一种改进的相位梯度自聚焦算法

合集下载

改进的机载SAR相位梯度自聚焦算法

反之将无法包含足够成像用的散焦信息．文中针对复杂场景中强散射点的划分不同，提出了一种改进的相位梯度自聚焦
方法，该方法通过对强散射点的划分设定阈值，采用门限式加窗方法．与原有相位梯度自聚焦方法成像的比较中，在分辨率和清晰度上优越于原有方法，最后使用机载雷达真实数据对该方法的有效性进行检验．关键词：合成孔径雷达；多普勒调频率；相位梯度自聚焦
ｖｌｉｆｈｌｏｔｍｅｅｎｔｔｄｉｎｌｓｎａｉｔｏｔｅａｇｒｈａｍｏｓａｅｃｃｕｉ．ｄｙｉｔｄｒｎｏｏ
Ｋｙｏｄ：ｙｔｅｉａｅｔｒｄｒＡ）Ｄｐｌｒｔ；ｈｓｇａｉｔｕｏｏｕｅｗｒｓｓｎｈｔｒｅａａ（ｇ；ｏｐｅａｐａｅｄｅａｔｆｃｓｃｐｕｒＳｒｅｒｎ
对相位误差的分析一直是机载合成孑径雷达Ｌ（ｙｔｅｉａｅｔｒｄｒＳＲ）研究领域中的一个十ｓｎｈｔｒｅｒａ，Ａｃｐｕａ分重要问题．在机载ＳＲ中对于回波信号相位的要求Ａ
第３９卷第１期２１０２年２月ｄｉ０３６８ｉｎ１０ —７Ｘ．１１０１ｏ：．９．ｓ．０９６１２１０１１９ｓ０
应
用
科
技
Ｖ＿－９Ｎｏ１０３．．ｌ
Ｆｂ２１ｅ．０２
ＡｐｌｄＳｉｎｅａｄＴｃｎｌｇｐｉｃｅｃｎｅｈｏｏｙｅ
ｏｈｅｗｉｔｆｔｅｗｉｄｗｉｅｙｉｆｔｄｈｏｈｎｏｓｖｒｍｐｏｔｎ，ｆｔｒａｔｉｈｅｗｉｔｆｈｄｈｏｔｅｗｉｏｉｏｉｄｎｄｗｓｔｏｗｅｗｉｂｌｅｍｉｅｌｘｄｗｉｎｉｅｏｅｏｕｉｇｈｔｏｓ，ｒｄｆｃｓｎｃｎｏｏｔｉｎｕｈｉｆｒｔｏＩｈｓｐｐｒｎｉｒｖｄａｇｒｔｍｆｐｈｓｒｄｅｔａｔｆｃｓｐｏｏｅａｅｎａｎｔｃｎａｎｅｏｇｎｏｍａｉｎ．ｎｔｉａｅ，ａｍｐｏｅｌｏｈｏａｅｇａｉｎｕｏｏｕｓｉｒｐｓｄｂｓｄｏｉｓｒｎｉｔｃｉｎｂｔｅｅｄｆｅｅｔｓａｔｒｎ，ｔｏｇｓａｔｒｎｙｔｅａｇｏｔｍｆｓｔｉｇｔｅｔｒｓｏｄｐｉｔｆｉｉｉｎｔｏｇｄｓｉｔｅｗｅｎｔｉｒｎｃｔｉｇＳｒｎｃｔｉｇｂｌｒｈｏｔｈｅｈｌｏｖｓｏ，ｎｏｈｅｅｈｉｅｎｈｎｏｄｕｉｇｔｅｔｒｓｏｄｔｐｎｏｎｇｍｅｏｓＴｈｃｕａｙｏｈｅｉｒｖｄａｇｒｔｍｆｐｓｅｇａｉｎｕｏｏｕｓｂｔｒｓｎｈｅｈｌ－ｅｗｉｄｗｉｔｄ．ｅａｃｒｃｆｔｍｐｏｅｌｏｉｈｏｈａｄｅｔａｔｆｃｓｉｅｔｈｙｈｒｅｔａｅｏｇｎｌａｇｒｔｍ，ｅｐｃａｌｅｉｇｇｏｏｉｔｔｒｅ．ｓｄｏｅｌａｒｏｅＳｈｎｔｒｉａｌｏｈｈｉｉｓｅｉｌｉｔｍａｉｆｐｎａｇｔＢａｅｎｒａｉｂｒＡＲａａｔｅｆａｉｉｔｎｙｎｈｎｎｄｔ，ｅｂｌｙａｄｈｓｉ

一种改进的自动聚焦搜索算法及其实现

一
图１像高频分量与聚焦镜图２受噪声影响的图聚焦评价
头位置关系图函数曲线
点搜索过程是一个估计推测过程，同盲人爬山一样，如
只有通过上坡或下坡来判断山峰的位置，而不能从任
意位置看到山的概貌，看不到山峰的位置。山算法更爬对聚焦评价函数具有严格的单峰性要求＿。ｓ］理想的聚焦评价函数曲线表现为抛物线形状，但在实际工程中，光信号转换为电信号会产生热噪声，从ＣＤ获得图像数据会伴随有冲击噪声。当外界光线环Ｃ
境很差时，如较暗的光线下拍照，图像的有用信息减少，噪声的影响表现突出，成像系统造成很大的冲对
ｄｅｉｔｒｖａｅｆｏｍｈｅｒｇｈｔｐｏｉｉｎｓｒｏｌｔｉｓｔｏｅｉｕｓｙ．ＫＥＹＷＯＲＤＳａｏ—ｏｕｓｎｇ，ｍｏｕｎｔｉｃｉｂｓａｃｉｌｏｒｔｕｔｆｃｉａｎ— ｌｍｅｒｈｎｇａｇｉｈｍ，ｚｏｍｕｖｅｏｃｒ
ａｄｉｓｆｃｓｓｅｄｉｌｗｅｏｕｔｒｄｖａｅｆｏｔｅｒｇｔｐｓｔｏｅｉｕｌ．Ｔｈｓｐｐｒｄｓｒｂｓａｍｐｏｅｕｏｆｃｓｎｔｏｕｐｅｓｏｗｈｎｆｃｓｍｏｏｅｉｔｒｍｈｉｈｏｉｉｎｓｒｏｓｙｉａｅｅｃｉｅｎｉｒｖｄａｔ—ｏｕ

一种改进的相位梯度自聚焦算法

着相位误差阶数的增大估计精度降低 * 但其信号模型基于一个距离单元仅 8 V @ W 法可以估计任意阶相位误差 # 有一个强散射点 # 实际中如果不符合该模型则效果不理想 * @ M . 算法基于图像中某些特显点的散焦状况进行自聚焦处理 # 从而使整个图像的散焦情况得到改善 * 显然 # 这些特显点的质量会影响相位误差估计的准确性 * 文献 & ’ 通过在地面放置角反射器 # 以获得高质量的特显点回波 # 经自聚焦处理得到" 由于需要布 ( X (L高分辨图像 #
收稿日期 ! ! " " # $ " % $ ! & 基金项目 ! 国家自然科学基金资助 ! " # " ’ " ! " & & 作者简介 ! 李燕平 ! " # 男# 西安电子科技大学博士研究生 * ( ) % ( $
第 / 期 !!!!!!!!!!!!!! 李燕平等 ! 一种改进的相位梯度自聚焦算法
9!: ; 5 算法原理及特显点选取原则的不足
!! ’# 对于含有一个强散射点的距离单元 ! 从图像域返回数据域其信号可表示为 "
%7 $1 & " % # ’ ( ( $ % 6 R 68" 6 ! "6 " :$ !! ! ( ! " !! ! 9:$ K [ )$ " "8 .$ 其中$! 频率和起始相位 ! % 为相位误差 * 对信号 :$ 为合成孔径时间 ! 6 ! " " "和 " 分别表示散射点信号的幅度 ) .$ 得到 " # $ $ % 进行方位傅里叶变换 ! ,$ :$ B < > A :$ $ 1 R ! !%7 $ ! 9! " #;$ !% !! K [ "% "% 其中 ;$ " % #的傅里叶变换 ! 利用加权函数 = $ R 6 !%为 1 " # 表示卷积 < !%加窗得到 K [ .$ " # $ ,> $ $ :$ B < > A :$ $ 1 R !%7 = $ ! 9! ! 9! " #;$ !% !< [ K "% "% "% !! 将加窗处理后的信号关于 ! 9! " 作傅里叶变换得到 %7 $1 $ $ % % % 6 R 1 R 6 6 " " #>$ !! K [ K [ )> $ "% .$ 其中 >$ %是 = $ 若窗的长度足够 ! 有 6 ,$ !%的傅里叶反变换 < !%的大部分能量都落在窗内 ! %$ $1 $ $ % % 6 R 1 R 6 " " !< K [ K [ )> $ "% .$ 把式 $ %写为离散域的形式 $ $ % *! ’ ?%$ $1 R 1 R ?% -!! !!!)> $ " " !! !? 7 (! K [ K [ "% .$ $ % & $ % ’ $ % # $ % /

