基于加权最大范数的SAR自聚焦方法
合集下载
相关主题
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
a c c u r a t e a n d r o b u s t ,i t r e q ui r e s e i g e n — d e c o mp o s i t i o n o f t h e s a mp l e c o v a r i a n c e ma t r i x , wh i c h i s c o mp u t a t i o n a l l y
Hu a n g Da - r o n g Z h a n g Le i Xi n g Me n g — d a o Zh o u F e n g Ba o Zh e n g
( Na t i o n a l Ke y L a b o r a t o r y o f Ra d a r S i g n a l P r o c e s s i n g , Xi d i a n U n i v e r s i t y , X i ’ a n 7 1 0 0 7 1 , C h i n a )
方法虽然具备精 确和稳健 的性 能,但需要对协方差矩 阵进行特征分解 ,导致实际数据在处理中运算量 巨大 , 对 内存
要求也很高,难以 在实时合成孔径雷达( S A R ) 成像处理中应用。 该文提出一种基于加权最大范数的自 聚焦方法, 通
过 求解 二范数最 大化 的优化 函数对 目标特征 向量进行估计 ,避免 了特征值 的分解过程 ,有效提升了运算效率;利用 信 噪I  ̄ L D u 权 的思想,对不 同距离单元赋予不 同的权值 ,增强 了优 质特 显点样本对相位误差的估计贡献 , 有效 改善了
e x p e n s i v e a n d l i mi t s i t s r e a l — t i me a p p l i c a t i o n s . I n t h i s p a p e r , a We i g h t e d Ma x i mu m N o r m Me t h o d( W MN M) f o r
自聚焦 精度 。通 过 实 测 S A R和 I S AR 数据 处 理 验证 了 算 法 的 有 效 性 。
关键词:逆合成 孔径雷达; 自聚焦;加 权信 噪 比;最大范
中图分类号: T N 9 5 8
D O I : 1 0 . 3 7 2 4 / S P . J . 1 1 4 6 . 2 0 1 2 . 0 1 6 9 9
第3 6 卷第1 期
2 0 1 4 年 1月
电
子
与
信
息
学
报
VO1 _ 3 6 NO. 1
J o u r n a l o f El e c t r o n i c s& I n f o r ma t i o n Te c h n o l o g y
J a n. 2 0 R 自聚焦方法
黄大荣 张 磊 邢孟道 周 峰 保 铮
( 西安 电子科技 大学雷达信号处理 国家重点 实验 室 西安
摘
7 1 0 0 7 1 )
要: 基于最大似然估计 的特征 向量分解 自聚焦算法利用最大特征值对应 的特征 向量 实现对相位误差 的估计 。 该
Ab s t r a c t : Th e e i g e n v e c t o r me t h o d f o r ma x i mu m— l i k e l i h o o d e s t i ma t i o n o f p h a s e e r r o r c a n o b t a i n i d e a l p e r f o r ma n c e
o f p h a s e e r r o r e s t i ma t i o n b y u s i n g t h e e i g e n v e c t o r c o r r e s p o n d i n g t o i t s l a r g e s t e i g e n v a l u e . Al t h o u g h t h e me t h o d i s
文献标识码: A
文章编号: 1 0 0 9 — 5 8 9 6 ( 2 0 1 4 ) 0 1 — 0 2 0 2 — 0 7
A We i g h t e d Ma x i mi z e No r m Me t h o d f o r S A R Aut o f o c us
p h a s e e r r o r e s t i ma t i o n i s p r o p o s e d. Th e e i g e n v e c t o r o f t h e ma x i mu m e i g e n v a l u e c a n b e o b t a i n e d d i r e c t l y r s o l v i n g t h e p r o b l e m o f ma x i mi z i n g L一 2 n o r m, wh i c h a v o i d s t h e e i g e n — d e c o mp o s i t i o n o f t h e s a mp l e c o v a r i a n c e ma t r i x a n d r e d u c e s t h e c o mp u t a t i o n a l c o s t g r e a t l y . By a d d i n g d i f f e r e n t we i g h t s t o e a c h r a n g e b i n , t h e c o n t r i b u t i o n o f t h e r a n g e
