基于谱压缩的大斜视TOPS BP图像自聚焦算法.pdf

收稿日期:网络出版时间:基金项目:国家自然科学基金青年项目();中央高校基本科研业务费专项资助基金()作者简介:周生威(),男,西安电子科技大学博士研究生,E m a i l:s w z h o u s t u x i d i a n e d u c n邢孟道(),男,教授,E m a i l:x m d x i d i a n e d u c n通信作者:李宁(),男,讲师,E m a i l:l n w a l k e r c o m网络出版地址:h t t p s:d o i o r g/j i s s n d o i 敭 j 敭i s s n 敭 基于谱压缩的大斜视T O P SB P图像自聚焦算法周 生 威,李宁,邢 孟 道,(西安电子科技大学 雷达信号处理全国重点实验室,陕西 西安 ;西安电子科技大学 前沿交叉研究院,陕西 西安 )摘要:在机动平台大斜视T O P S模式S A R成像时,通过使用地平面直角坐标系B P成像算法,能够在短时间内获取地距平面无畸变的宽幅S A R图像,但实际应用中如何对B P图像快速完成运动误差补偿与旁瓣抑制仍是一个难点.针对此问题,提出了一种改进的谱压缩方法,基于此能够快速实现机动平台大斜视T O P S模式地平面B P图像自聚焦等后续操作.首先,考虑到传统B P谱压缩方法仅适用于聚束成像模式,结合大斜视T O P SS A R虚拟旋转中心理论与波数谱分析,推导出了改进的精确谱压缩函数,能够通过全孔径压缩获得无模糊的地平面T O P S模式B P图像频谱.在此基础上,利用相位梯度自聚焦(P GA)能够快速完成全孔径运动误差估计与补偿.此外,基于提出的改进谱压缩方法得到的无模糊对齐B P图像频谱,可以在方位频域统一加窗实现图像旁瓣抑制.最后,通过仿真数据处理验证了所提算法的有效性.关键词:T O P S模式;地平面B P成像;谱压缩;运动误差补偿;旁瓣抑制中图分类号:T N 文献标识码:A文章编号:()S p e c t r u mc o m p r e s s i o nb a s e da u t o f o c u sa l g o r i t h mf o r t h eT O P SB Pi m a g eZHO US h e n g w e i L IN i n g X I NG M e n g d a o 敭 N a t i o n a lK e yL a b o r a t o r yo fR a d a rS i g n a lP r o c e s s i n g X i d i a nU n i v e r s i t y X i a n C h i n a 敭 A c a d e m yo fA d v a n c e dI n t e r d i s c i p l i n a r yR e s e a r c h X i d i a nU n i v e r s i t y X i a n C h i n a A b s t r a c t I nt h eh i g hs q u i n tT O P S m o d eS A Ri m a g i n go ft h em a n e u v e r i n gp l a t f o r m b yu s i n gt h eB Pi m a g i n ga l g o r i t h mi nt h er e c t a n g u l a rc o o r d i n a t es y s t e mo ft h eg r o u n dp l a n e t h ew i d es w a t hS A Ri m a g ew i t h o u td i s t o r t i o n i n t h eg r o u n dp l a n e c a nb eo b t a i n e d i na s h o r t t i m e 敭 H o w e v e r h o wt oq u i c k l y c o m p l e t e t h em o t i o ne r r o rc o m p e n s a t i o na n ds i d e l o b e s u p p r e s s i o no f t h eB P i m a g e i s s t i l l d i f f i c u l t i np r a c t i c a l a p p l i c a t i o n 敭T h i sp a p e rp r o p o s e sa ni m p r o v e ds p e c t r a lc o m p r e s s i o n m e t h o d w h i c hc a nq u i c k l yr e a l i z et h ef o l l o w u po p e r a t i o n ss u c ha sa u t o f o c u so ft h eB Pi m a g eo ft h eg r o u n dp l a n ei nt h eh i g hs q u i n tT O P S m o d eo ft h em o b i l ep l a t f o r m敭 F i r s t b yc o n s i d e r i n gt h a t t h e t r a d i t i o n a lB Ps p e c t r a l c o m p r e s s i o nm e t h o d i so n l ya p p l i c a b l et ot h es p o t l i g h t i m a g i n gm o d e c o m b i n e dw i t ht h ev i r t u a l r o t a t i o nc e n t e rt h e o r yo fh i g h s q