一种可用于实时成像的改进PGA算法

一种可用于实时成像的改进PGA算法卿吉明;徐浩煜;梁兴东;李焱磊【摘要】相位梯度自聚焦算法(Phase Gradient Autofocus, PGA)可有效补偿高次相位误差，对实时成像系统获取高分辨图像有重要意义。

但是该算法一般需要迭代多次，运算耗时，且在不同场景的应用中算法的聚焦性能不够稳定，这些严重限制了PGA算法在实时处理中的应用。

选点和加窗是PGA算法的两个关键步骤，该文提出一种基于数据均值的选点方法和一种基于脉冲包络的窗宽估计方法，这两种方法对数据的自适应能力较强，可使算法获得稳定的聚焦性能，并有效减少迭代次数。

实测数据处理结果证实改进的PGA算法可用于实时成像。

%The Phase Gradient Autofocus (PGA) algorithm can remove the high order phase error effectively, which is of great significance to get high resolution images in real-time processing. While PGA usually needs iteration, which necessitates long working hours. In addition, the performances of the algorithm are not stable in different scene applications. This severely constrains the application of PGA in real-time processing. Isolated scatter selection and windowing are two important algorithmic steps of Phase Gradient Autofocus Algorithm. Therefore, this paper presents an isolated scatter selection method based on sample mean and a windowing method based on pulse envelope. These two methods are highly adaptable to data, which would make the algorithm obtain better stability and need less iteration. The adaptability of the improved PGA is demonstrated with the experimental results of real radar data.【期刊名称】《雷达学报》【年(卷),期】2015(000)005【总页数】8页(P600-607)【关键词】相位梯度自聚焦算法;实时成像;自适应【作者】卿吉明;徐浩煜;梁兴东;李焱磊【作者单位】中国科学院电子学研究所微波成像技术国家级重点实验室北京100190; 中国科学院大学北京 100049;中国科学院上海高等研究院上海 201203;中国科学院电子学研究所微波成像技术国家级重点实验室北京 100190;中国科学院电子学研究所微波成像技术国家级重点实验室北京 100190【正文语种】中文【中图分类】TN957.52实时成像系统分辨率要求不断提高，而雷达回波数据中的高次相位误差导致图像散焦、对比度降低和几何失真等问题，因此要获得高分辨图像，须对高次相位误差进行补偿［1-4］。

相位梯度自聚焦算法的性能分析及改进

相位梯度自聚焦算法的性能分析及改进陈琦;李景文【摘要】描述了相位梯度自聚焦(PGA)算法的实现步骤.基于对PGA算法的性能分析及对PGA算法的基本步骤所起作用的研究,提出了两种改进的方法.首先,通过对加窗方法的改进,提高了算法的聚焦速度;另外,通过选择适当的距离行进行处理,使算法即使在低信噪比的条件下也能达到较好的聚焦效果.【期刊名称】《北京航空航天大学学报》【年(卷),期】2004(030)002【总页数】4页(P131-134)【关键词】合成孔径雷达;相位误差;相位梯度自聚焦【作者】陈琦;李景文【作者单位】北京航空航天大学,电子信息工程学院,北京,100083;北京航空航天大学,电子信息工程学院,北京,100083【正文语种】中文【中图分类】工业技术2 0 0 4 年 2 月北京航空航天大学学报 Fe h r u a r y 2 0 0 4 第30卷第2 期 Jo u r n al o f B ei ji n g U ni v e r sity o f A e r o n a u t i c s a n d A s tr o n a u t i c s V0 1.3 0 N o.2 == = = = = = = = = = = = = = = = = = = = 相位梯度自聚焦算法的性能分析及改进陈琦李景文( 北京航空航天大学电子信息工程学院，北京 100083)摘要：描述了相位梯度自聚焦( P C A ) 算法的实现步骤，基于对 P G A 算法的性能分析及对 P G A 算法的基本步骤所起作用的研究，提出了两种改进的方法．首先，通过对加窗方法的改进，提高了算法的聚焦速度；另外，通过选择适当的距离行进行处理，使算法即使在低信噪比的条件下也能达到较好的聚焦效果，关键词：合成孔径雷达；相位误差；相位梯度自聚焦中图分类号： T N 9 5 8 文献标识码： A 文章编号： 1 0 0 1 -5 9 6 5 ( 2 0 0 4 ) 0 2 - 0 1 3 1 - 0 4P e r f o r m a n c e a n aly sis a n d im p r o v e m e n t o f p h a s e g r a di e n t au t of o c u s alg o r i th m Ch e n Q i Li Ji n g w e n (S c h o ol of E l e c t r o n i c s a n d I n f o r m a t i on E n gi n e e r i n g , B ei ji n g U ni v e r sity o f A e r o n a u ti c s a n d A s t r o n a u ti c s , B ei ji n g 1 0 0 0 8 3 , C hi n a ) Ab stra ct : T h e r e ali zati o n of p h a s e g r a di e n t a u t o f o c u s ( P G A ) alg o r ith m w a sd e s c r ib e d.B a s e d o n th e a n aly si s ofth e s h o rt c o m i n g of P C A a n d th e s t u d y of th e r ol e s o f th e b a si c s t e p s o f p h a s e g ra di e n t a u t ofo c u s alg o r ith m , t w o me t h o d s w e r e p r o p o s e d t o i m p r o v e th e p e r f o r m a n c e of t h e P G A alg o r ith m.Fi r st , a n e w w a y t o s el e c t w i n d o w w idth wa s d e v el o p e d , w hi ch c a n a c c el e r a t e th e c o n v e rg e n c e o f th e a u t o f o c u s ; s e c o n d , b y s el e c ti n g th e a p p r o p r i a t e r o w t o pr o c e s si n g , th e effe ct o f c o n v e r g e n c e o f f o c u s i s g o o d e v e n u n d e r th ec o n diti o n o f l o w S N R ( sig n al - t o - n oi s e r a t e ).Ke y w o rd s : s y n the t i c a p e rt u r e r a d a r ; p h a s e e r r o r s ; p h a s e g r a di e n t a u t of o c u s在合成孔径雷达( S A R ) 成像中，回波多普勒信号的相位误差会造成图像的散焦，影响成像质量，随着 S A R 成像分辨率的提高，回波相位误差对成像质量的影响也愈显严重，虽然依靠惯性导航运动补偿系统能够补偿一定的相位误差，但是残留相位误差仍然有可能造成图像质量的严重下降 [ l ] ．相比传统的自聚焦算法，如 M a p- D r ift( M D ) ， Ph a s e D iffe r e n c e ( P D ) 等，相位梯度自聚焦算法( P G A ) 不需要场景中具有强反射点，并且对低阶、高阶以及随机误差都能够较好地进行补偿乜3 ．因此， P G A 算法自提出以来，已经在 S A R 成像领域得到了十分广泛的应用．原始 P G A 算法以最小加权二乘准则( W L S)对误差相位的梯度进行最优估计，其中需利用傅立叶变换的特性求信号的一阶导数，这使得该算法对杂波和噪声十分敏感，而且傅立叶变换的混迭效应也会影响其计算的准确性．为了解决这些问题，文献[ 3] 提出了一种基于最大似然准则的 PG A 算法( M L - P C A ) ，并且证明了在高信杂比的条件下， M L - P G A 能逼近 C r a m e r - R a o 界．但是 M L - PG A 是基于高斯分布的噪声模型，这个假设在低信杂比条件下有可能不成立，文献[ 4] 提出了基于分数低阶特性（F r a cti o n al L o w e r - O rd e r S t ati sti c s ，简称 F L O S ）的 P G A算法( F l 。

