一、机载SAR运动补偿系统设计及算法研究(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》文中进行了进一步梳理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。
涂标[2](2021)在《视频SAR运动补偿算法研究及成像软件实现》文中提出视频合成孔径雷达(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。
张艺坤[3](2020)在《基于多核DSP的SAR成像与GMTI算法设计》文中指出机载合成孔径雷达(Synthetic Aperture Radar,SAR)不仅具备对地面静止物体的远距离、高分辨率成像,同时还可以实现对地面动目标的检测,在军事和民用领域都有极大的应用价值。针对SAR信号处理具有回波数据量大、算法计算复杂、实时性要求高等特点,结合无人机载平台特性,设计便于无人机搭载的高性能SAR实时信号处理系统是当今SAR研究热点之一。本文设计的SAR实时信号处理系统采用基于3U尺寸的VPX总线设计,该系统集信号采集功能、信号处理功能、数据存储功能和数据回放功能于一体,由多个功能模块组成。其核心为信号处理模块,该模块基于多核DSP芯片TMS320C6678设计而成,负责完成大部分信号处理任务。TMS320C6678芯片内部集成了8个工作主频可达1.25GHz的C66x系列内核,此外还具有三级存储结构和丰富的接口资源。这些特性使其可以满足SAR实时信号处理所需的高传输带宽、大数据量和大计算量等要求。本文的主要工作是设计基于多核DSP芯片TMS320C6678的嵌入式实时信号处理软件,实现条带SAR成像、聚束SAR成像、GMTI处理与DBS成像结合等功能。针对SAR处理过程具有大数据量、可并行处理等特点,本文提出一种数据分段存储方法,将数据按照距离向分为八段存储,便于多核DSP并行协同处理数据。此外,本文还提出了一种基于C6678的大数据量非方阵矩阵原址转置方法,将非方阵矩阵划分为若干小方阵,然后针对小方阵进行矩阵转置,从而实现大方阵的矩阵原址转置,节省存储空间占用;同时,转置后的数据在后续的DMA时效率更高,可以提升程序执行效率。本文结合这两种方法进行软件设计,具体设计内容包括软件整体框架设计和算法设计。算法设计时根据模式不同可分为条带SAR成像模式、聚束SAR成像模式和GMTI模式。SAR模式下本文结合机载平台特性与实测数据,在距离-多普勒算法(Range-Doppler,RD)和极坐标格式算法(Polar Format Algorithm,PFA)基础上增加相应算法模块进行算法改进,主要包括运动补偿模块、PGA估计模块、方位调频率估计模块和图像校正模块等。此外在GMTI模式下本文将GMTI处理与DBS成像相结合进行工程实现。在不同模式下进行算法设计时,本文首先依据所改进的算法处理特点及项目需求进行DSP间任务分配及数据交互方案设计。然后给出各个模式下的算法处理流程和各算法模块的具体设计与实现方法。最后结合雷达实测数据在每种模式下进行功能测试,可以得到清晰的地面场景图像和动目标点迹,对图像分辨率等指标分析过后均符合要求,验证了本文设计的可行性。
戴国梦[4](2020)在《车载InSAR的DEM提取关键技术研究》文中提出合成孔径雷达(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[5](2020)在《复杂轨迹SAR成像算法研究与信号处理机实现》文中研究表明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。