u i n tT O P SS A Ra n dt h ew a v e n u m b e rs p e c t r u ma n a l y s i s a ni m p r o v e de x a c ts p e c t r a lc o m p r e s s i o nf u n c t i o ni sd e r i v e d w h i c hc a ng i v er i s et ot h eu n a m b i g u o u sg r o u n dp l a n e T O P S m o d eB Pi m a g es p e c t r u m t h r o u g hf u l l a p e r t u r ec o m p r e s s i o n o nt h eb a s i so fw h i c ht h ep h a s eg r a d i e n t a u t o f o c u s P GA c a nb eu s e dt oq u i c k l yc o m p l e t et h ef u l l a p e r t u r em o t i o ne r r o re s t i m a t i o na n dc o m p e n s a t i o n 敭 I na d d i t i o n b a s e do nt h eu n a m b i g u o u sa l i g n e dB Pi m a g es p e c t r u mo b t a i n e db yt h ei m p r o v e ds p e c t r a lc o m p r e s s i o nm e t h o dp r o p o s e di nt h i sp a p e r t h ei m a g es i d e l o b es u p p r e s s i o nc a nb er e a l i z e db yu n i f o r m l yw i n d o w i n gi nt h ea z i m u t hf r e q u e n c yd o m a i n 敭 F i n a l l y t h e 年月第 卷第期西安电子科技大学学报J OURNA LO FX I D I ANUN I V ER S I TYF e b V o l N o e f f e c t i v e n e s so f t h ep r o p o s e da l g o r i t h mi sv e r i f i e db ys i m u l a t i o nd a t ap r o c e s s i n g 敭K e yW o r d s T O P Sm o d e g r o u n dr e c t a n g u l a r c o o r d i n a t eB P i m a g i n g s p e c t r u mc o m p r e s s i o n m o t i o ne r r o rc o m p e n s a t i o n s i d e l o b es u p p r e s s i o n引言大斜视T O P S(T e r r a i nO b s e r v a t i o nb yP r o g r e s s i v eS c a n s)模式 S A R(S y n t h e t i cA p e r t u r eR a d a r)成像通过联合调整波束在方位向和距离向的姿态,能够在短时间内获得大于瞬时照射范围的场景信息,同时通过波束扫描速度的控制,能够保证成像结果达到既定的方位向分辨率,且其数据录取方式相比于其他成像模式更为灵活,极好地契合机动平台S A R的成像需求.传统的R D、N C S、Om e g a K等频域算法及其改进方案 ,在大斜视情况下由于T O P S模式方位频谱混叠严重以及方位空变问题,难以得到高质量的S A R图像.同时,频域算法受限于其二维成像平面,仅能平行于数据录取平面,若要得到地面投影图像还需额外进行插值操作.而以后向投影(B a c kP r o j e c t i o n,B P)为代表的时域算法 ,能够在对系统P R F(P u l s eR e p e t i t i o nF r e q u e n c y)需求不高的情况下解决上述问题.其中B P算法 能够得到无畸变的地面S A R图像,但代价是较高的运算复杂度.而U L AN D E R等 提出的F F B P(F a s tF a c t o r i z e dB P)算法虽然通过多级极坐标系子图像融合减少了运算量,但获得地平面图像还需进行图像域插值.CHE N等 提出的G C B P(G r o u n dC a r t e s i a nB P)能够直接在地距平面成像,并通过子孔径内准确的谱压缩降低了算法的运算量,但成像性能受损,且流程中使用了大量F F T(F a s tF o u r i e rT r a n s f o r m)操作.尽管B P算法能够获得理论最优的地面S A R图像,然而实际应用中受限于运动误差,对于机动平台如何高效地结合地平面B P成像与自聚焦仍是一个难点.针对B P算法的运动误差估计与补偿已有许多算法,考虑到通过最小熵进行误差估计的算法 运算量过大,主流的方案是以P GA(P h a s eG r a d i e n tA u t o f o c u s)为代表的自聚焦算法 .文献 提出的基于C F B P(C a r t e s i a nF a c t o r i z e dB P)的机动平台S A R运补方法能够在聚束模式下全孔径完成图像自聚焦,但由于其频谱搬移函数不准确,对于T O P S模式的处理需要对图像方位分块,进而导致补偿后图像方位向能量不连续,因此这类算法无法适用.