.3 仿真分析 |
| 3.5 卡尔曼滤波 |
| 3.6 传递对准匹配方法 |
| 3.6.1 姿态匹配 |
| 3.6.2 速度匹配 |
| 3.6.3 位置匹配 |
| 3.6.4 速度+位置匹配 |
| 3.7 仿真分析 |
| 3.7.1 仿真条件 |
| 3.7.2 结果分析 |
| 3.8 本章小结 |
| 4 基于相对惯性导航算法的机载SAR导航参数精度仿真 |
| 4.1 引言 |
| 4.2 主、子惯导相对运动解算 |
| 4.2.1 主、子惯导相对运动关系 |
| 4.2.2 相对惯性导航算法微分方程 |
| 4.3 基于相对惯性导航算法的机载SAR导航信息获取方案 |
| 4.3.1 仿真条件设定 |
| 4.3.2 仿真分析 |
| 4.4 相对惯性导航算法性能的影响分析 |
| 4.4.1 惯性传器件误差对算法性能的影响 |
| 4.4.2 初始相对姿态误差角对算法性能的影响 |
| 4.5 本章小结 |
| 5.基于相对惯性导航传递对准的机载SAR导航精度提高策略 |
| 5.1 引言 |
| 5.2 相对惯性导航传递对准状态空间模型 |
| 5.2.1 相对惯性导航状态方程 |
| 5.2.2 相对惯性导航量测方程 |
| 5.3 基于相对惯性导航算法的传递对准方案 |
| 5.3.1 仿真条件设定 |
| 5.3.2 仿真分析 |
| 5.4 载机平飞解决方案 |
| 5.4.1 可观测性分析 |
| 5.4.2 仿真分析 |
| 5.5 初始姿态对相对惯性导航传递对准的影响 |
| 5.5.1 仿真条件设定 |
| 5.5.2 仿真分析 |
| 5.6 两种传递对准方法对比 |
| 5.7 本章小节 |
| 6 总结与展望 |
| 6.1 本文工作总结 |
| 6.2 研究展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士期间的研究成果 |
（2）无人机载干涉SAR系统性能分析及应用研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 前言 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 机载重轨干涉SAR技术研究历程 |
| 1.2.2 机载重轨干涉SAR系统发展历程 |
| 1.2.3 机载重轨干涉SAR应用现状 |
| 1.3 研究内容及章节安排 |
| 1.3.1 研究内容 |
| 1.3.2 章节安排 |
| 1.4 本章小结 |
| 第二章 无人机载干涉SAR遥感系统集成 |
| 2.1 飞行平台参数指标 |
| 2.1.1 飞行平台分类山 |
| 2.1.2 CW-30无人机参数指标 |
| 2.2 微型SAR系统参数 |
| 2.2.1 微型SAR主机 |
| 2.2.2 高精度组合导航系统及伺服系统 |
| 2.3 集成系统参数 |
| 2.4 成像参数 |
| 2.4.1 分辨率 |
| 2.4.2 采样间隔 |
| 2.5 本章小结 |
| 第三章 无人机载干涉SAR航线设计及平台姿态分析 |
| 3.1 单架次航线参数设计 |
| 3.1.1 基于外源DEM数据的航迹角估算 |
| 3.1.2 干涉基线设计 |
| 3.2 多架次飞行航摄分区 |
| 3.3 飞行平台姿态分析 |
| 3.3.1 运动误差分析 |
| 3.3.2 实测数据分析 |
| 3.3.3 基线分析 |
| 3.4 小结 |
| 第四章 无人机载干涉SAR原始数据处理 |
| 4.1 无人机载干涉SAR数据特点 |
| 4.1.1 原始数据处理 |
| 4.1.2 数据预处理 |
| 4.2 运动补偿原理 |
| 4.2.1 运动误差来源 |
| 4.2.2 机载SAR运动补偿 |
| 4.3 运动误差补偿结果分析 |
| 4.4 小结 |
| 第五章 无人机载干涉SAR图像定位 |
| 5.1 地面定标试验 |
| 5.1.1 地面定标场选取 |