杜婉婉[6](2020)在《机载SAR成像及几何失真校正的FPGA实现》文中指出机载合成孔径雷达(SAR)是一种高分辨率的成像雷达,具有全天时、全天候的工作特点,在遥感领域已占据重要地位。极坐标格式算法(PFA)是机载SAR常用的成像方法,该算法采用的平面波前假设会带来几何失真的问题,因此本文在PFA成像后采用几何失真校正方法进行处理。该处理过程数据吞吐量大,算法较为复杂,如何提高处理效率是研究的重点问题。现场可编程门阵列(Field Programmable Gate Array,FPGA)集成度较高、成本和功耗较低,且具有可重构以及流水线处理等优点,这些都符合SAR成像处理对系统性能、成本等的要求,因此本文主要研究机载SAR成像以及几何失真校正的FPGA实现。第一章首先介绍了该课题的研究背景,并在军事及民用领域对其研究意义进行探讨。接着阐述了机载SAR成像技术以及FPGA技术在国内外的发展现状,提出了采用硬件FPGA技术实现机载SAR成像以及几何失真校正处理的方案,指出了FPGA处理系统的优势所在,并分析了FPGA处理过程中需要注意的几个的关键点,最后对本文的内容安排进行了简要概述。第二章从机载SAR成像出发,给出了成像几何模型并对其进行分析,在此基础上阐述了PFA成像算法的原理及步骤。针对成像时平面波前假设带来的几何失真问题,采用几何失真校正对其进行处理,文中详细介绍了失真的产生机理及校正的具体办法,并逐步进行了仿真验证,最后通过图像拼接以及实测数据处理进一步说明几何失真校正的有效性。第三章将硬件FPGA技术与算法处理相结合,完成了算法到FPGA芯片内部的映射。首先将上一章提到的机载SAR成像算法以及几何失真校正算法分别用硬件FPGA实现,接着结合FPGA板卡的构造以及功能模块进行了较为系统的设计。其中为了节省资源提高效率,设计了数据存储模块,为了满足数据传输的要求,分别设计了以太网传输模块和SERDES传输模块,并对各个模块的设计原理进行了具体分析。第四章从工程实践的角度出发,在FPGA处理板卡上对上述设计的可行性进行了验证。结合以太网、DDR3等硬件资源,搭建了完整的系统实现框架。在此基础上处理了一组雷达实测数据,处理结果表明机载SAR成像及几何失真校正的FPGA实现方案可行,且在成像质量、处理精度等方面均能满足要求。第五章总结了本文工作并提出了与未来研究方向有关的一些建议。
左峰[7](2020)在《视频合成孔径雷达成像算法研究》文中研究表明视频SAR因其所具备的高帧率、高分辨成像以及更符合人眼视觉的动态场景监测能力,受到越来越多的关注。而太赫兹视频SAR在兼顾视频SAR优势的基础上还具备了低延时的特性,是某些实时监测应用场景的最佳选择。随着太赫兹器件水平的不断提升,太赫兹视频SAR也逐渐崭露头角。因此,开展太赫兹视频SAR系统结构及成像算法研究是具有重要意义的。如何将视频SAR技术与太赫兹技术两者很好的结合,是实现太赫兹视频SAR系统的技术关键。基于此,本文将对太赫兹视频SAR的系统结构、高帧率成像、运动补偿及动目标检测等关键技术进行深入地研究。本论文主要工作和贡献包括以下几个方面:1.针对高帧率、高分辨、低延时的应用需求,开展视频SAR系统关键参数论证,完成了太赫兹视频SAR系统结构方案设计。该方案将工作频段选取在太赫兹波段,兼顾了高分辨与低延时的需求;针对当前太赫兹器件发射功率较低的问题,提出了固态源加折叠行波管的发射机设计方案。该方案能够产生大功率宽带太赫兹信号,为视频SAR系统高帧率成像提供保障;针对远距离目标带宽损失的问题,提出了单源双扫频的系统结构,在简化系统结构的同时避免了系统带宽的损失。2.针对传统PFA成像算法中存在的几何畸变与图像散焦的问题,开展视频SAR实时成像算法研究,提出了基于二维CZT的太赫兹视频SAR实时成像算法。该算法利用太赫兹视频SAR积累角小的特点,通过二维CZT实现波数域二维重采样,降低了算法复杂度。同时,该算法基于更准确的成像模型,解决了几何畸变与图像散焦的问题;针对不同的成像场景,提出了不同的算法优化方式,在保证成像精度的同时进一步地提升了算法效率。3.针对太赫兹视频SAR在实际成像过程中存在的运动误差,提出了基于高度项移除的运动补偿算法,解决了空变误差补偿困难的问题。该算法利用二维成像时高度项与目标位置无耦合的特点,通过从距离公式中移除高度项,将二维空变误差简化为一维相位误差。同时,给出了一维场景划分补偿空变误差的定量依据。在保证图像校正质量的基础上,提高了补偿算法的效率。4.针对传统单发单收雷达系统动目标检测定位困难的问题,提出了基于阴影的太赫兹视频SAR动目标检测定位与参数估计方法,实现了单发单收系统结构下的动目标检测定位与参数估计。该方法利用太赫兹SAR图像“物虚影实”的特点,通过阴影实现动目标检测;同时,该方法利用太赫兹视频SAR图像帧“相邻相似”的特点,提出了基于Radon变化的动目标速度估计方法,实现了太赫兹视频SAR对动目标速度的实时持续估计。
