[发明专利]基于投影近似子空间跟踪技术的自聚焦方法

说明书

技术领域

本发明涉及一种将投影近似子空间跟踪(projection approximation subspace tracking， 简称PAST)技术应用于合成孔径雷达(synthetic aperture radar，简称SAR)图像自聚焦 中的方法，采用PAST技术估计所需的特征向量，完成对SAR图像的自聚焦处理。

背景技术

PGA算法通过相位误差补偿改善SAR图像的聚焦质量，因为其具有良好的自聚焦性 能和鲁棒性，被广泛应用于SAR图像上。PGA算法如文献1：D.E Wahl，P.H.Eichel，D. C.Ghiglia，C.V.Jakowatz，JR.Phase Gradient Autofocus-A Robust Tool for High Resolution SAR Phase Correction 1994.2：Hian Lim Chan，Tat Soon Yeo.Noniterative Quality Phase-Gradient Autofocus(QPGA)Algorithm for Spotlight SAR Imagery 1998.中公开的技 术。

基于特征向量法的自聚焦算法，同时利用多个脉冲估计相位误差函数，相比较于PGA 算法中仅利用相邻两个脉冲估计相位误差函数的方法，具有更高的估计精度，在较少迭 代次数的情况下就可以获得理想的自聚焦效果。并且该算法对信噪比(signal-noise-ratio， 简称SNR)要求较低，甚至在不加窗的情况下也可以保证相位估计的无偏性和估计精度， 确保对宽带随机相位误差的正确估计。此技术如文献1：Charles V J，Daniel E W. Eigenvector Method for Maximum-Likelihood Estimation of Phase Errors in Synthetic-Aperture Radar Imagery 1993.2：Pan Cao，Mengdao Xing，Guangcai Sun，Yachao Li， Zheng Bao.Minimum Entropy via Subspace for ISAR Autofocus 2010.中公开的技术。但是， 该算法必须对协方差矩阵进行特征分解，运算量巨大，严重影响算法的实时处理能力， 所以在实际中并不被广泛应用。

发明内容

本发明的目的是寻找一种更有效的方案来替代基于特征分解方法的自聚焦方法，在 同样获得优于PGA算法的自聚焦性能同时，有效减化原自聚焦算法实现复杂度。本发明 采用PAST技术代替协方差矩阵的估计和特征分解，以估计所需的特征向量，显著降低 自聚焦算法复杂度，从而有效提高算法实时处理性能。

本发明为实现上述目的，采用如下技术方案：

本发明基于投影近似子空间跟踪技术的自聚焦方法，包括如下步骤：

1)利用对SAR图像各距离单元最强散射点循环移位、加窗后作方位向傅里叶逆变 换，将SAR图像变换至方位数据域；

其特征在于：

2)在方位数据域中，根据参与相位估计的距离单元数，选取参与相位估计的脉冲数， 将SAR图像进行分段；

3)利用PAST方法估计各段相位误差函数；

4)将步骤3)所述的各段相位误差函数进行拼接，并对该SAR图像进行相位补偿。

步骤3)所述的估计各段相位误差函数的方法如下：

将参与相位估计的同一距离单元信号用向量形式表示：

x_k＝[F_k(1)，F_k(2)，...F_k(M)]^T，

其中，T表示转置，M为参与相位估计的脉冲数，F_k(·)为SAR图像各距离单元最强散 射点在方位数据域的接收信号，F_k(m)＝a_k·exp[γ(m)]+n_k(m)，exp(.)代表指数运算，j 代表为复数的虚部，即γ(m)为相位误差值，a_k为一复常数，m_k(m)表示杂波 在方位数据域对于该场景中心点的影响，m＝1、2、3……M；设a_k和n_k(m)的方差值为：