| 5.1.2 角反射器布设 |
| 5.1.3 角反射器识别 |
| 5.2 绝对定位精度评定 |
| 5.2.1 定位几何模型 |
| 5.2.2 仿真和实测数据处理 |
| 5.3 相对定位精度评定 |
| 5.3.1 定位模型 |
| 5.3.2 实测数据分析 |
| 5.4 匹配定位精度分析 |
| 5.5 小结 |
| 第六章 无人机载干涉SAR系统应用研究 |
| 6.1 无人机载干涉SAR影像信息度量 |
| 6.1.1 北川飞行试验地物类别 |
| 6.1.2 图像信息量 |
| 6.1.3 邻元相关性 |
| 6.1.4 图像分类 |
| 6.2 立体像对 |
| 6.2.1 机载SAR立体定位模型 |
| 6.2.2 立体像对测量及定位精度评定 |
| 6.3 干涉性能评估 |
| 6.3.1 干涉处理 |
| 6.3.2 定性评价 |
| 6.3.3 定量评价 |
| 6.4 小结 |
| 第七章 结论与展望 |
| 致谢 |
| 参考文献 |
| 作者简介 |
| 攻读硕士期间参加的科研项目 |
| 攻读硕士期间发表的文章 |
（3）高分辨率毫米波SAR成像处理方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究概况 |
| 1.2.1 毫米波SAR的发展概况 |
| 1.2.2 高分辨率SAR成像发展概况 |
| 1.3 论文的研究内容与结构安排 |
| 1.4 论文的主要创新点 |
| 第二章 毫米波SAR成像理论基础 |
| 2.1 引言 |
| 2.2 毫米波SAR运动误差几何模型 |
| 2.3 高分辨率SAR运动补偿精度综合分析 |
| 2.4 高分辨率成像算法 |
| 2.4.1 去调频处理方法 |
| 2.4.2 后向投影算法 |
| 2.5 仿真实验 |
| 2.6 本章小结 |
| 第三章 基于移动最小二乘法的运动补偿方法 |
| 3.1 引言 |
| 3.2 实测数据运动误差分析 |
| 3.3 运动误差补偿方法 |
| 3.3.1 移动最小二乘法 |
| 3.3.2 运动误差补偿方法 |
| 3.4 仿真与实测数据成像实验 |
| 3.5 本章小结 |
| 第四章 高分辨率自聚焦运动补偿方法 |
| 4.1 引言 |
| 4.2 改进最大范数运动补偿方法 |
| 4.2.1 特显点样本信号 |
| 4.2.2 多普勒线性相位补偿方法 |
| 4.2.3 相位误差补偿方法 |
| 4.3 仿真与实测数据成像实验 |
| 4.4 本章小结 |
| 总结与展望 |
| 总结 |
| 展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间取得的学术成果 |
| 个人简历 |
（4）视频SAR运动补偿算法研究及成像软件实现（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 视频SAR研究现状 |
| 1.2.2 运动补偿研究现状 |
| 1.3 论文的主要内容和结构安排 |
| 第二章 视频SAR成像基本原理 |
| 2.1 引言 |
| 2.2 视频SAR成像主要理论 |
| 2.2.1 视频SAR高帧率成像原理 |
| 2.2.2 SAR成像算法 |
| 2.3 运动补偿基本理论 |
| 2.3.1 运动误差来源 |
| 2.3.2 误差补偿算法 |
| 2.4 本章小结 |
| 第三章 视频SAR运动补偿算法研究 |
| 3.1 引言 |
| 3.2 相位误差形式分析 |
| 3.3 方位角误差补偿 |
| 3.4 高度误差补偿 |
| 3.4.1 去调频处理 |
| 3.4.2 高度项去除 |
| 3.5 二次相位误差补偿 |
| 3.5.1 子区域划分 |
| 3.5.2 基于子区域划分的自聚焦算法 |
| 3.6 仿真实验与结果分析 |
| 3.7 本章小结 |
| 第四章 成像软件设计与实现 |