一种适用于机载／固定站构型BiSAR成像的改进相位梯度自聚焦方法

ＡＭｏｄｉｆｉｅｄＰｈａｓｅＧｒａｄｉｅｎｔＡｕｔｏｆｏｃｕｓ（ＰＧＡ）ＡｌｇｏｒｉｔｈｍｆｏｒＡｉｒｂｏｒｎｅ／ＳｔａｔｉｏｎａｒｙＢｉｓｔａｔｉｃＳＡＲＩｍａｇｉｎｇ
ｃｏｍｐｒｅｓｓｅｄｓｉｇｎａｌｉｎｔｈｅｓａｍｅｒａｎｇｅｇａｔｅｅｘｈｉｂｉｔｓａｚｉｍｕｔｈ — ｖａｒｉａｎｔＤｏｐｐｌｅｒｒａｔｅｓｗｈｉｃｈｍａｋｅｔｈｅｐｈａｓｅｅｒｒｏｒ
摘要：在机载／固定站构型双站合成孔径雷达（Ａｉｒｂｏｒｎｅ／ＳｔａｔｉｏｎａｒｙＢｉｓｔａｔｉｃＳｙｎｔｈｅｔｉｃＡｐｅｒｔｕｒｅＲａｄａｒ，Ａ／Ｓ —
ＢｉＳＡＲ）成像中，回波信号方位不变性的假设不再成立；完成距离徙动校正和距离压缩之后，同一距离单元处信号
ｄｅａｌｗｉｔｈｔｈｉｓｐｒｏｂｌｅｍ，ａｍｏｄｉｉｆｅｄＰＧＡａｌｇｏｒｉｔｈｍｉｓｐｒｏｐｏｓｅｄ．ＣｏｍｐａｒｉｎｇｗｉｔｈｔｈｅｔｒａｄｉｔｉｏｎａｌＰＧＡ，ｔｈｅＲｅｓｉｄｕａｌ
的多普勒调频率具有沿方位向变化的特性。该信号特性导致了传统的相位梯度自聚焦（ＰｈａｓｅＧｒａｄｉｅｎｔＡｕｔｏｆｏｃｕｓ，ＰＧＡ）方法对相位误差的估计精度显著下降。针对该问题，该文提出了一种改进ＰＧＡ方法。与传统ＰＧＡ方法相

相位梯度自聚焦算法

相位梯度自聚焦算法1.原理图像的相位梯度是指图像中相邻像素之间的相位差。

在一张清晰的图像中，相邻像素的相位差应该较小；而在一张模糊的图像中，相位差将较大。

利用这个特性，我们可以通过计算图像的相位梯度来确定图像的清晰度，并找到最佳对焦位置。

2.步骤2.1计算图像的一阶相位梯度首先，我们需要计算图像中每个像素点的相位梯度。

一阶相位梯度可以通过以下公式进行计算：G_x = I_x * cos(θ) + I_y * sin(θ)G_y = -I_x * sin(θ) + I_y * cos(θ)其中，G_x和G_y分别表示图像在x和y方向上的一阶相位梯度，I_x和I_y分别表示图像在x和y方向上的一阶幅度梯度，θ表示图像的相位。

2.2计算图像的二阶相位梯度接下来，我们可以根据一阶相位梯度计算图像的二阶相位梯度。

二阶相位梯度可以通过以下公式进行计算：G_xx = G_x * cos(θ) + G_y * sin(θ)G_yy = -G_x * sin(θ) + G_y * cos(θ)其中，G_xx和G_yy分别表示图像在x和y方向上的二阶相位梯度。

2.3计算图像的相位梯度幅度最后，我们可以通过计算图像的相位梯度幅度来确定图像的清晰度。

相位梯度幅度可以通过以下公式进行计算：M = sqrt(G_xx^2 + G_yy^2)其中，M表示图像的相位梯度幅度。

2.4确定最佳对焦位置最佳对焦位置可以通过寻找相位梯度幅度M的极值点来确定。

当M达到极大值时，表示图像的清晰度最高，此时对焦位置即为最佳位置。

3.应用3.1高精度3.2适用性广3.3实时性强总结：相位梯度自聚焦算法是一种通过计算图像的相位梯度来确定最佳对焦位置的方法。

它的原理是通过分析图像的相位差来确定图像的清晰度，并找到最佳对焦位置。

该算法具有高精度、适用性广和实时性强等优点，在自动对焦的应用中得到广泛应用。

基于TS201系列DSP的PGA算法实现

基于ＴＳ２０１系列ＤＳＰ的ＰＧＡ算法实现李师亿黄渊中航工业雷达与电子设备研究院，江苏无锡２１４０６３摘要：相位梯度自聚焦（ＰＧＡ）算法被广泛用于机载合成孔径雷达（ＳＡＲ）成像中。

由于其过程复杂，数据处理量大，为满足机载ＳＡＲ实时处理的要求，选用具有强大处理能力的ＴＳ２０１　ＤＳＰ。

为了充分发挥ＴＳ２０１的性能，利用ＰＧＡ原理和ＴＳ２０１处理器的特点，对算法流程进行优化，并且对最耗时的ＦＦＴ采用了汇编语言实现，使得运算量和处理时间大大减少。

ＩＤＬ仿真和ＤＳＰ实测系统验证了该方案可以实现对ＳＡＲ图像的实时ＰＧＡ处理。

合成孔径雷达；相位梯度自聚焦；ＡＤＳＰ　ＴＳ２０１；ＦＦＴＴＮ９５９．７３Ａ１０００－８８２９（２０１１）１０　－００３６　－０４Ｉｍｐｌｅｍｅｎｔａｔｉｏｎ　ｏｆ　ＰＧＡ　Ａｌｇｏｒｉｔｈｍ　Ｂａｓｅｄ　ｏｎ　ＴＳ２０１　ＤＳＰ　Ｐｒｏｃｅｓｓｏｒｓ　ＨＵＡＮＧ　Ｙｕａｎ　ＬＩ　Ｓｈｉ－ｙｉ　２０１０－１２－３０作者简介：李师亿（１９８４－），男，江苏海门人，硕士，工程师，主要从事雷达信号处理工作；黄渊（１９８６－），男，湖北仙桃人，本科，工程师。

·３７··３８··３９· ·４５·＠＠［１］Ｒｉｃｈａｒｄｓ　Ｍ　Ａ．雷达信号处理基础［Ｍ］．邢孟道，王彤，李真芳，等，译．北京：电子工业出版社，２００８－０６．＠＠［２］赵春光，关振红，陈加清．基于ＳＨＡＲＣ处理器的ＰＧＡ算法实现［Ｊ］．电讯技术，２００８，４８（４）：５７　－６０．＠＠［３］刘书明，罗勇江．ＡＤＳＰ　ＴＳ２０１ＸＳ系列ＤＳＰ原理与应用设计［Ｍ］．北京：电子工业出版社，２００７．＠＠［４］李燕平，邢孟道，保铮．一种改进的相位梯度自聚焦算法［Ｊ］．西安电子科技大学学报（自然科学版），２００７，３４（３）：３８６　－３９１．＠＠［　５　］ＡＤＩ．　ＡＤＳＰ－ＴＳ２０１　ＴｉｇｅｒＳＨＡＲＣ　Ｐｒｏｃｅｓｓｏｒ　Ｐｒｏｇｒａｍｍｉｎｇ　Ｒｅｆｅｒｅｎｃｅ［　Ｚ］．　Ｒｅｖｉｓｉｏｎ　１．１．　２００５．＠＠［６］严蔚敏，吴伟民．数据结构（Ｃ语言版）［Ｍ］．北京：清华大学出版社，１９９６． □基于TS201系列DSP的PGA算法实现作者：李师亿，黄渊， LI Shi-yi， HUANG Yuan作者单位：中航工业雷达与电子设备研究院,江苏无锡,214063刊名：测控技术英文刊名：Measurement & Control Technology年，卷(期)：2011,30(10)1.Richards M A;邢孟道;王彤;李真芳雷达信号处理基础 20082.赵春光;关振红;陈加清基于SHARC处理器的PGA算法实现[期刊论文]-电讯技术 2008(04)3.刘书明;罗勇江ADSP TS201XS系列DSP原理与应用设计 20074.李燕平;邢孟道;保铮一种改进的相位梯度自聚焦算法[期刊论文]-西安电子科技大学学报（自然科学版） 2007(03)5.ADI ADSP-TS201 TigerSHARC Processor Programming Reference.Revision 1,1 20056.严蔚敏;吴伟民数据结构(C语言版) 1996本文链接：/Periodical_ckjs201110010.aspx。

