改进快速分解后向投影算法的自聚焦成像.docxVIP

改进快速分解后向投影算法的自聚焦成像 后向投影算法（bp）的本质是在一定方向上形成的，后向投影算法不仅适用于线性或非线性轨迹，而且重建的图像没有波前弯曲和几何变形。后向投影算法是后向投影算法的快速实现。除了上述优点外，快速分解后向投影算法的主要特点是显著降低了运算量。然而，如果存在运动误差，这种基于积分的方向聚焦后向投影算法和快速分解后向投影算法的组合将导致以下情况的景观补偿：（1）由于运动误差，图像的分散焦不沿方向。（2）图像区域和距离压缩相位域（以下简称相位域）之间的傅里叶变换（范里叶变换，tcp）之间没有任何关系。因此，快分解后的投影算法需要进行自聚焦处理。 文献使用波束形成 (等价于后向投影) 在距离-正弦角网格上重建图像, 指出在小角域条件下正弦角域与方位时域近似为傅里叶变换对关系, 并验证了该方法结合相位梯度自聚焦 (Phase Gradient Autofocus, PGA) 恢复图像的可能性.然而该方法并未从根本上解决运动误差较大时的图像快速重建问题.文献提出了虚拟极坐标系 (距离-正弦角域) 的概念, 仿真说明了快速分解后向投影算法使用虚拟极坐标系进行图像重构不影响聚焦质量.文献巧妙结合快速分解后向投影算法多孔径递归融合和多孔径图像偏移 (Multiple Aperture Mapdrift, MAM) 多孔径相位估计的特点, 提出了嵌套多孔径图像偏移的快速分解后向投影算法.该方法是基于运动误差的多项式模型提出的, 在对高频相位误差进行估计时其性能下降.文献[9-10]以最大图像锐度为优化指标, 通过求解聚焦性能代价函数估计运动误差.然而该方法涉及高维参数优化搜索, 不具有图像快速重建能力, 其实用性受到限制. 笔者提出了一种嵌套相位梯度自聚焦的改进快速分解后向投影算法.首先使用虚拟坐标系作为图像融合平面, 并沿视线方向建立局部极坐标系, 为相位梯度自聚焦提供图像域与相位历程域之间的傅里叶变换对关系以及最优相位估计方向.其次, 充分考虑到改进快速分解后向投影算法角域分辨力由低到高的变化规律, 提出了角域低分辨的运动补偿控制角域高分辨的图像散焦的运动补偿思路;通过建立全新的重叠子孔径构型, 将相位梯度自聚焦自然地嵌入到改进快速分解后向投影算法的不同阶段. 1 空间单元分析 如图1所示, 雷达波束始终指向场景中心C, 平台以速度v沿x方向匀速直线运动, 形成一个长度为L的合成孔径.令t为慢时间, 则天线相位中心坐标X=vt.以O为原点建立虚拟极坐标系, P点位于 (rp, Θp) , 其中, Θp=sinθp, 则天线到P点的瞬时斜距为 将P点的回波信号变换到基带并进行距离脉冲压缩, 则 其中, εp为P点的常值复反射系数, rect (·) 为窗函数, γ为信号调频率, T为脉冲持续时间,为快时间, fc为中心频率, 回波延时. 由于平台在实际飞行过程中出现偏航和姿态变化, 导致P点在虚拟极坐标系 (r-Θ坐标系, 其中Θ=sinθ) 下存在距离位置误差和角域位置误差.假设距离位置误差可以由全球定位系统或者惯性测量单元得到有效补偿, 且残余的距离位置误差没有超过一个距离单元, 因此在下面的分析中只考虑角域位置误差对图像聚焦的影响.如图1所示, 理想斜距, 运动误差使P点的角域位置由Θp变为Θ, 则真实斜距.由于忽略了距离位置误差, P′点在距离脉冲压缩后仍位于rp距离单元. 下面通过后向投影算法完成沿斜距历程R (rp, Θ;X) 的相干积累, 得到 (rp, Θ) 处的脉冲响应为 其中, λ为波长, ΔR (rp, Θ;X) 为斜距误差 (见图1的) .ε′p为受运动误差调制的复反射系数, 表示成 其中, φ为相位误差, 是X或t的函数, 也是下面需要用自聚焦算法估计的相位. 其中, X和X2项分别等效为运动误差引起的距离走动和距离弯曲. 若式 (5) 可以忽略X2项, 则式 (3) 可简化为 其中, kΘ=4π (Θ-Θp) /λ, 对应方位波数.式 (6) 直观地反映了受运动误差破坏的距离压缩数据ε′p可以关于X进行傅里叶变换得到脉冲响应I (rp, kΘ) , 即建立了图像域与相位历程域之间的傅里叶变换对关系.由于傅里叶变换对关系是相位梯度自聚焦的必要条件, 下面将推导傅里叶变换对关系成立的约束条件. 根据文献, 当运动误差引起的距离走动量不超过一个距离分辨单元时, 可以忽略距离弯曲量.由于孔径两端对应最大的距离走动量, 则 其中, ρr=c/ (2B) , ρr为距离分辨率, B为信号带宽. 令θ=θp+δθ, 其中δθ为角域位置误差.假设δθ足够小, 使得sinδθ与δθ近似相等, 则 联合式 (7) 和式 (8) , 则 由于角域位置误差δθ可正可负, 存在双边特性, 则 即角域位置误差引起的散