| 4.1 引言 |
| 4.2 成像软件设计 |
| 4.2.1 软件设计准则 |
| 4.2.2 软件结构设计 |
| 4.3 成像软件实现 |
| 4.3.1 雷达交互模块实现 |
| 4.3.2 通信传输模块实现 |
| 4.3.3 成像处理模块实现 |
| 4.3.4 结果显示模块实现 |
| 4.4 成像模式与算法实现 |
| 4.4.1 转台ISAR模式 |
| 4.4.2 条带SAR模式 |
| 4.4.3 圆周CSAR模式 |
| 4.5 本章小结 |
| 第五章 总结与展望 |
| 5.1 全文工作总结 |
| 5.2 后续工作展望 |
| 致谢 |
| 参考文献 |
（5）车载InSAR的DEM提取关键技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景与研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 车载SAR研究现状 |
| 1.2.2 车载In SAR提取DEM的研究现状 |
| 1.3 论文内容安排 |
| 第二章 车载SAR基础 |
| 2.1 车载mini SAR系统 |
| 2.2 FMCW雷达基础 |
| 2.2.1 信号模型 |
| 2.2.2 成像分辨率 |
| 2.3 基于POS系统的运动补偿方法 |
| 2.3.1 运动误差分析 |
| 2.3.2 垂直航向位置误差补偿 |
| 2.3.3 沿航向位置误差补偿 |
| 2.4 本章小结 |
| 第三章 角反射器的车载SAR影像坐标定位 |
| 3.1 角反射器后向散射特征 |
| 3.1.1 RCS |
| 3.1.2 角反射器车载SAR影像特征 |
| 3.2 基于角反射器的车载SAR影像辐射定标与几何校正 |
| 3.2.1 辐射定标方法 |
| 3.2.2 几何校正方法 |
| 3.3 角反射器的SAR影像坐标定位策略 |
| 3.4 基于尺度空间的车载SAR影像角反射器坐标定位方法 |
| 3.4.1 原理 |
| 3.4.2 仿真实验 |
| 3.4.3 实验 |
| 3.5 本章小结 |
| 第四章 车载SAR交轨干涉处理 |
| 4.1 预处理 |
| 4.2 影像分块配准 |
| 4.2.1 块影像粗配准 |
| 4.2.2 块影像精配准 |
| 4.2.3 影像全局精配准 |
| 4.3 干涉图滤波 |
| 4.4 相位解缠 |
| 4.5 基线估计 |
| 4.5.1 基于图像同名点的基线估计方法 |
| 4.5.2 基于控制点的基线估计方法 |
| 4.6 实验 |
| 4.6.1 实验数据 |
| 4.6.2 结果与分析 |
| 4.7 本章小结 |
| 第五章 车载SAR的 DEM提取方法 |
| 5.1 基于干涉定标的DEM提取方法 |
| 5.1.1 原理 |
| 5.1.2 干涉参数分析 |
| 5.2 基于单控制点的DEM提取方法 |
| 5.2.1 原理 |
| 5.2.2 基于控制点信息的参数改正 |
| 5.2.3 误差分析与仿真实验 |
| 5.3 实验 |
| 5.3.1 实验数据 |
| 5.3.2 结果与分析 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 6.1 全文总结 |
| 6.2 工作展望 |
| 参考文献 |
| 致谢 |
（6）复杂轨迹SAR成像算法研究与信号处理机实现（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究意义与背景 |
| 1.2 国内外发展动态 |
| 1.2.1 SAR和复杂轨迹SAR成像研究现状 |
| 1.2.2 SAR成像处理系统 |
| 1.3 本文主要内容 |
| 第二章 复杂轨迹SAR回波建模与成像算法 |
| 2.1 复杂轨迹SAR回波模型 |
| 2.1.1 运动几何模型 |
| 2.1.2 回波信号模型 |