改进的机载SAR相位梯度自聚焦算法

改进的机载SAR相位梯度自聚焦算法闫龙;郑妍;李颜超【摘要】相位梯度自聚焦算法的关键步骤是加窗处理,窗宽度的确定决定了成像效果,宽度过大将会引入大量的噪声,反之将无法包含足够成像用的散焦信息.文中针对复杂场景中强散射点的划分不同,提出了一种改进的相位梯度自聚焦方法,该方法通过对强散射点的划分设定阈值,采用门限式加窗方法.与原有相位梯度自聚焦方法成像的比较中,在分辨率和清晰度上优越于原有方法,最后使用机载雷达真实数据对该方法的有效性进行检验.【期刊名称】《应用科技》【年(卷),期】2012(039)001【总页数】5页(P39-43)【关键词】合成孔径雷达;多普勒调频率;相位梯度自聚焦【作者】闫龙;郑妍;李颜超【作者单位】中国联合通信网络有限公司哈尔滨分公司黑龙江哈尔滨150001;中国联合通信网络有限公司哈尔滨分公司黑龙江哈尔滨150001;大庆石化公司通讯中心,黑龙江大庆163714【正文语种】中文【中图分类】TN957对相位误差的分析一直是机载合成孔径雷达（synthetic aperture radar, SAR）研究领域中的一个十分重要问题. 在机载SAR中对于回波信号相位的要求十分苛刻，速度测量误差和加速度测量的误差是产生相位误差的主要原因，这2部分都是由于机载SAR运动传感器造成的，同时多普勒估计的偏差也相应产生，如果偏差估计的误差较大，将直接影响到SAR系统的成像效果和空间分辨能力，严重时将不能成像[1]；所以多普勒技术将直接影响机载SAR方位向分辨率. 多普勒调频率fdr 在机载SAR的方位向压缩处理参考函数中是一个十分重要的参数，决定了SAR成像能否聚焦，fdr的产生大部分来自于回波信号中的二次相位误差，导致了成像的散焦，所以准确的多普勒调频率能够有效地进行运动补偿，避免了散焦现象的产生[2]. 目前，估计多普勒调频率的方法称为“自聚焦”，这就意味着要从回波信号自身出发去消除相位误差，也就是对多普勒调频率的估计是基于回波信号的. 相位梯度自聚焦(PGA)算法的核心思想是对相位误差进行估计，它可以对低阶和高阶相位误差同时进行补偿. 由于它在相位误差估计和补偿上的优良性能，目前已经在机载SAR领域得到了广泛应用，被公认为是一种稳健性很高的自聚焦方法[3-4].1 PGA算法的基本原理点目标的回波信号s( t)表示为复数形式：式中：为信号的振幅，φ(t)为相位，φε(t)为误差相位. 经信号估计理论可得，信号相位项φε(t)可由回波信号样本来估计. PGA算法使用的是无偏最小方差估计(LUMV)准则，得到误差相位的一阶导数的估计值为[3]式中：s∗( t)为信号s( t)的复共轭，n为信号样本数. 所以误差相位为也就是说，PGA算法可以直接从时域来估计相位的误差，方位向回波信号用来作为估计信号，时间为方位向的“慢”时间[5].PGA算法有2个基本假设：1）距离向的相位误差具有冗余性，即各个距离单元具有相同的相位误差，相位误差只是方位向的函数；2）同一距离单元中，所有散射点的相位误差是相同的[6].为了能够准确地对相位误差进行估计，对强点目标回波信号的估计就是一个有效的方法. 然而对一幅聚焦效果较差的图像来说，很难从中确定一个强点目标；另外对于背景较为复杂的杂波和其他相邻目标的干扰，所要确定的目标就几乎都不是孤立的点，而是弥散的，不同点目标的回波信号有重叠的部分，几乎不能分离出一个点目标的回波信号[7].PGA算法解决问题的关键是圆周移位和加窗处理这2个步骤，从而得到孤立的点目标，利用最优估计理论，对多个目标的相位误差进行平均，以得到有效的估计值[4].2 圆周移位在较为复杂场景的成像，运算量的降低也很关键，所以只能选取含有较大信息量的距离单元进行处理，其产生的误差可以忽略[3,8].图像域数据中一些能量较大的距离单元被选中，然后找出每个距离单元中的强散射点，如图1所示，未进行圆周移位的点目标回波信号能量处于离散分布，然后将选中的单元圆周移位到频域中的零频率处.也就是说，将距离单元中全部方位向上的散射点和选定的最强散射点同时移动，从一侧溢出的点从数组另一侧移入.其作用是把强散射点提供相位误差估计信息尽量充分利用起来. 圆周移位把各个距离单元内的强散射点对齐，这样就能把点目标的多普勒频移去掉，相位误差量得到保留，便于确定窗的宽度，改善信噪比. 另外由于场景的回波与杂波很相近，则整个区域的对比度变化幅度较小，但是相位误差有关的信息包含在这些区域的边缘响应中. 所以利用圆周移位将这些低对比度区域的边缘对齐.图1 未进行圆周移位的点目标回波3 加窗处理圆周移位后进行数据的加窗处理，目的在于保留模糊区域的相位误差. 如果没有相位误差，成像结果就是一个点，只有相位误差的存在，才能使其散焦，成像模糊. 误差对信号的影响可以用相位误差模糊函数来表示[3,9].一个矩形窗被加在 PGA对圆周移位之后的数据上，目的是为了消除窗外的影响.高斯白噪声可以替代圆周移位后每个距离单元中除了目标点以外的其余点. 加窗的目的主要是为了去除掉一些高频噪声，提高信噪比. 同时通过迭代来实现窗的宽度逐渐变小，从而高频分量的噪声随之越来越少，相位误差的估计趋于精确.对窗宽度的确定是很重要的，过宽则会引入噪声，反之将无法包含足够的散焦信息，影响估计的准确性.对于不同的相位误差和场景，PGA采用了不同的方法来确定窗宽.3.1 自动估计窗宽以信号本身的实际情况来确定窗宽度. 该方法适用于场景中包含强散射点的情况.对这种场景来说，即使图像散焦，信噪比也很大. 由于距离向上存在相位误差的冗余，所以每个距离单元的强散射点受模糊函数的影响是一样的，通过平均所有距离单元的强散射点模糊区域来估计窗的宽度[10].方位向各个距离单元的信号被累加起来，将会得到方位向的能量分布函数，式中 fn(x)是圆周移位之后的图像域数据.图像中的强散射点通过圆周移位对齐，多普勒中心具有最大值，其两侧快速下降趋于平稳，如图2所示. 因此，加窗宽度的确定可通过对sum(x)设置一个阈值来获得. 通常以sum(0)为中心向左右各下降 10 dB的宽度为w，然后对其增加50%作为窗宽度值. 图像的聚焦通过迭代校正来实现，窗宽会越来越小. 算法收敛时，窗宽的值一般为几个像素单元的大小.图2 方位向能量分布3.2 固定变化窗成像场景中不能包含足够明显的强散射点，对比度也比较低，杂波同强散射点难以区别开来. 如果采用3.1节的方法，在迭代过程中窗宽就将是发散的. 另外相位误差属于高阶误差，3.1节的方法也不再可靠，因为高阶误差的影响主要是带来信号响应的旁瓣，对主瓣的影响不明显[11].针对以上的信息采取递减窗宽的方法，将最可能的模糊宽度设定为矩形窗的开始宽度，每次迭代都将窗的宽度降低20%，以此来获得聚焦的图像.4 相位梯度估计经过加窗处理和圆周移位后，把信号作IFFT，得到距离压缩相位历史域，然后估计相位误差的差分值.则相位梯度的线性无偏最小方差估计(LUMV)为[12]式中： sw (n)为距离压缩相位历史的信号，d( n)是sw (n)的一阶差分：对进行累加得到相位误差：图3为在为原有的PGA算法的点目标成像仿真图，图4为算法流程图，从中可以看出在单一目标的情况下原有算法是比较适用的；但是当场景是比较复杂的情况下，该算法的误差将会凸显出来.图3 PGA的点目标成像图4 PGA算法流程5 改进的相位梯度自聚焦算法PGA算法的关键步骤是加窗处理，窗宽的确定很重要，过宽则会引入噪声，反之将无法包含足够的散焦信息，影响估计的准确性. 对于不同的相位误差和场景，PGA采用了不同的方法来确定窗宽[3,13-14].例如在场景中有建筑物，金属物等强散射点存在的情况下就要求使用自动估计窗宽，即根据强散射点信号本身的情况来确定窗的宽度，因为在这种情况下即使图像散焦，信噪比也很大，所以每个距离单元内的强散射点可以使用同一的模糊函数；当场景中没有强散射点存在，例如农田、沙漠这种完全由类似杂波的目标组成，要求使用固定变化窗宽，因为对比度较低，强散射点很难和杂波区分开，在迭代过程中窗的宽度不能收敛，将严重影响场景的聚焦效果[14].综合以上分析得出，要对特显点（强散射点）加以区分来确定窗的宽度，当特显点能量峰值超过设定的门限值时将使用自动估计窗，反之使用固定变化窗宽.改进的相位梯度自聚焦算法步骤：1) 对复图像域数据进行圆周移位，以强散射点为标准，将其他点圆周移位到图像的中心.2) 进行门限判决. 每个距离单元沿方位向能量峰值与预先设定的门限进行比较.3) 加窗. 通过门限使用自动估计窗宽，反之使用固定变化窗宽.4) 相位梯度估计. 相位梯度的线性无偏最小方差估计(LUMV)为式（5），对进行累加得到相位误差为式（7）.5) 迭代运算. 将数据与相位项相乘后再作FFT，得到新的成像图像，数据用作下一次的迭代，直到迭代值小于设定的门限值可以认定为聚焦.图5 改进的PGA算法图6 带有强散射原有的PGA成像图7 带有强散射点改进的PGA成像图8 无强散射原有的PGA成像图9 无强散射改进的PGA成像图5为改进的PGA算法流程图，可以看出在圆周移位后进行了门限判决，决定选取的加窗方法. 图6～9为机载SAR事实数据成像图，图6、7为场景中带有强散射点目标成像图，可以看出改进的PGA算法在清晰度和分辨率上优越于原有算法；图7、8为场景中没有强散射点的成像图，改进的 PGA算法采用了固定变化窗的流程进行成像，与原有算法比较效果明显.6 结束语在对多普勒调频率的估计基础上分析了原有相位梯度自聚焦方法的不足之处，提出了改进的相位梯度自聚焦方法. 该方法对强散射点加以区分来设定门限，进而采用了阈值门限式的加窗方法，可以看到该方法对二次相位误差导致的图像散焦有很好的补偿作用. 采样点目标仿真和雷达真实数据均验证了该方法的有效性，在与原有的方法对比中可以看到在分辨率上的改善，采用文中方法雷达实时数据成像同样能够看到清晰度和分辨率的改善.参考文献:[1]李刚，许稼. 一种稳健的机载雷达杂波多普勒参数估计方法[J]. 电子与信息学报, 2007, 29(12): 2867-2870.[2]BENGTSSON M, OTTERSTEN B. Low-complexity estimators for distributed sources [J]. IEEE Trans on Signal Processing, 2000, 48(8): 2185-2194.[3]皮亦鸣，杨建宇.合成孔径雷达成像原理[M]. 西安：电子科技大学出版社, 2007: 20-300 .[4]陶鹍.干涉合成孔径雷达数据处理及仿真研究[D]. 北京：中国科学院电子学研究所, 2003: 86-91.[5]LI F K, HELD D N, CURLANDER J, et al. Doppler parameter estimation for spaceborne synthetic aperture radar[J]. IEEE Transaction on Geosciences and Remote Sensing, 1985(1): 47-56.[6]GE F, PENG Y N, WANG X T. PSD accumulation for estimating the bandwidth of the clutter spectral[J]. IEICE Trans on Communication, 2002, E85-B(4): 1052-1056.[7]XU J, PENG Y, WAN Q, et al. Airborne radar Doppler distributed clutter model and its parameter estimation[J]. Sci China: Ser. F, 2004, 47(5): 577-587.[8]KONG Y K, CHO B L, KIM Y S. Ambiguity-free Doppler centroid estimation technique for airborne SAR using the radon transform[J]. IEEE Transactions on Geoscience and Remote Sensing, 2005, 43: 716-721. [9]LI S, CUMMING I G. Improved beat frequency estimation in the MLBF Doppler ambiguity resolver[C]//Proc of IGARSS.Seoul, Korea, 2005: 25-29.[10]WALTERSCHEID I, ENDER J H G, BRENNER A R, et al.Bistatic SAR processing and experiments[J]. IEEE Transactions on Geoscience and Remote Sensing, 2006,44(10): 2710-2717.[11]WANG Xiongliang, WANG Zhengming. Super-resolution SAR imaging via nonlinear regressive model parameter estimationmethod[C]//Proceedings of the 2005 IEEE International Conference on Computer Graphics, Imaging and Vision. Hangzhou, China, 2005: 67-72.[12]XU Huili, ZHANG Xiaoling, LI Junxian. A new Doppler parameters estimation algorithm for SAR processing[C]//Proceedings of the 2006 IEEE International Conference on Mechatronics and Automation. Luoyang, China, 2006:595-599.[13]de MACEDO K A M, SCHEIBER R. Precise topography and aperture dependent motion compensation for airborne SAR[J]. Geoscience andRemote Sensing Letters, 2007, 2(2):172-176.[14]PASTINA D, FARINA A, GUNNING J, et al.Two-dimensional super-resolution spectral analysis applied to SAR images[J]. IEEE Proc radar sonar Naving, 1998,145(5): 281-290.。