Hu a n g Da - r o n g Z h a n g Le i Xi n g Me n g — d a o Zh o u F e n g Ba o Zh e n g
( Na t i o n a l Ke y L a b o r a t o r y o f Ra d a r S i g n a l P r o c e s s i n g , Xi d i a n U n i v e r s i t y , X i ’ a n 7 1 0 0 7 1 , C h i n a )
方法虽然具备精 确和稳健 的性 能,但需要对协方差矩 阵进行特征分解 ,导致实际数据在处理中运算量 巨大 , 对 内存
要求也很高,难以 在实时合成孔径雷达( S A R ) 成像处理中应用。 该文提出一种基于加权最大范数的自 聚焦方法, 通
过 求解 二范数最 大化 的优化 函数对 目标特征 向量进行估计 ,避免 了特征值 的分解过程 ,有效提升了运算效率;利用 信 噪I  ̄ L D u 权 的思想,对不 同距离单元赋予不 同的权值 ,增强 了优 质特 显点样本对相位误差的估计贡献 , 有效 改善了
e x p e n s i v e a n d l i mi t s i t s r e a l — t i me a p p l i c a t i o n s . I n t h i s p a p e r , a We i g h t e d Ma x i mu m N o r m Me t h o d( W MN M) f o r
自聚焦 精度 。通 过 实 测 S A R和 I S AR 数据 处 理 验证 了 算 法 的 有 效 性 。
关键词:逆合成 孔径雷达; 自聚焦;加 权信 噪 比;最大范
中图分类号: T N 9 5 8
D O I : 1 0 . 3 7 2 4 / S P . J . 1 1 4 6 . 2 0 1 2 . 0 1 6 9 9
第3 6 卷第1 期
2 0 1 4 年 1月
电
子
与
信
息
学
报
VO1 _ 3 6 NO. 1
J o u r n a l o f El e c t r o n i c s& I n f o r ma t i o n Te c h n o l o g y
J a n. 2 0 R 自聚焦方法
黄大荣 张 磊 邢孟道 周 峰 保 铮
( 西安 电子科技 大学雷达信号处理 国家重点 实验 室 西安
摘
7 1 0 0 7 1 )
要: 基于最大似然估计 的特征 向量分解 自聚焦算法利用最大特征值对应 的特征 向量 实现对相位误差 的估计 。 该
Ab s t r a c t : Th e e i g e n v e c t o r me t h o d f o r ma x i mu m— l i k e l i h o o d e s t i ma t i o n o f p h a s e e r r o r c a n o b t a i n i d e a l p e r f o r ma n c e
o f p h a s e e r r o r e s t i ma t i o n b y u s i n g t h e e i g e n v e c t o r c o r r e s p o n d i n g t o i t s l a r g e s t e i g e n v a l u e . Al t h o u g h t h e me t h o d i s
文献标识码: A
文章编号: 1 0 0 9 — 5 8 9 6 ( 2 0 1 4 ) 0 1 — 0 2 0 2 — 0 7
A We i g h t e d Ma x i mi z e No r m Me t h o d f o r S A R Aut o f o c us
p h a s e e r r o r e s t i ma t i o n i s p r o p o s e d. Th e e i g e n v e c t o r o f t h e ma x i mu m e i g e n v a l u e c a n b e o b t a i n e d d i r e c t l y r s o l v i n g t h e p r o b l e m o f ma x i mi z i n g L一 2 n o r m, wh i c h a v o i d s t h e e i g e n — d e c o mp o s i t i o n o f t h e s a mp l e c o v a r i a n c e ma t r i x a n d r e d u c e s t h e c o mp u t a t i o n a l c o s t g r e a t l y . By a d d i n g d i f f e r e n t we i g h t s t o e a c h r a n g e b i n , t h e c o n t r i b u t i o n o f t h e r a n g e