陆钱融[8](2019)在《机载合成孔径雷达成像和运动补偿技术研究》文中认为合成孔径雷达(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。
范明[9](2019)在《基于标准VPX的机载SAR成像/GMTI算法实现》文中指出合成孔径雷达(Synthetic Aperture Radar,SAR)不仅可以远距离对地面场景实现高分辨率成像还能够检测地面运动目标,在军事和民用领域均有巨大的应用价值。SAR信号处理回波数据量大、计算复杂,对处理系统性能要求高,如何在无人机平台上实现多模式、高性能SAR信号处理日益成为热点。针对无人机载SAR信号处理系统高性能、低功耗计算的强劲需求,TI公司推出的基于Keystone架构设计的TMS320C6678芯片,可以满足所需要求。它在一片DSP芯片内集成8个处理器核心,每核主频最高可达1.25GHz,是目前浮点运算能力最强的DSP,此外还具有丰富的接口资源。基于标准VPX总线和C6678处理器设计的信号处理板卡,可以满足SAR实时信号处理中大数据量、大运算量、高带宽传输的要求。本文首先概述机载SAR工作运动模型、SAR成像原理以及基本的距离-多普勒(Range-Doppler,RD)成像算法,接着介绍GMTI处理中杂波抑制和目标检测的基本原理。在实现方面,本文基于TMS320C6678开发无人机载SAR系统的嵌入式实时处理软件,设计适用于多核并行计算的数据存储方式和大数据块原地址矩阵转置的方法,并根据无人机载平台运动特点及实测数据给出了一种结合运动补偿和两次方位调频率估计的改进型RD成像算法。最后本文给出软件总体设计方案和SAR成像、GMTI动目标检测、DBS成像的处理流程以及各模块多核并行具体实现方法,结合雷达实测数据利用DSP实时处理结果和MATLAB事后处理结果对比完成算法的移植与调试。针对TI缺少底层库函数支持的问题,给出一种基于内联函数的高效编程优化方法,经验证大幅度减小计算耗时,有效提高程序的执行效率。经过外场挂飞实验对DSP信号处理软件实现的各算法功能进行测试,得到3m、1m、0.5m、0.3m分辨率清晰的双极化SAR图像、动目标点迹及DBS图像,图像分辨率、处理时间等指标均符合要求,取得满意结果,验证设计的可行性。
杨鸣冬[10](2019)在《高分辨率合成孔径雷达运动补偿与极化信息处理研究》文中指出作为一种先进的主动式微波遥感系统,合成孔径雷达(Synthetic Aperture Radar,SAR)可以全天时、全天候对地实施观测,有着十分广阔的应用前景。运动补偿(Motion Compensation,MOCO)是SAR应用中获取高质量图像的关键步骤,但是,随着分辨率提高,广泛采用的两步运动补偿法的性能却出现了严重下降。高分辨率成像中,如何精确地校正空变运动误差仍是很大的挑战。并且,高分辨率宽测绘带的发展趋势意味着更庞大的数据量,常规运动补偿算法将会耗费大量的运算和存储资源,难以满足实时处理的需求。如何保证处理精度的同时提高算法的实时处理性能是运动补偿方案设计需要着重考虑的。此外,极化合成孔径雷达(Polarimetric Synthetic Aperture Radar,Pol SAR)能够获取更精细、更全面的目标散射特征,在目标识别、分类以及参数反演等方面存在重要的应用价值。极化目标分解作为解译目标散射特征的主要工具,一直是Pol SAR研究的重点。本文针对高分辨率合成孔径雷达运动补偿与极化信息处理中的关键问题进行了深入研究,主要工作如下:1.研究了广泛采用的两步运动补偿法在高分辨率成像中性能下降的问题,从距离徙动校正误差的角度进行了分析。本文推导了存在航迹误差的回波信号频谱的通用表达式,对运动误差引起的距离徙动校正误差和方位压缩误差进行了分析。在此基础上。研究了残余距离空变误差对距离徙动校正的影响,对两步运动补偿法和一步运动补偿法进行比较,验证了一步运动补偿法能够避免引起额外的距离徙动校正误差,更适用于高分辨率成像,与Omega-K算法的结合也更简便。2.基于距离子带处理提高了一步运动补偿法和精确地形孔径依赖(Precise Topography-and Aperture-Dependent,PTA)算法的实时处理性能,提出了一种改进的多级空变运动补偿方案,兼顾处理精度和运算效率。