一种适用于宽带条带式合成孔径声纳的相位梯度自聚焦算法

Ａｓｒｃ：ｌｓｈｓｇａｉｔｕｏｃｓＰＡｌｒｈａｅｏｌｐｌｄｔｎｒｗｂｎｐｔｇｔｙｔｅｃａｅｔｒｉ — ｂｔｔＣａｉｐａｅｒｄｎｔｏｕ（Ｇ）ａｏｔｍｃｎｂｎｙａｐｉａｒａｄｓｏｉｎｈｔｐｒｅｍａａｓｃｅａｆｇｉｅｏｏｌｈｓｉｕ
ｌｐ，Ｏｔｅｉｇｌｒｉｇｉｏｌｅｏｔｎｂｈｈｓｒｏｎｈｗｙｍａｅｅｔｔｄｂｈｓ／ｏａｉｎ；ＰＧａｇ — ｏｅＳｈｍａｅｂｕｒｎｙｂｇｔｙｔｅｐａｅｅｒｒａｄｔｅｓａｙｂｓｉｅｙｐａｅｅＦｒｇｄｅＳＡｏｎｓｅｍａｒｔｌｒｈｃｍｐｎａｅｈｎｅｏｅａｄｐａｅｏｅｅｈｉｎｌｗｈｃａｏｅｃｒｅｔｄｒｎｅｍｉａｉｎＴｅｓｌｔｎｒｓｔＵｉｍｏｅｓｔｓｔｅｅｖｌｐｎｈｓｆｔｃｏｓｇａｉｈｈｎｔｂｏｒｃｅａｇｇｔ．ｈｉａｉｅｕｓ・ｔｈｓｒｏｍｕｏｌｓｎＰｇｒｔｍｈｗａＰｉｇＳＧＡａｏｈｓｏｔｔＧＡｇｒｔｍｓｍａｅｈｗｙｅｅｔｅｙａｄｔｅｉｇｕｉｍｐｏｅｉｈｕｏｇｔｃｌｉｈＳｌａｏｉｈｅｔｔｓｔｅｓａｆｃｉｌｈｍａｅｑａｔｉｉｒｖｄｗｔｏｔａｎｒｋｉｖｎｌｙｓｌａｓｉ，Ｏｔｅｔｒｅｓａｅｏｅｅｘｃｌ．ｈｆＳｈａｇｔｌｒｎｄｅａｔｔｉｔｙＫｅｒｓｓｒｍａｙｈｔｐｒｒｏａ；ｈｓａｉｎ；ｐｌｒｓｉ；ｉｅｒｓｙｙｗｏｄ：ｔｉｐｐｓｎｅｉａｅｕｅｓｎｒｐａｅｇｄｅｔＤｏｐｅｈｆｌａｗａｔｃｔｒｔｎ

