西安电子科技大学
硕士学位论文
机载合成孔径雷达成像及定位
姓名：裘磊
申请学位级别：硕士
专业：信号与信息处理
指导教师：保铮;邢孟道
20060101
第三章合成孔径雷达成像算法
这一小节，假设上述条件满足。
Ｒ（ｔ勰）＝厢＊凡＋等（３．１３）对最近距离为ＲＢ的点目标Ｐ，其斜距与０的关系
式中，矿为载机速度，第二项为距离弯曲，在本小节的例子中，它对合成孔径期间的回波包络移动可以忽略，即Ｒ（ｔ。
；如）＊如，但对回波相位的影响必须考虑。
基于上述情况，将式（３．１３）代／Ｘ式（３．１２），距离快时间．方位慢时间域信号可写成
撕耻彳ｓ十舻一争卜，斗，等（凡＋警］］＠·Ｑ
即回波包络在二维平面里为一直线，不存在距离与方位向的耦合，从而使方位向的匹配滤波处理简化。
这时方位向匹配滤波的系统匹配函数为
屯“；ＲＢ）＝４，“）ｅｘｐＨ兀‰隅）ｆ：】（３．１５）其中，多普勒调频率为
‰（吒）＝一专，一（３．１６）和距离脉压一样，方位向脉压也可在多普勒域进行，脉压后的输出为
ｓ（ｉ，０；ＲＢ）＝ＩＦＦＬ｛ＦＦＴｆ矗【Ｊ驴，ｔ。
；岛）】·Ｆｖｒ，．ｉｓ。
（ｆ，；ＲＢ）】）（３．１７）若方位窗函数也是矩形，则上式可写成
畦“焉）：ｃｓｉｎｃ｛蜕卜一三垒阽ｉｌｌｃ∽ｔｍ）（３．１８）
ＬＬｏＪＪ
式中，蜕为多普勒带宽。
可见，对距离徙动不考虑的情况，接收的二维信号成为二维可分离的，通过简单的在距离和方位向分别进行线性调频信号的匹配滤波，就可实现对场景的二维成像。
下面图３．４为加拿大航天局发射的Ｒａｄａｒｓａｌ－１卫星由该算法实测成像结果，分辨率大约为１０×１０ｍ，图左侧为海洋，一条河流由右向左流入海洋，最右端为
图３．４Ｒａｄａｒｓａｔ－！卫星成像图
第三章合成孔径雷达成像算法
图３．７某研究所３ｒｅｘ３ｍ的机载场景图像
§３．４频域校正距离走动和弯曲的距离·多普勒算法
对于第③种情况，这时距离和方位是存在耦合，一般采用多普勒域解耦合方法，最常用的仍是Ｒ－Ｄ算法，但我们又将这种情况分为小斜视和大斜视两种情况，现在我们先讨论小斜视情况下的算法一频域校正距离走动和弯曲的距离－多普勒算法。
其实，将录取数据从慢时间（‘）域变换到多普勒（正）域，更有利于作上述处理，因为平行于航线上的点目标，其回波响应沿航线具有平移不变性，即在多普勒域里具有相同的响应曲线，只是在多普勒谱里用不同的线性相位标志各自的横向位置。
通常对不同垂直距离（％）的点目标，其响应具有空变性，这通常也可以用如作为参数在响应关系式里表示出来。
１）距离徙动与多普勒的关系
前面讨论雷达至点目标的斜距Ｒ时均以横距（或慢时间）为自变量，如Ｒ（ｔ。
；如）＝√胄：＋（以－ｘ）２＝√《＋（以一‰）２，式中如、以为点目标的垂直距离和横坐标，ｙ，ｘ为雷达载机速度和ｆ。
时刻的横向位置。
回波的多普勒五＝２矿，兄·ｓｉｎＯ，其中口为斜视角。
令厶垒２矿，五，即位于载机正前方点目标的回波的多普勒（最大多普勒），于是斜视角可写成
ｓｉｎＯ＝ｆｏ｜ｆＭＱ．３３）
一跨＝陌（３．３４）
而以五为自变量的斜距足∽，如）
毗㈥地／础碣／Ｆ丽静镰【ｌ＋吾（五／厶）２】（３．３５）
最后一个等式应用了ＬＩ／ｋ远小于１的近似条件，在斜视角口较小时，这一近
机载合成孔径雷达成像及定位
图３．８频域校正距离走动和弯曲的算法流程
以下图３．９为运用该算法所得到的３ｍ×３ｍ的机载场景图像，天线方位孔径为Ｄ＝０．４ｍ，对应方位向波束宽度为１．２８６６０，雷达发射ＬＦＭ信号，频带宽度Ｂ＝８０Ｍ，脉冲重复频率５０００Ｉ－Ｉｚ，载机飞行速度约为１１４ｍ／ｓ。
仔细观察可发现该场景为图３．７场景的时代变迁，在图３．７场景的基础上新增盖了大片房屋，同时我们发现同为３ｍ×３ｍ分辨率的场景，图３．８比图３．７的整体质量提高很多，虽然由于飞机雷达条件越来越好，但算法在其中起了大部分作用，这说明由于即考虑距离走动又考虑距离弯曲的算法复杂度和计算量比单纯只考虑距离走动的算法大很多从而在时间上多余的消耗，是值得的。
图３．９某研究所３ｍ×３ｍ的机载场景图像