该方案基于距离子带处理实现无插值的近似距离包络补偿,提高了一步运动补偿法的运算效率。并且,对一步运动补偿法的常规处理顺序进行修正,保证相位补偿精度不受近似距离包络补偿的影响。基于距离子带处理还能够降低子带内残余方位空变误差的距离空变性,不再需要逐像素计算残余方位空变误差,降低了PTA算法的运算量。相比于常规运动补偿算法,该方案减少了运算和存储资源的消耗,具有较高的工程应用价值,为实时处理方案设计提供了一种有效思路。3.对滑动聚束模式中的运动补偿问题进行了研究,并提出了一种基于子孔径图像相干叠加的滑动聚束模式实时成像处理方案。利用子孔径技术解决滑动聚束模式成像处理中PRF不足的问题;子孔径数据处理选择Omega-K算法,保证高分辨率情况下的聚焦质量;根据“等效运动误差曲线”的概念选取不断变换的视线方向进行运动补偿,相比固定方向运动补偿能够获得更理想的补偿效果。该方案在各个子孔径内分别完成方位压缩,配准相邻子孔径图像后在图像域进行相干叠加,最终累加得到全孔径图像。相比于子孔径处理的常规框架,该方案不需要进行全孔径方位压缩,减少了运算和存储资源的消耗,提高了成像处理的实时性能。4.研究了一种基于城市区域提取的混合极化目标分解算法,以提高基于散射模型的极化目标分解算法对不同散射特征目标的适配性。该算法利用极化相干性增强技术区分城市区域和自然分布区域,针对这两种具有不同散射特征的区域采用不同的极化目标分解算法进行处理,并引入线散射模型和修正的体散射模型提高城市区域散射机制的解译精度。此外,基于散射特征分析推导了负功率像素限制条件,达到消除负功率像素的目的,更加符合物理实际。
二、机载SAR运动补偿系统设计及算法研究(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、机载SAR运动补偿系统设计及算法研究(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)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 |
(3)基于多核DSP的SAR成像与GMTI算法设计(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 课题研究背景及意义 |
1.2 国内外研究历史及现状 |
1.2.1 SAR成像技术发展历史及现状 |
1.2.2 GMTI技术发展历史及现状 |
1.3 DSP在雷达信号处理中的应用 |
1.4 本文研究内容及安排 |
第二章 硬件平台介绍及信号处理软件框架设计 |
2.1 雷达系统整体介绍 |
2.2 雷达信号处理机 |
2.3 信号处理模块及DSP介绍 |
2.4 信号处理软件框架设计 |
2.4.1 概述 |
2.4.2 芯片初始化 |
2.4.3 内存分配 |
2.4.4 数据接收与存储 |
2.4.5 多核同步方法 |
2.5 本章小结 |
第三章 基于多核DSP的条带SAR成像算法设计 |
3.1 距离-多普勒算法 |
3.2 条带SAR成像算法实现流程设计 |
3.2.1 概述 |
3.2.2 DSP间任务分配及数据交互 |
3.2.3 成像处理流程 |
3.3 实测数据处理结果及分析 |
3.4 本章小结 |
第四章 基于多核DSP的聚束SAR成像算法设计 |
4.1 极坐标格式算法介绍 |
4.2 聚束SAR成像算法实现流程设计 |
4.2.1 概述 |
4.2.2 DSP间任务分配及数据交互 |
4.2.3 成像处理流程 |
4.3 实测数据处理结果及分析 |
4.4 本章小结 |
第五章 基于多核DSP的 GMTI处理与DBS成像算法设计 |
5.1 GMTI算法原理介绍 |
5.1.1 1DT杂波对消 |
5.1.2 CFAR检测 |
5.2 DBS成像原理 |
5.3 GMTI处理与DBS成像算法实现流程设计 |
5.3.1 概述 |
5.3.2 数据接收与存储 |
5.3.3 算法处理流程 |
5.4 实测数据处理结果 |
5.5 本章小结 |
第六章 总结与展望 |
6.1 总结 |
6.2 展望 |
参考文献 |