一种自动对焦算法[发明专利]

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号 (43)申请公布日 (21)申请号 201810678606.9(22)申请日 2018.06.27(71)申请人上海理工大学地址 200093 上海市杨浦区军工路516号(72)发明人江旻珊　阳婷　徐晓立　张学典　(74)专利代理机构上海德昭知识产权代理有限公司 31204代理人郁旦蓉(51)Int.Cl.H04N 5/232(2006.01)(54)发明名称一种自动对焦算法(57)摘要本发明公开了一种自动对焦算法，包括如下步骤：采集目标物体的两幅连续的对焦图像，分别画出两幅对焦图像的对焦评价函数的曲线图；找出两幅曲线图中的峰值点F 1和F 2，然后将两幅曲线图中的曲线进行拟合，得到拟合曲线后找出峰值点F 0；比较F 1点和F 2点所在聚焦镜头的位置的大小，以较小位置点为起始点，较大位置点为终点，使聚焦镜头以步长SW从起始点走到终点，并记录下对焦评价函数的最大值及聚焦镜头的位置；反复在最大值点附近来回搜索，直至步进电机的步长减小到设定的步长时结束搜索，此时聚焦镜头停止在对焦评价函数的最大值F mn 处且聚焦镜头的位置为W mn ；比较F mn 和F 0的大小，若|F mn -F 0|≤δ，则对焦过程结束，若|F mn -F 0|>δ，则减小预先设定的步长继续搜索。

权利要求书2页说明书4页附图2页CN 108769533 A 2018.11.06C N 108769533A1.一种自动对焦算法，其特征在于，包括如下步骤：步骤1，采集目标物体的两幅连续的对焦图像分别为第一对焦图像和第二对焦图像，预先设定步进电机的步长为SW0、行程为L，然后利用sobel梯度函数分别计算出所述第一对焦图像的对焦评价函数值和所述第二对焦图像的对焦评价函数值并分别画出所述第一对焦图像的对焦评价函数的曲线图和所述第二对焦图像的对焦评价函数的曲线图；步骤2，找出所述第一对焦图像的对焦评价函数的曲线图中的曲线峰值点F1和所述第二对焦图像的对焦评价函数的曲线图中的曲线峰值点F2，然后将所述两幅曲线图中的曲线进行曲线拟合，得到拟合曲线，并找出所述拟合曲线的峰值点F0；步骤3，比较F1点和F2点所在聚焦镜头的位置W F1和W F2的大小，以较小位置点为起始点Ⅰ，以较大位置点为终点Ⅰ，并通过所述步进电机驱动聚焦镜头先以步长SW从所述起始点Ⅰ走到所述终点Ⅰ，并记录下所述对焦评价函数的最大值F m0及其所述聚焦镜头的位置W m0；步骤4，减小所述步进电机的步长，使所述聚焦镜头回到所述对焦评价函数的最大值位置的前一站F m0-1并以此为起始点Ⅱ，并以所述对焦评价函数的最大值位置的后一站F m0+1为终点Ⅱ，由所述步进电机驱动所述聚焦镜头从所述起始点Ⅱ走到所述终点Ⅱ，并记录下这一过程中所述对焦评价函数的最大值F m1及其所述聚焦镜头的位置W m1；步骤5，重复步骤4直至所述步进电机的步长减小到设定的所述步长SW0或小于所述步长SW0时，搜索结束，此时所述聚焦镜头停止在所述对焦评价函数的最大值F mn处且所述聚焦镜头的位置为W mn；步骤6，比较F mn和F0的大小，若|F mn-F0|≤δ，则对焦过程结束，若|F mn-F0|>δ，则减小所述预先设定的步长SW0并回到所述步骤3，其中，所述步骤6中的δ为阈值条件。

一种适用于机载SAR的改进PACE自聚焦算法

第３０卷第ｌ期１
２００８年ｌ１月
电
子
与
信
息
学
报
Ｖ０．０．１１３ＮＯ１ＮＯ２０Ｖ．０８
Ｊｕｎｌｆｅｔｏｃｏｒａｃｒｎｉｓ＆ＩｆｒｔｏｃｎｌｇｏＥｌｎｏｍａｉｎＴｅｈｏｏｙ
一
种适用于机载ＳＲ的改进ＰＣ自聚焦算法ＡＡＥ
是一种鲁棒性良好的图像自聚焦算法。
关键词：ＳＡＲ；ＰＥ；自聚焦；对比度；梯度；ＩＡＥＡＣＰＣ
中图分类号：Ｎ５．Ｔ９９３７
文献标识码：Ａ
文章编号：０９８６０８１．７９０１０．９（０）１１— ５２２５
ＡｎＩｒｖｄＰａｅＡｄｕｔｎｙＣｎｒｓｍｐｏｅｈｓｊｓｍｅｔｂｏｔａｔ
ｂｃｕｅｉａｅｉｅｔｙｔｅｐａｅｃｒｅｔｏｅｔｒａａｉｂｅｏｂｅｅｔｍａｅＴｏｒｄｃｈｏｅａｓｔｋｓｄｒｃｌｈｈｔｓｏｒｃｉｎｖｃｏｖａｌｓｔｓｉｔｄ．ｅｕｅｔｅｃｍｐｔｔｏｏ，ｓｒｕａｉｎｌａｄ
薛国义周智敏安道祥
（国防科技大学电子科学与工程学院长沙４０７）１０３
摘
要：ＰＥ算法是一种新的非模型的高性能ＳＲ图像自聚焦算法，可以有效提取ＳＲ图像中高频相位误差。ＡＣＡＡ
由于ＰＣＥ算法直接以图像相位误差校正值系列为待估计参量，计算量巨大，该文从提高ＰＥ算法的执行效率ＡＡＣ

可结合CSAR时域成像处理的改进PGA方法

第３３卷第９期２０１７年９月
文章编号：１００３－０５３０（２０１７）ｏ９ — １１５３－０９
信号处理
ＪＯＵＲＮＡＬＯＦＳＩＧＮＡＬＰＲＯＣＥＳＳＩＮＧ
Ｖｏ１．３３Ｎｏ．９
论分析的正确性和所提算法的有效性。
关键词：圆周合成孔径雷达；时域成像算法；相位梯度自聚焦
中图分类号：ＴＮ９５７．５２文献标识码：ＡＤＯＩ：１０．１６７９８／ｊ．ｉｓｓｎ．１００３ — ０５３０．２０１７．０９．００１
且具有精确成像能力。然而，这类算法的成像过程往往不满足结合传统自聚焦算法的条件，从而限制了其对实测数据的成像性能。针对这个问题，本文提出了一种可结合圆周合成孔径雷达（ＣｉｒｐｅｒｔｕｒｅＲａｄｒ，ａ
（ＣｏｌｌｅｇｅｏｆＥｌｅｃｔｒｏｎｉｃＳｃｉｅｎｃｅａｎｄＥｎｇｉｎｅｅｉｒｎｇ，ＮａｔｉｏｎａｌＵｎｉｖｅｒｓｉｔｙｏｆＤｅｆｅｎｓｅＴｅｃｈｎｏｌｏｇｙ，Ｃｈａｎｇｓｈａ，Ｈｕｎａｎ４１００７３，Ｃｈｉｎａ）
ｔｉｏｎｌａａｕｔｏｆｃｕｏｓｍｅｈｏｔｄ，ｗｈｉｃｈｃｏｎｓｔｒｉｎａｓｔｈｅｐｅｆｏｒｒｍａｎｃｅｏｆｔｉｍｅ — ｄｏｍａｉｎｌｇａｏｉｒｔｈｍｉｎｐｒａｃｔｉｃｌａｓｉｔｕａｔｉｏｎ．Ｔｏｓｏｌｖｅｔｈｅｐｒｏｂｌｅｍ，ｗｅｐｒｏｐｏｓｅａｎｉｍｐｒｏｖｅｄＰＧＡａｐｐｏａｒｃｈｗｈｉｃｈｃａｎｂｅｅｍｂｅｄｄｅｄｉｎｔｏｔｉｍｅｄｏｍａｉｎｌｇａｏｉｒｔｈｍｆｏｒｐｒｏｃｅｓｓｉｎｇｃｉｒｃｕｌａｒ