| 2.2 复杂轨迹重频自适应方法 |
| 2.2.1 重频自适应方法 |
| 2.2.2 重频自适应后的回波信号模型 |
| 2.2.3 重频自适应后的多普勒特性 |
| 2.3 重频自适应PFA成像算法 |
| 2.3.1 重频自适应PFA成像算法原理 |
| 2.3.2 成像算法流程 |
| 2.3.3 仿真验证 |
| 2.4 本章小结 |
| 第三章 信号处理机设计与实现 |
| 3.1 成像算法运算量分析 |
| 3.2 系统硬件设计 |
| 3.2.1 信号处理机总体架构设计 |
| 3.2.2 VPX背板设计 |
| 3.2.3 数据采集板卡设计 |
| 3.2.4 信号处理板卡设计 |
| 3.2.5 接口卡设计 |
| 3.2.6 电源卡 |
| 3.3 成像方法实现 |
| 3.3.1 带通采样与下变频 |
| 3.3.2 脉冲压缩及相位补偿 |
| 3.3.3 极坐标转换 |
| 3.4 本章小结 |
| 第四章 系统调试与验证 |
| 4.1 功能模块调试 |
| 4.1.1 ADC采集 |
| 4.1.2 DDR3 调试 |
| 4.2 接口调试 |
| 4.2.1 SRIO通信 |
| 4.2.2 Hyperlink通信 |
| 4.2.3 PCIe通信 |
| 4.3 成像系统测试 |
| 4.4 本章小结 |
| 第五章 总结与展望 |
| 5.1 工作总结 |
| 5.2 工作展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士期间的研究成果 |
（7）机载合成孔径雷达成像和运动补偿技术研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 缩略语表 |
| 第一章 绪论 |
| 1.1 研究背景及研究意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 国外研究现状 |
| 1.2.2 国内研究现状 |
| 1.3 本文的主要创新点以及文章结构安排 |
| 1.3.1 主要创新点 |
| 1.3.2 文章结构安排 |
| 第二章 SAR成像算法及运动补偿综述 |
| 2.1 引言 |
| 2.2 脉冲压缩和系统分辨率 |
| 2.2.1 脉冲压缩 |
| 2.2.2 脉冲压缩性能指标 |
| 2.2.3 距离分辨率 |
| 2.2.4 方位分辨率 |
| 2.3 回波信号及其频谱分析 |
| 2.4 经典成像算法介绍 |
| 2.4.1 距离多普勒算法 |
| 2.4.2 Chirp scaling算法 |
| 2.4.3 ωK算法 |
| 2.4.4 理想成像算法的实验验证及结果分析 |
| 2.5 常见的运动补偿算法介绍 |
| 2.5.1 两步补偿法 |
| 2.5.2 插值距离包络校正法 |
| 2.5.3 时域分段补偿法 |
| 2.5.4 频域分段补偿法 |
| 2.5.5 对地貌和孔径依赖误差的图像域补偿算法 |
| 2.6 特殊的运动补偿算法介绍 |
| 2.6.1 高频运动误差补偿 |
| 2.6.2 快速BP运动补偿 |
| 2.7 运动误差算法的实验验证及结果分析 |
| 2.7.1 简单缓变运动误差下算法的补偿性能 |
| 2.7.2 复杂运动误差下算法的补偿性能 |
| 2.7.3 机载实测数据实验 |
| 2.8 本章小结 |
| 第三章 改进的SAR成像算法 |
| 3.1 引言 |
| 3.2 基于FRFT的SAR成像算法 |
| 3.2.1 分数阶傅里叶变换 |
| 3.2.2 方法原理 |
| 3.2.3 仿真和实测数据实验 |
| 3.3 考虑非理想飞行的RD成像算法 |
| 3.3.1 理想飞行下的插值RCMC |
| 3.3.2 自动插值RCMC |
| 3.3.3 实验部分 |
| 3.4 本章小结 |
| 第四章 基于方位自聚焦的运动误差估计 |
| 4.1 引言 |
| 4.2 基于最优传递法的运动误差估计 |