致谢 |
作者简介 |
(4)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 |
(5)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 |
(6)机载SAR成像及几何失真校正的FPGA实现(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
1.1 课题背景及研究意义 |
1.2 研究历史与现状 |
1.2.1 机载SAR成像发展概述 |
1.2.2 基于FPGA的 SAR成像处理技术 |
1.3 本文主要工作 |
第二章 机载SAR成像及基本算法研究 |
2.1 引言 |
2.2 基于PFA算法的机载SAR成像 |
2.2.1 成像几何模型分析 |
2.2.2 成像原理与步骤 |
2.2.3 点目标仿真 |
2.3 几何失真校正 |
2.3.1 几何失真产生机理 |
2.3.2 波前弯曲效应分析 |
2.3.3 几何失真校正处理 |
2.3.4 点目标仿真 |
2.4 图像拼接 |
2.4.1 互相关配准 |
2.4.2 加权拼接 |
2.5 实测数据处理 |
2.6 本章小结 |
第三章 基于FPGA的算法实现及系统设计 |
3.1 引言 |
3.2 雷达参数计算的FPGA实现 |
3.2.1 计算原理及流程 |
3.2.2 测试结果分析 |
3.3 机载SAR成像的FPGA实现 |
3.3.1 距离向PCS处理 |
3.3.2 SINC插值 |
3.4 几何失真校正的FPGA实现 |
3.4.1 处理流程 |
3.4.2 时序关系与状态控制 |
3.4.3 接口介绍与实测分析 |
3.5 数据存储设计 |
3.5.1 存储原理介绍 |
3.5.2 接口设计方案 |
3.6 以太网传输设计 |
3.6.1 模型及UDP/IP协议介绍 |
3.6.2 传输方案设计 |
3.7 SERDES传输设计 |
3.7.1 数据接口选择 |
3.7.2 传输原理与结构 |
3.7.3 方案设计与端口定义 |
3.7.4 实测验证与分析 |
3.8 本章小结 |
第四章 基于FPGA处理板卡的系统验证与分析 |
4.1 引言 |
4.2 FPGA硬件平台介绍 |
4.3 系统验证方案 |
4.3.1 验证整体架构 |
4.3.2 处理流程控制 |
4.4 实测数据处理与分析 |
4.4.1 实测数据处理 |
4.4.2 处理效率与资源利用率 |
4.5 本章小结 |
第五章 结束语 |
参考文献 |
致谢 |
在学期间的研究成果及发表的学术论文 |
(7)视频合成孔径雷达成像算法研究(论文提纲范文)
摘要 |
abstract |
缩略词表 |
第一章 绪论 |
1.1 研究工作的背景及意义 |
1.2 国内外研究现状 |
1.2.1 视频SAR研究现状 |
1.2.2 太赫兹SAR研究现状 |
1.3 论文的主要内容和章节安排 |
第二章 视频SAR基本原理 |
2.1 引言 |
2.2 视频SAR高帧率成像原理 |
2.2.1 视频SAR帧率分析 |
2.2.2 视频SAR系统工作频段选择 |
2.3 太赫兹视频SAR系统设计 |
2.3.1 去调频处理 |
2.3.2 系统参数设计 |
2.3.3 视频SAR系统总体 |
2.4 本章小结 |
第三章 视频SAR成像算法研究 |
3.1 引言 |
3.2 太赫兹视频SAR成像基本原理 |
3.2.1 极坐标成像算法原理 |
3.2.2 成像模型误差分析 |
3.3 基于CZT的太赫兹视频SAR持续成像算法 |
3.3.1 CZT基本原理 |
3.3.2 基于CZT的太赫兹视频SAR成像算法 |
3.3.3 视频SAR连续帧图像统一坐标系输出算法 |
3.3.4 成像算法复杂度分析 |
3.4 基于成像场景的视频SAR成像算法优化 |
3.4.1 距离向重采样优化准则 |
3.4.2 方位向重采样优化准则 |
3.5 实验与结果分析 |
3.5.1 视频SAR持续成像算法验证与分析 |
3.5.2 视频SAR持续成像算法优化方法验证 |
3.6 本章小结 |
第四章 视频SAR运动补偿算法研究 |
4.1 引言 |
4.2 圆周聚束模式下的运动误差模型 |