§３．５时域校正线性距离走动并频域校正弯曲的距离一多普勒算法
上一小节讨论了距离徙动需要考虑，而相对距离徙动可以忽略的情况，主要是在频域校正距离徙动，适用于正侧视或小斜视的场合。
这一节将算法推广到距离徙动情况相同，而斜视角较大的情况。
这时对距离徙动的校正分两步进行：首先在时域校正掉距离走动的主要部分，然后转到距离频率．方位频率（多普勒）
弯曲了，然后通过第二步来校正距离弯曲。
之所以没有完全采用前一节的全
都在频域进行全部距离徙动的校正和压缩的方法，是因为在成像处理中我们通常采用方位分段（分孔径）处理，分段校正的成像方法。
图３．１ｌ给出了校正线性距离走动和距离弯曲的Ｒ－Ｄ成像算法的整个流程。
以下图３．１２为运用该算法所得到的３ｍ×３ｍ的黄河区域场景图像，包括鱼塘，黄河，黄土丘陵等，水面反射为黑色，天线方位孔径为Ｄ＝０．４ｍ，对应方位向波束宽度为１．２８６６０，天线斜视角大概为２妒雷达发射ＬＦＭ信号，频带宽度Ｂ＝８０Ｍ，脉冲重复频率５０００Ｈｚ，载机飞行速度约为１１４ｍ／ｓ。
图３．１２某研究所３ｍＸ３ｍ斜视２００的机载场景图像
§３．６线频调变标（ＣＳ，ＣｈｉｒｐＳｃａｌｉｎｇ）算法伫田
对于第④种情况，一般发生在波长较长或分辨率要求很高时，机载Ｐ波段ＳＡＲ属于这种情况。
这时距离和方位同样存在耦合，且距离徙动是空变的，即由距离弯曲引起的耦合部分在条带场景内是变化的，这时的多普勒域解耦合算法要具有位移修正量随纵向距离而改变的功能，常用的主要有线频调变标（ｃｓ，ＣｈｉＩ，ｐＳｃａｌｉｎｇ）类算法和距离走动算法（ＲＭＡ）。
由于论文篇幅所限，我们这里只讨论正侧视时的线频调变标算法。
合成孔径雷达正侧视工作时，距离徙动主要是距离弯曲，考虑距离弯曲的影响，而忽略场景中距离弯曲差的算法已经在上两小节里介绍过。
在这一节里，我们将讨论距离弯曲差不能忽略的情况，即场景纵深沿距离弯曲的空交性必须考虑。
采用这种方法时，点目标回波应保持为线频调（ＬＦＭ）信号，它的原理基于大时间带宽积的ＬＦＭ信号（ＳＡＲ里总是采用这样的信号）容易实现小的时移，这时只需将ＬＦＭ信号的中心频率作小的频移即可。
如图３．１３所示，其图中上面的实线表示原始的ＬＦＭ信号，而下面的曲线表示它脉压后的波形。
图中的点线和虚线分别表示原始ＬＦＭ信号的中心频率分别上移和下移矿的ＬＦＭ波形。
而下图中的点线和虚线的脉冲分别表示两者脉压后的波形，脉冲波形与原始的基本相同，而有＋：，ｆ／ｒ和一８ｆ／ｒ的时移，其中，，为ＬＦＭ信号的调频率。
这可以作如
第三章合成孔径雷达成像算法
以下图３．１６为运用ＣＳ算法所得到的３ｍＸ３ｍ的机载阎良机场场景图像，天线方位孔径为Ｄ＝Ｉ．２ｍ，对应方位向波束宽度为９．５４９３０，雷达发射ＬＦＭ信号，频带宽度Ｂ＝５０Ｍ，脉冲重复频率５００Ｈｚ，载机飞行速度约为１１３ｍ／ｓ。
图３．１６某研究所３ｒｅｘ３ｍ的阎良机场场景图像
以上通过我在研究生期间所参与项目所得到的ＳＡＲ图像为例，大概的介绍了基础的ＲＤ算法和它在不同情况下的变形，以及经典的ＣＳ算法。
除了这些算法，还有很多种其它算法适用于其它情况，在这里就不再一一举例了。
在下一章里我将介绍对图像质量提高的方法和讨论对图像中的目标点如何定位的问题。
机载合成孔径雷达成像及定位
的峰值，比较得实线峰值是由虚线峰值中分出的，显现出副瓣干扰下的各独立点，主副瓣也比得到明显提高。
由此可知，空间变迹算法对ＳＡＲ图像中的旁瓣相消是非常有效的。
（ａ）
（ｃ）
圈４．６空问变迹法实际教据试验
§４．２目标点的定位
在前一节我们讨论了成像后处理的图像质量的提高方法，这为图像场景中的目标点定位打下坚实的基础。
当今国际形式风云变换，自然灾害频繁，在现代战争和抗险救灾的环境中，必须争分夺秒，如果能在成像场景中第一时间对目标进行精确定位就是赢得时间，对决定战争的胜负和挽救人民的生命财产损失有着不可估计的贡献。
为了及时对发现的点目标进行定位，本节针对正侧视和小斜视情况下的成像算法提出ＳＡＩＬ成像场景中的点目标经纬度的计算方法，并就该方法的精确性进行参数估计和试验研究。