| 4.2.1 优化的代价函数 |
| 4.2.2 由代价函数求误差模型一阶偏导数 |
| 4.2.3 最优传递估计法 |
| 4.2.4 搜索策略,实现细节以及流程图 |
| 4.2.5 实验结果与分析 |
| 4.3 基于相关输入法和WTLS的运动误差估计 |
| 4.3.1 背景与动机 |
| 4.3.2 信号和误差模型 |
| 4.3.3 估计原理 |
| 4.3.4 复杂运动轨迹下的仿真实验与分析 |
| 4.3.5 简单运动轨迹下的仿真实验与分析 |
| 4.3.6 机载实测数据实验结果与分析 |
| 4.4 本章小结 |
| 第五章 基于天线位置信息的运动误差补偿 |
| 5.1 引言 |
| 5.2 基于Chirp scaling的运动误差补偿 |
| 5.2.1 距离空变补偿原理 |
| 5.2.2 算法性能分析 |
| 5.3 基于Frequency scaling的运动误差补偿 |
| 5.3.1 误差模型及原理 |
| 5.3.2 仿真实验及分析 |
| 5.4 基于PFD和TS-MOCO的运动补偿 |
| 5.4.1 误差模型及原理 |
| 5.4.2 实验结果与分析 |
| 5.5 基于PFD和CS-REC的运动补偿 |
| 5.5.1 用CS-REC进行距离包络对齐 |
| 5.5.2 用PFD进行残余运动误差补偿 |
| 5.5.3 算法讨论 |
| 5.5.4 实验结果与分析 |
| 5.6 本章小结 |
| 第六章 总结与展望 |
| 6.1 全文总结 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 攻读学位论文期间发表的学术论文目录 |
（8）基于GPU的机载SAR精细成像应用系统（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 符号对照表 |
| 缩略语对照表 |
| 第一章 绪论 |
| 1.1 课题背景、目的和意义 |
| 1.2 国内外研究现状 |
| 1.3 论文研究内容和组织结构 |
| 第二章 机载SAR精细成像算法 |
| 2.1 线调频变标(CS)算法 |
| 2.2 结合运动补偿的CS算法 |
| 2.3 本章小结 |
| 第三章 机载SAR精细成像并行化 |
| 3.1 计算设备初始化 |
| 3.2 惯导补偿并行化 |
| 3.3 多普勒中心估计并行化 |
| 3.4 距离徙动校正并行化 |
| 3.5 多普勒调频率估计并行化 |
| 3.6 全孔径成像并行化 |
| 3.7 本章小结 |
| 第四章 多普勒调频率估计并行化分析 |
| 4.1 多普勒调频率估计算法 |
| 4.1.1 MD粗估计法 |
| 4.1.2 最大对比度精估计法 |
| 4.2 方位向去直流-能量值排序 |
| 4.2.1 kernel_removeDC核函数设计 |
| 4.2.2 kernel_removeDC核函数性能分析 |
| 4.2.3 kernel_removeDC核函数性能优化 |
| 4.3 相位补偿+方位FFT功能段 |
| 4.3.1 相位补偿+方位FFT功能段核函数设计 |
| 4.3.2 相位补偿+方位FFT功能段性能分析 |
| 4.3.3 相位补偿+方位FFT功能段性能优化 |
| 4.4 本章小节 |
| 第五章 机载SAR精细成像软件 |
| 5.1 控制按钮模块 |
| 5.1.1 菜单栏选择按钮 |
| 5.1.2 控制GPU起始计算按钮 |
| 5.1.3 输入参数文本框 |
| 5.2 参数显示模块 |
| 5.2.1 雷达参数表格 |
| 5.2.2 载机参数显示标签 |
| 5.3 GPU计算情况显示模块 |
| 5.3.1 底部状态栏 |
| 5.3.2 顶部状态栏 |
| 5.4 图像显示模块 |
| 5.5 本章小结 |
| 第六章 工作总结与展望 |
| 6.1 工作总结 |