一种改进的相位梯度自聚焦算法

一种改进的相位梯度自聚焦算法
李燕平;邢孟道;保铮
【期刊名称】《西安电子科技大学学报（自然科学版）》
【年(卷),期】2007(034)003
【摘要】当相位梯度算法挑选的散射点不是孤立散射点时,导致相位误差估计的准确性下降.对相位梯度算法中特显点的选取方法进行了改进,提出了一种基于自适应孤立特显点选择的相位梯度方法.该方法首先利用方位滑窗对各像素点进行质量评估,从而挑选出质量最好的孤立特显点用于相位误差估计,接着利用质量评估值指导多个特显点的加权综合以进一步提高相位误差估计的精度.分析和实测数据表明,对于强散射点不孤立的场景,该方法的适用性更好.
【总页数】7页(P386-391,427)
【作者】李燕平;邢孟道;保铮
【作者单位】西安电子科技大学,雷达信号处理重点实验室,陕西,西安,710071;西安电子科技大学,雷达信号处理重点实验室,陕西,西安,710071;西安电子科技大学,雷达信号处理重点实验室,陕西,西安,710071
【正文语种】中文
【中图分类】TN957
【相关文献】
1.改进的机载SAR相位梯度自聚焦算法 [J], 闫龙;郑妍;李颜超
2.对海面重拖尾杂波下相位梯度自聚焦算法的改进 [J], 郭小飞;陈永强
3.一种适用于宽带条带式合成孔径声纳的相位梯度自聚焦算法 [J], 王旭艳;孙超
4.相位梯度自聚焦算法的性能分析及改进 [J], 陈琦;李景文
5.一种适用于机载/固定站构型 BiSAR 成像的改进相位梯度自聚焦方法 [J], 周松;包敏;陈士超;邢孟道;保铮
因版权原因，仅展示原文概要，查看原文内容请购买。

一种加速时域成像算法及其自聚焦方法

一种加速时域成像算法及其自聚焦方法曾乐天;梁毅;李震宇;怀园园;邢孟道【期刊名称】《西安电子科技大学学报（自然科学版）》【年(卷),期】2017(044)001【摘要】针对机载合成孔径雷达的导航系统精度不足这一问题，提出了一种与自聚焦方法相结合的加速时域成像算法。

通过引入全局虚拟极坐标系，构建出聚焦域和相位历程域之间的傅里叶变换对关系，并采用基于加权最小均方相位梯度自聚焦方法实现运动误差高精度补偿。

该方法采用快速傅里叶变换实现子图像的融合过程，避免了耗时的二维插值操作，且易与高精度自聚焦算法相结合，提取信号中的残余运动误差并补偿，提高成像质量。

【总页数】6页(P1-5,70)【作者】曾乐天;梁毅;李震宇;怀园园;邢孟道【作者单位】西安电子科技大学雷达信号处理国家重点实验室，陕西西安710071;西安电子科技大学雷达信号处理国家重点实验室，陕西西安 710071;西安电子科技大学雷达信号处理国家重点实验室，陕西西安 710071;西安电子科技大学雷达信号处理国家重点实验室，陕西西安 710071;西安电子科技大学雷达信号处理国家重点实验室，陕西西安 710071【正文语种】中文【中图分类】TN857.52【相关文献】1.一种用于单脉冲成像的自聚焦算法 [J], 吴迪;杨成杰;朱岱寅;沈明威2.一种基于极坐标格式算法的高分辨SAR成像自聚焦算法 [J], 曾乐天;梁毅;邢孟道3.一种适用于机载/固定站构型 BiSAR 成像的改进相位梯度自聚焦方法 [J], 周松;包敏;陈士超;邢孟道;保铮4.一种自聚焦的弹载SAR成像方法 [J], 谭覃燕;宋耀良5.一种时域平面扫描三维成像算法研究 [J], 胡楚锋;周洲;李南京;张麟兮因版权原因，仅展示原文概要，查看原文内容请购买。

基于改进RDM的SAR自聚焦算法

基于改进RDM的SAR自聚焦算法
李刚;彭应宁;夏香根
【期刊名称】《电子与信息学报》
【年(卷),期】2009(031)002
【摘要】反射率偏移法(RDM)是合成孔径雷达(SAR)自聚焦的经典算法,当场景对比度较低时,RDM自聚焦效果变差.该文提出了一种RDM的改进方法,该方法利用多普勒调频率与距离的函数关系,自适应地修正低对比度区域对多普勒调频率估计的影响,保证良好的自聚焦效果.实际SAR数据实验证明了该方法的有效性.
【总页数】4页(P349-352)
【作者】李刚;彭应宁;夏香根
【作者单位】清华大学电子工程系,北京,100084;清华大学电子工程系,北
京,100084;Department of Electrical and Computer Engineering,University of Delaware,Newark,DE 19716 USA
【正文语种】中文
【中图分类】TN957.51
【相关文献】
1.改进的机载SAR相位梯度自聚焦算法 [J], 闫龙;郑妍;李颜超
2.一种基于极坐标格式算法的高分辨SAR成像自聚焦算法 [J], 曾乐天;梁毅;邢孟道
3.一种适用于机载SAR的改进PACE自聚焦算法 [J], 薛国义;周智敏;安道祥
4.一种适用于超宽带SAR的改进的RDM算法 [J], 薛国义;周智敏;王建
5.基于先验相位结构信息的双基SAR两维自聚焦算法 [J], 施天玥;刘惠欣;刘衍琦;毛新华
因版权原因，仅展示原文概要，查看原文内容请购买。

一种自动对焦算法的优化

一种自动对焦算法的优化
马鹏川;杨波;唐舰
【期刊名称】《光学仪器》
【年(卷),期】2013(035)002
【摘要】随着数码相机的飞速发展,在实际应用中对数码相机的易用性和智能化要求越来越高.为了提高图像采集的准确性和简便性,开展了自动对焦技术和算法的研究.通过对对焦平台的搭建,在评价函数一定的情况下,对爬山法驱动寻址算法步长减半进行了优化,在保证准确性的情况下,更快地实现了自动对焦,减少对硬件的要求,节省资源.结果表明,该优化算法有一定的优越性.
【总页数】6页(P26-31)
【作者】马鹏川;杨波;唐舰
【作者单位】上海理工大学光电信息与计算机工程学院,上海200093
【正文语种】中文
【中图分类】TP272
【相关文献】
1.一种基于DFD的自动对焦算法 [J], 刘义鹏;裴锡宇;冯华君;李奇
2.自动对焦中的优化爬山搜索算法 [J], 郑玉珍
3.一种基于机器学习的自动对焦算法 [J], 贾海彦;赵山山;张红民
4.自动对焦综合性能指标及一种基于双向两次下降的自动对焦算法 [J], 林忠;黄陈蓉;卢阿丽
5.一种抗噪声的图像自动对焦算法 [J], 姚敏;吴政南
因版权原因，仅展示原文概要，查看原文内容请购买。

一种改进的自动聚焦搜索算法及其实现

一种改进的自动聚焦搜索算法及其实现
郑静;张起贵;王朋
【期刊名称】《电脑开发与应用》
【年(卷),期】2010(23)1
【摘要】自动聚焦的过程就是镜头按照自动聚焦搜索算法来回搜索聚焦评价函数求最大值的过程.传统的爬山搜索算法会受到聚焦评价函数局部极值的干扰而不能准确聚焦,并且在大幅离焦状态下近聚焦缓慢.详细介绍了一种改进的自动聚焦搜索算法的原理和实现方法,它能有效地排除这种干扰,减少大幅离焦状态下近聚焦的时间,使系统可靠的聚焦.
【总页数】2页(P26-27)
【作者】郑静;张起贵;王朋
【作者单位】山西综合职业技术学院计算机工程系,太原,030006;太原理工大学信息学院,太原,030024;太原理工大学信息学院,太原,030024
【正文语种】中文
【中图分类】TH742
【相关文献】
1.一种改进型新三步搜索算法的研究与实现 [J], 赵永利;陈进成;张杰;顾畹仪
2.一种改进三步搜索算法的设计与实现 [J], 刘跃军;苏静
3.一种改进的自动聚焦搜索算法及实现 [J], 张晓娟;王晓慧
4.一种改进的多点泛洪自动搜索算法的设计与实现 [J], 高小伟;王萍;王春泉
5.一种改进的自动聚焦算法 [J], 姜威;高赞;朱孔凤
因版权原因，仅展示原文概要，查看原文内容请购买。

