论文研究-基于短时FRFT的SAR自聚焦算法 .pdf

合成孔径雷达（SAR）技术是一种利用雷达波在运动中对目标进行成像的远程感知技术，广泛应用于遥感、地质探测、海洋监测等领域。由于SAR成像过程中存在多种误差因素，比如设备性能限制、大气湍流等，导致实际运动和理想匀速直线运动之间存在偏差，接收回波信号中会包含相位误差，影响成像质量。为了实现高分辨率成像，必须利用信号处理技术从接收的回波中补偿这些残余的相位误差，这个过程被称为自聚焦。 自聚焦算法主要分为参数化自聚焦算法和非参数化自聚焦算法。参数化自聚焦算法是通过多项式函数近似相位误差模型，然后估计多项式的系数来获得相位误差。此类算法包括最小熵算法、子孔径算法和最大对比度法等。非参数化自聚焦算法则不需要通过参数化模型来获得相位误差，相位梯度自聚焦算法（PGA）和特显点法（PPP）是这类算法的代表。非参数化自聚焦算法由于不受相位误差模型阶次的限制，在SAR系统中得到了广泛应用。 PGA作为一种稳健的高分辨率SAR自聚焦算法，主要包括圆移、加窗、相位估计和补偿四个步骤。在实际应用中，PGA算法的性能与窗函数长度的选择密切相关。特别是在多个特显点相邻较近的情况下，窗函数长度的选择尤为关键。如果窗长度过大，则可能包含过多干扰信息；如果窗长度过小，则相位信息不完整，两者都会影响相位误差估计的准确性。 本研究提出了一种基于短时分数阶傅立叶变换（STFRFT）的自聚焦算法。该算法利用了同一距离门的散射点具有相同的相位历程和不同的线性相位分量的性质。通过在时频联合域中应用掩膜函数，可以提取不同散射点的谱图，从而有效分离散射点，获取更准确的相位误差历程。此算法降低了对场景孤立特显点的要求，提高了算法的稳健性。 短时分数阶傅立叶变换（STFRFT）是在传统的分数阶傅立叶变换（FRFT）基础上发展起来的一种时频分析工具。它将信号在分数阶域进行变换的同时考虑了时域的局部性，可以更好地处理非平稳信号。STFRFT在处理具有线性频率调制特性的信号时，能够提高时频分析的分辨率和定位准确性。 具体到本文的研究，STFRFT自聚焦算法通过将散射点的相位历程从时域和频域结合起来进行分析，使得在处理具有线性相位分量的信号时更加精确。这突破了传统PGA算法的限制，不仅在理论上改进了算法的稳健性，而且在实际应用中提高了算法的适应性和准确性。研究者通过实验验证了该算法的性能，表明即使在多个散射点存在的情况下，该算法也能较好地估计和补偿相位误差，从而获得更清晰的成像结果。 总体来看，基于STFRFT的SAR自聚焦算法在理论和实践中均显示出了比传统PGA算法更优的性能，尤其是在对多个散射点信息进行有效分离和准确估计相位误差方面。这项技术的进步对于提升SAR图像的成像质量具有重要的理论意义和实用价值。