| 6.2 工作展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
（9）高分辨SAR成像算法的FPGA实现及SAR图像增强研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 符号对照表 |
| 缩略语对照表 |
| 第一章 绪论 |
| 1.1 课题研究意义 |
| 1.2 课题研究现状 |
| 1.2.1 国外研究现状 |
| 1.2.2 国内研究现状 |
| 1.3 本文研究方法概述 |
| 1.3.1 运动补偿介绍 |
| 1.3.2 FPGA技术概述 |
| 1.3.3 SAR图像旁瓣抑制概述 |
| 1.4 本文主要工作及论文结构 |
| 第二章 课题研究理论基础介绍 |
| 2.1 运动补偿自聚焦算法 |
| 2.1.1 相位误差模型 |
| 2.1.2 基于运动补偿的SAR图像自聚焦方法 |
| 2.2 Open CL框架介绍 |
| 2.2.1 Open CL的优势 |
| 2.2.2 Open CL并行编程 |
| 2.3 SAR图像旁瓣抑制方法 |
| 2.3.1 窗函数加权的旁瓣抑制方法 |
| 2.3.2 基于变迹法的旁瓣抑制方法 |
| 2.4 本章小结 |
| 第三章 高分辨SAR成像算法的FPGA实现 |
| 3.1 基于Open CL的FPGA开发 |
| 3.1.1 开发平台 |
| 3.1.2 开发流程 |
| 3.2 功能模块设计 |
| 3.2.1 距离向运动补偿模块 |
| 3.2.2 方位向匹配滤波模块 |
| 3.3 整体实现及验证 |
| 3.3.1 整体实现 |
| 3.3.2 实验分析 |
| 3.3.3 并行优化处理 |
| 3.4 本章小结 |
| 第四章 基于变尺度多项式滤波和图像融合的SAR图像增强方法 |
| 4.1 SAR图像旁瓣形成原因 |
| 4.2 空间变迹法介绍 |
| 4.2.1 算法思想 |
| 4.2.2 具体描述及分析 |
| 4.3 本文方法介绍 |
| 4.3.1 算法概述 |
| 4.3.2 具体描述 |
| 4.3.3 性能比较分析 |
| 4.4 实验结果与分析 |
| 4.4.1 评价指标 |
| 4.4.2 机载SAR图像结果分析 |
| 4.4.3 星载SAR图像实验分析 |
| 4.4.4 ISAR数据分析 |
| 4.5 算法优化 |
| 4.5.1 算法加速实现方法 |
| 4.5.2 实验结果分析 |
| 4.6 本章总结 |
| 第五章 总结与展望 |
| 5.1 论文总结 |
| 5.2 工作展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
（10）复杂运动条件下的SAR/ISAR聚焦方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 符号对照表 |
| 缩略语对照表 |
| 第一章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 合成孔径雷达研究发展现状 |
| 1.2.1 合成孔径雷达发展概述 |
| 1.2.2 旋转式合成孔径雷达发展概述 |
| 1.2.3 圆轨迹合成孔径雷达发展概述 |
| 1.3 逆合成孔径雷达研究发展现状 |
| 1.4 论文主要内容及安排 |
| 第二章 复杂运动条件下的SAR/ISAR成像技术与问题 |
| 2.1 引言 |
| 2.2 复杂运动条件下的SAR成像原理方法 |
| 2.2.1 常规SAR成像原理与基本方法 |
| 2.2.2 ROSAR成像原理与基本方法 |
| 2.2.3 CSAR成像原理与基本方法 |
| 2.3 复杂运动条件下ISAR成像原理方法 |
| 2.4 本章小结 |
| 第三章 旋转式合成孔径雷达高分辨成像算法研究 |
| 3.1 引言 |
| 3.2 信号模型和问题描述 |
| 3.2.1 信号模型 |
| 3.2.2 问题描述 |