4.3 基于去除高度项的运动误差补偿算法 |
4.3.1 RVP补偿方法回顾 |
4.3.2 高度项移除算法 |
4.3.3 空变误差补偿 |
4.3.4 运动补偿流程优化 |
4.4 实验与结果分析 |
4.4.1 高度向误差补偿算法验证与性能分析 |
4.4.2 残余空变误差补偿算法验证与性能分析 |
4.5 本章小结 |
第五章 基于视频SAR连续帧的动目标参数估计方法 |
5.1 引言 |
5.2 视频SAR动目标成像模型 |
5.2.1 运动对SAR成像的影响 |
5.2.2 运动目标阴影形成原理 |
5.3 太赫兹视频SAR动目标速度估计方法 |
5.3.1 基于Radon变换的动目标运动方向估计方法 |
5.3.2 基于视频SAR连续帧图像的动目标速度估计方法 |
5.4 实验与结果分析 |
5.4.1 动目标阴影检测 |
5.4.2 动目标速度估计算法性能分析 |
5.5 本章小结 |
第六章 全文总结与展望 |
6.1 全文工作总结 |
6.2 后续工作展望 |
致谢 |
参考文献 |
攻读博士学位期间取得的成果 |
(8)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 |
(9)基于标准VPX的机载SAR成像/GMTI算法实现(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 课题研究背景 |
1.2 课题研究意义 |
1.3 国内外研究历史及现状 |
1.3.1 SAR技术发展现状 |
1.3.2 SAR成像算法发展 |
1.3.3 GMTI技术发展 |
1.3.4 DSP在雷达信号处理中的应用 |
1.4 本文的内容及安排 |
第二章 SAR成像/GMTI算法原理和信号处理平台 |
2.1 线性调频信号及脉冲压缩 |
2.1.1 线性调频信号 |
2.1.2 脉冲压缩技术 |
2.2 SAR成像原理 |
2.2.1 二维高分辨率 |
2.2.2 SAR成像基本原理 |
2.3 SAR成像算法 |
2.3.1 距离-多普勒算法 |
2.3.2 改进的R-D算法 |
2.4 GMTI算法 |
2.4.1 杂波抑制 |
2.4.2 目标检测 |
2.5 基于VPX总线的信号处理平台 |
2.5.1 信号处理平台简介 |
2.5.2 VPX总线架构 |
2.5.3 信号处理板及其处理器 |
2.6 本章小结 |
第三章 SAR成像算法设计与实现 |
3.1 实时处理软件总体设计 |
3.1.1 芯片初始化配置 |
3.1.2 内存分配及数据缓存设计 |
3.1.3 中断服务程序设计 |
3.2 成像数据接收及任务分配 |
3.2.1 数据接收及存储设计 |
3.2.2 处理任务分配 |
3.3 SAR成像处理各模块设计 |
3.4 各模块时间统计及双极化成像结果 |
3.5 本章小结 |
第四章 GMTI算法设计与实现 |
4.1 GMTI数据接收及任务分配 |
4.1.1 数据接收及存储设计 |
4.1.2 处理任务分配 |
4.2 GMTI处理各模块设计 |
4.3 DBS成像各模块设计 |
4.4 底层函数优化 |
4.5 各模块时间统计及实时处理结果 |
4.6 本章小结 |
第五章 总结与展望 |
5.1 本文内容总结 |
5.2 展望 |
参考文献 |
致谢 |
作者简介 |
(10)高分辨率合成孔径雷达运动补偿与极化信息处理研究(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
1.1 研究背景和意义 |
1.2 合成孔径雷达发展历程和运动补偿算法研究现状 |
1.2.1 SAR系统发展历程 |
1.2.2 SAR成像算法研究现状 |
1.2.3 运动补偿算法研究现状 |
1.3 极化合成孔径雷达发展历程和极化目标分解算法研究现状 |
1.3.1 极化SAR系统发展历程 |
1.3.2 极化目标分解算法研究现状 |
1.4 本文的内容安排 |
第二章 适用于高分辨率成像的一步运动补偿法 |
2.1 引言 |
2.2 运动误差建模 |
2.2.1 存在航迹误差的SAR成像几何关系 |
2.2.2 存在航迹误差的回波信号频谱 |
2.3 运动误差对成像处理的影响 |