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)。

9!: ; 5 算法原理及特显点选取原则的不足
!! ’# 对于含有一个强散射点的距离单元 ! 从图像域返回数据域其信号可表示为 "
%7 $1 & " % # ’ ( ( $ % 6 R 68" 6 ! "6 " :$ !! ! ( ! " !! ! 9:$ K [ )$ " "8 .$ 其中$! 频率和起始相位 ! % 为相位误差 * 对信号 :$ 为合成孔径时间 ! 6 ! " " "和 " 分别表示散射点信号的幅度 ) .$ 得到 " # $ $ % 进行方位傅里叶变换 ! ,$ :$ B < > A :$ $ 1 R ! !%7 $ ! 9! " #;$ !% !! K [ "% "% 其中 ;$ " % #的傅里叶变换 ! 利用加权函数 = $ R 6 !%为 1 " # 表示卷积 < !%加窗得到 K [ .$ " # $ ,> $ $ :$ B < > A :$ $ 1 R !%7 = $ ! 9! ! 9! " #;$ !% !< [ K "% "% "% !! 将加窗处理后的信号关于 ! 9! " 作傅里叶变换得到 %7 $1 $ $ % % % 6 R 1 R 6 6 " " #>$ !! K [ K [ )> $ "% .$ 其中 >$ %是 = $ 若窗的长度足够 ! 有 6 ,$ !%的傅里叶反变换 < !%的大部分能量都落在窗内 ! %$ $1 $ $ % % 6 R 1 R 6 " " !< K [ K [ )> $ "% .$ 把式 $ %写为离散域的形式 $ $ % *! ’ ?%$ $1 R 1 R ?% -!! !!!)> $ " " !! !? 7 (! K [ K [ "% .$ $ % & $ % ’ $ % # $ % /
! " " +年#月第/ &卷!第/期
!
西安电子科技大学学报（自然科学版） ! "#$%& ’!" (!) * + * &%!#% * , -$ . * /0
!
Y N >* ! " " + Z 6 ? * / &!6 * /
一种改进的相位梯度自聚焦算法
李燕平! 邢孟道! 保 ! 铮
! 西安电子科技大学雷达信号处理重点实验室 " 陕西西安 !+ # ( " " + ( 摘要 ! 当相位梯度算法挑选的散射点不是孤立散射点时 ! 导致相位误差估计的准确性下降 * 对相位梯度算法中特显点的选取方法进行了改进 ! 提出了一种基于自适应孤立特显点选择的相位梯度方法 * 该方法从而挑选出质量最好的孤立特显点用于相位误差估计 ! 接首先利用方位滑窗对各像素点进行质量评估 ! 着利用质量评估值指导多个特显点的加权综合以进一步提高相位误差估计的精度 * 分析和实测数据表明! 对于强散射点不孤立的场景 ! 该方法的适用性更好 * 关键词 ! 合成孔径雷达 " 相位梯度算法 " 自聚焦 " 雷达成像中图分类号 ! " # ,) ’ +!! 文献标识码 ! .!! 文章编号 ! ( " " ( $ ! & " " ! " " + " / $ " / % # $ " #
/ % +
置大量角反射器 ! 该方法适用性有限 * 在没有角反射器特显点时 ! @ M . 算法挑选的特显点是能量较高的距离单元中的最强散射点 * 但这样挑选的散射点很可能不是孤立的 ! 其周围可能会有较强的杂波干扰 ! 用这种质量较文献 " ! # 对@ 但文献差的散射点估计相位误差会带来不利的影响 * # + M . 算法的特显点选取方法进行了改进 ! " # 挑选特显点时需要大量傅里叶变换和傅里叶反变换操作 ! 运算量较大 ! 并且在自聚焦时窗长不变 ! 可能导致 # 相位误差估计不准 ! 文献" #采用图像对比度最大原则代替能量最大原则来挑选距离单元 ! 对比度较大表明存 + 在孤立散射点的可能性较大பைடு நூலகம்! 但不能保证最强散射点就是孤立散射点 * 笔者分析了当 @ 将导致相位误差估计的准确性下降 * 对@ M. 算法挑选的散射点不是孤立散射点时 ! M. 算法中特显点的选取方法进行了改进 ! 提出了一种基于自适应孤立特显点选择的 @ 该方法利用方 M. 方法 * 位滑窗对各像素点进行质量评估 ! 从而挑选出质量最好的孤立特显点用于相位误差估计 ! 接着利用质量评估值指导多个特显点的加权综合以进一步提高相位误差估计的精度 *
! " $ % & ’ (# ) * + ’, $ * ( ’ . / * 0 / % 1 % 2 0 +* 3 % $ / ) "4 * + ’ (% . # , * ( * / & ’ + % 3 * / ’ (+ 2 * / / ’ $ + ’ 3 ’ 2 / % . #
! "# $ % & ( % " +, . % & / $ 0#1 2 34 5 . % ’ )#* ) )
通过圆移使其位于方位中心 ! 再进行加窗 ! 加窗后通过逆傅里叶变换回到数据域可写为
A
$ %" $ $ $ % ?%71 R ?% $ R R # 8 &$ 7 " " " !%! K [ K [ K [ ) %! >$ .$ %! "1 %! "% %! B1 %! B 8? B%
B7( A
$ % $ $ $ % 1 R ?% 1 R $ R # " " " " !%! !! K [ K [ K [ .$ %! " %" %! "8 %! B1 %! B9 %! " 8? B% &$
(’ 度已不能满足要求 * 这种情况下一般先采用 I 再利用自聚焦算法进行精补偿 & ; 数据进行粗补偿 # * & ’ ’ & ’ ! / & " ( 对比度算法& ( 秩相位误差法 ! ( 相 ; . 8 成像中常用的自聚焦算法有子孔径算法 ! T 4 $ U : < 7 J $ 8 V @ W" K & ’ ’ 位梯度法 ! 子孔径算法和对比度算法运算量相对较小 # 对二次相位误差的估计比较稳健 # 缺点是随 @ M ." 等 *
高分辨率是机载合成孔径雷达 ! 重要的发展方向# 分辨率的提高可以获得更多的目标信息# 使目 ; .8" 标的形状和精细结构更清晰地呈现出来 # 从而大大提高目标识别的能力* ; .8 纵向分辨率的提高只需加宽信号频带 # 而横向则需要长时间的相干积累 * 分辨率越高 # 相干积累时间就越长 # 对运动补偿精度的要求也越载机的运动误差一般通过 M ! 全球定位系统 " 和I 惯导系统 " 测量得到 # 在高分辨情况下 # 其测量精高* @ ; ;!
%# 其中 - 表示方位脉冲数 * 实际中常采用对相邻两个方位时刻的数据进行内积的方法求取相位误差的差分 "
@ $ %7 %)> $ % $ % +) ?%7" ?% ? 9( ?% + 9" ! " !< > ? 9( .$ .$ .$ 但采用这种策略可能挑选出不 M. 算法选取特显点的原则是选择能量较高距离单元中的最强散射点 ! !!@ 孤立的散射点 ! 下面分析这种情况的影响 * 假设在第 % 个距离单元最亮点周围有 A 个杂波散射点 ! 把最亮点
收稿日期 ! ! " " # $ " % $ ! & 基金项目 ! 国家自然科学基金资助 ! " # " ’ " ! " & & 作者简介 ! 李燕平 ! " # 男# 西安电子科技大学博士研究生 * ( ) % ( $
第 / 期 !!!!!!!!!!!!!! 李燕平等 ! 一种改进的相位梯度自聚焦算法
着相位误差阶数的增大估计精度降低 * 但其信号模型基于一个距离单元仅 8 V @ W 法可以估计任意阶相位误差 # 有一个强散射点 # 实际中如果不符合该模型则效果不理想 * @ M . 算法基于图像中某些特显点的散焦状况进行自聚焦处理 # 从而使整个图像的散焦情况得到改善 * 显然 # 这些特显点的质量会影响相位误差估计的准确性 * 文献 & ’ 通过在地面放置角反射器 # 以获得高质量的特显点回波 # 经自聚焦处理得到" 由于需要布 ( X (L高分辨图像 #
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’ % $ ( + > J H 1 J < A4 1 : J N : 1: 4 9 4 : H 4 B 1= : 4 9 < 1 > J 4 ? 6 : < J H L% 4 N J 6 7 6 A N B : 4 9 4 : < L 4 < > !B K = 2 K = = 78