| 3.3 ROSAR高分辨成像方法 |
| 3.3.1 改进ROSAR波数域成像算法 |
| 3.3.2 基于卡尔丹方程的ROSAR成像方法 |
| 3.4 算法性能分析与仿真实验结果 |
| 3.4.1 ROSAR波数域成像算法性能分析及结果 |
| 3.4.2 基于卡尔丹方程的ROSAR成像算法性能分析及结果 |
| 3.5 本章小结 |
| 第四章 旋转式合成孔径雷达波数域自聚焦成像算法研究 |
| 4.1 引言 |
| 4.2 问题描述 |
| 4.3 基于ROSAR波数域成像的相位梯度自聚焦算法 |
| 4.3.1 含运动误差ROSAR信号及剩余运动误差分析 |
| 4.3.2 增强ROSAR相位梯度自聚焦方法 |
| 4.4 算法分析及仿真实验结果 |
| 4.4.1 改进Stolt插值处理对误差作用分析 |
| 4.4.2 点目标场景仿真实验结果 |
| 4.4.3 仿真实测场景成像结果 |
| 4.5 本章小结 |
| 第五章 基于空间分集的双基圆轨迹合成孔径雷达成像方法 |
| 5.1 引言 |
| 5.2 双基圆轨迹合成孔径雷达傅立叶空间采样分析 |
| 5.2.1 傅立叶空间采样理论 |
| 5.2.2 传统双基圆轨迹合成孔径雷达傅立叶空间采样面积分析 |
| 5.3 基于空间分集的双基圆轨迹合成孔径雷达成像方法与性能分析 |
| 5.3.1 信号模型 |
| 5.3.2 成像处理流程 |
| 5.3.3 傅立叶空间采样面积分析 |
| 5.3.4 二维图像分辨率 |
| 5.4 仿真实验分析结果 |
| 5.5 本章小结 |
| 第六章 非均匀旋转目标运动参数快速估计及ISAR成像方法研究 |
| 6.1 引言 |
| 6.2 非均匀旋转目标ISAR信号模型 |
| 6.3 QFM信号二次调频率快速估计方法 |
| 6.3.1 基于时间-调频率分布的Radon变换 |
| 6.3.2 基于Radon变换的最小二乘快速估计方法 |
| 6.3.3 预滤波处理与基于最小熵准则的加权最小二乘估计方法 |
| 6.4 调频率与中心频率快速估计方法 |
| 6.4.1 基于TFD的调频率加权最小二乘估计方法 |
| 6.4.2 基于距离-多普勒域的中心频率快速估计方法 |
| 6.5 仿真实验分析和实测数据处理结果 |
| 6.5.1 计算复杂度分析 |
| 6.5.2 仿真目标成像结果与性能分析 |
| 6.5.3 实测数据成像处理 |
| 6.6 本章小结 |
| 第七章 总结与展望 |
| 7.1 工作总结 |
| 7.2 工作展望 |
| 附录 |
| 参考文献 |
| 致谢 |
| 作者简介 |
四、基于惯导系统的机载SAR运动补偿精度分析（论文参考文献）
- [1]应用惯性传感器的机载SAR传递对准技术研究[D]. 杨文博. 西安理工大学, 2021(01)
- [2]无人机载干涉SAR系统性能分析及应用研究[D]. 傅志豪. 应急管理部国家自然灾害防治研究院, 2021(02)
- [3]高分辨率毫米波SAR成像处理方法研究[D]. 薛蒙. 内蒙古工业大学, 2021(01)
- [4]视频SAR运动补偿算法研究及成像软件实现[D]. 涂标. 电子科技大学, 2021(01)
- [5]车载InSAR的DEM提取关键技术研究[D]. 戴国梦. 武汉大学, 2020(03)
- [6]复杂轨迹SAR成像算法研究与信号处理机实现[D]. 张永伟. 电子科技大学, 2020(07)
- [7]机载合成孔径雷达成像和运动补偿技术研究[D]. 陆钱融. 上海交通大学, 2019(06)
- [8]基于GPU的机载SAR精细成像应用系统[D]. 薛心竹. 西安电子科技大学, 2019(02)
- [9]高分辨SAR成像算法的FPGA实现及SAR图像增强研究[D]. 武玉娟. 西安电子科技大学, 2019(02)
- [10]复杂运动条件下的SAR/ISAR聚焦方法研究[D]. 张俊. 西安电子科技大学, 2019