2.3.1 距离徙动校正误差 |
2.3.2 方位压缩误差 |
2.4 结合两步运动补偿法的扩展Omega-K算法 |
2.4.1 两步运动补偿法 |
2.4.2 扩展Omega-K算法 |
2.4.3 两步运动补偿法误差分析 |
2.5 结合一步运动补偿法的常规Omega-K算法 |
2.6 点目标仿真和实测数据处理 |
2.6.1 点目标仿真 |
2.6.2 实测数据处理 |
2.7 本章小结 |
第三章 基于距离子带处理的多级空变运动补偿 |
3.1 引言 |
3.2 改进的一步运动补偿法 |
3.2.1 近似距离包络补偿引起的相位误差 |
3.2.2 修正的视线方向误差计算方式 |
3.2.3 算法分析 |
3.3 改进的孔径依赖补偿算法 |
3.3.1 “窄波束平地假设”的局限性 |
3.3.2 宽波束运动补偿算法 |
3.3.3 基于距离子带处理的改进PTA算法 |
3.3.4 运算量分析 |
3.4 基于距离子带处理的多级空变运动补偿方案 |
3.4.1 距离子带宽度选择准则 |
3.4.2 方案处理流程 |
3.5 点目标仿真和实测数据处理 |
3.5.1 点目标仿真 |
3.5.2 实测数据处理 |
3.6 本章小结 |
第四章 滑动聚束模式运动补偿与实时成像处理研究 |
4.1 引言 |
4.2 回波信号分析 |
4.2.1 滑动聚束模式的SAR成像几何关系 |
4.2.2 回波信号模型 |
4.2.3 方位分辨率和测绘带宽度 |
4.2.4 方位频率历程 |
4.3 结合视线方向运动补偿的子孔径成像处理方案 |
4.3.1 子孔径成像算法选择 |
4.3.2 视线方向运动补偿 |
4.3.3 成像处理方案 |
4.3.4 点目标仿真和实测数据处理 |
4.4 基于子孔径图像相干叠加的实时成像处理方案 |
4.4.1 子孔径Omega-K算法成像 |
4.4.2 子孔径图像配准 |
4.4.3 子孔径图像相干叠加 |
4.4.4 实测数据处理 |
4.5 本章小结 |
第五章 基于城市区域提取的混合极化目标分解 |
5.1 引言 |
5.2 极化信息处理基础 |
5.3 基于散射模型的极化目标分解算法 |
5.3.1 Freeman-Durden三分量分解算法 |
5.3.2 Yamaguchi四分量分解算法 |
5.4 基于城市区域提取的混合极化目标分解算法 |
5.4.1 基于极化相干性增强的城市区域提取处理 |
5.4.2 散射模型的选取 |
5.4.3 针对城市区域的五分量分解算法 |
5.4.4 针对自然分布区域的四分量分解算法 |
5.4.5 基于城市区域提取的混合极化目标分解算法处理流程 |
5.5 实测数据处理 |
5.5.1 AIRSAR全极化数据处理 |
5.5.2 RADARSAT-2 全极化数据处理 |
5.6 本章小结 |
第六章 结束语 |
参考文献 |
致谢 |
在学期间的研究成果及发表的学术论文 |
四、机载SAR运动补偿系统设计及算法研究(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]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)
- [3]基于多核DSP的SAR成像与GMTI算法设计[D]. 张艺坤. 西安电子科技大学, 2020(05)
- [4]车载InSAR的DEM提取关键技术研究[D]. 戴国梦. 武汉大学, 2020(03)
- [5]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)
- [6]机载SAR成像及几何失真校正的FPGA实现[D]. 杜婉婉. 南京航空航天大学, 2020(07)
- [7]视频合成孔径雷达成像算法研究[D]. 左峰. 电子科技大学, 2020(07)
- [8]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)
- [9]基于标准VPX的机载SAR成像/GMTI算法实现[D]. 范明. 西安电子科技大学, 2019(02)
- [10]高分辨率合成孔径雷达运动补偿与极化信息处理研究[D]. 杨鸣冬. 南京航空航天大学, 2019(01)