由于机动平台S A R系统对成像速率有较高要求,因此对B P成像网格的采样率提出限制,同时考虑到T O P S模式波束指向的改变,这些因素叠加在一起导致T O P S模式的B P图像频谱混叠严重.现有的T O P S模式B P成像运动误差补偿算法均基于子孔径处理,基于F F B P、C F B P的算法由于运动误差与极坐标系图像的直接相关性,需要在子孔径内完成极坐标系成像后估计误差,在误差补偿后还额外需进行图像插值以得到地平面图像,如此高的运算量无法满足机动平台S A R成像的时效性需求,因此能够实现大斜视T O P S模式下地平面B P图像自聚焦的方法亟待研究解决.针对上述问题,提出了一种基于改进谱压缩的机动平台大斜视T O P SS A R地平面B P图像自聚焦算法.首先建立了地平面B P成像的信号与几何模型,其次通过波数分解分析理论的谱压缩模型并结合虚拟旋转中心,推导出精确的T O P S模式谱压缩函数,能够全孔径压缩B P图像频谱并进行自聚焦与方位旁瓣抑制,最后通过仿真对该算法进行验证.所提算法在取得高质量成像结果的同时极大地减少结合自聚焦的B P算法运算量,兼顾了机动平台S A R所需的高性能与高效性.信号与斜距模型直角坐标系下的大斜视T O P S模式成像模型如图所示.以雷达方位中心时刻位置在地面的投影为坐标系原点,东北天方向分别为三维坐标轴,分别表示为E,N,U,设成像平台在合成孔径时间起始时位于点A 波束指向的地面目标p;随着平台的运动,在方位中心时刻位于点A,此时波束中心扫描至地面目标点p,波束扫描过程足迹如灰色部分所示.ta表示方位慢时间,雷达高度为H,其三维坐标表示为(X(ta),Y(ta),H).对于目标场景内任一点Q(x,y,),其斜距可表示为R(ta,x,y)(X(ta)x)(Y(ta)y)H)/.()雷达传输信号接收解调并脉压后表示为西安电子科技大学学报第 卷Sr e c tv taLs i nc BtrR(ta)ce x p j R(ta,x,y),()其中,B表示距离向带宽,c表示光速,表示波长,v表示S A R平台运动速度,tr表示距离快时间.对于Q点,可以通过方位向相干积累得到其图像中的复数值.通过对每一网格点进行上述操作,即可利用B P算法得到图像:I(x,y)tetsS(R(ta,x,y),ta)e x pj R(ta,x,y)dta.()图大斜视T O P S模式S A R成像信号模型B P算法的优势在于直接通过距离相关的相干积累得到图像,对于不同的成像模式均适用.对于T O P S模式,由于波束在方位向的扫描,同一方位时刻仅有部分网格被照射到,因此可以利用这一特性适应性地选取当前时刻的有效投影网格,减少整体算法运算量.图B P成像网格的布置方式示意图将网格布置为网格中心设定为方位中心时刻雷达波束中心在地面的投影,方位中心时刻波束方向地面投影方向为网格的距离向Y轴,成像平面中顺时针 垂直于波束方向的指向为方位向X轴,如图所示.如此的布置方式能够使B P图像的方位频谱处于与网格方位向平行的方向,且后续谱压缩过程在此布置下第期周生威等:基于谱压缩的大斜视T O P SB P图像自聚焦算法可被简化.谱压缩的目的在于减小频谱范围,使得图像仅需要较低的两维分辨率即可满足采样定律.但原始的谱压缩仅适用于聚束模式,对于其他模式的全孔径处理需要推导新的谱压缩函数.除了用式()表示B P图像外,还可以转换到距离频域对其进行表示:I(x,y)tetsKrm a xKrm i nS(Kr,ta,x,y)e x p(jKrR(ta,x,y)dKrdta,()其中,Kr表示波数.而后利用驻像点原理(P r i n c i p l eO fS t a t i o n a r yP h a s e,P O S P)可近似得出:KxKrX(ta)xR(ta,x,y),KyKrY(ta)yR(ta,x,y).()由此得到谱压缩函数:f(xi,yi)Kr c(X(ta)xi)(Y(ta)yi)Z(ta)()/,()其中,xi和yi分别表示方位向和距离向的B P网格采样点.图所示为谱压缩过程中波数支撑区的变化.图谱压缩过程中波数支撑区的变化但此时原始的谱压缩函数无法直接高效处理T O P S模式数据,此前通过子孔径估计误差的方法 由于方位数据短,使用聚束模式的谱压缩函数处理T O P S数据误差不大,但子孔径方法需要两次成像:一次用于估计误差,并在拼接误差并补偿后再次成像,因此增加了时耗.而通过直接将B P图像方位向分块并分别构造谱压缩函数,将各方位分块近似等效为聚束模式的方法,由于各分块间谱压缩函数值不连续,导致部分区域压缩效果不理想,且位于分块间分界线上的点会出现能量不连续的现象,大大降低了成像性能.基于改进谱压缩的大斜视T O P S模式B P图像自聚焦流程为了保证算法的高效性,整个处理流程只能容纳较低分辨布置网格下一次B P成像的运算量,其中误差估计与补偿是至关重要的一步,但自聚焦算法无法应用于频谱混叠的情况.因此,为了解决这个根本问题,需要找到一种能够全孔径压缩T O P S模式频谱的方法.数据录取过程中实际的波束变化是一个连续的过程,在不同的方位时刻ta,通过波数分解可以得到场景中某点的谱支撑区中心,表示如下:Kx c(x,y)Kr cxX(ta)(X(ta)x)(Y(ta)y)Z(ti)()/,Ky c(x,y)Kr cyY(ta)(X(ta)x)(Y(ta)y)Z(ti)(),()其中,Kr c是由载频fc决定的波数.对于子孔径算法,式()的谱压缩函数使用孔径中心时刻雷达位置为近似西安电子科技大学学报第 卷替代其余位置,无论是否存在波束扫描,由于子孔径时间极短,在子孔径Ta时间内雷达位置和波束指向变化极小,因此由此近似带来的误差可以忽略.图基于改进谱压缩的大斜视T O P S模式B P图像自聚焦流程图而对全孔径聚束模式而言,在长时间成像过程中波束完全保持照射目标成像区域,即在合成孔径时间内成像流程中涉及的xp、yp不发生变化,但雷达位置发生了较大改变.式()的谱压缩函数仅能准确表示瞬时的波数分解,此前全孔径聚束模式使用式()能够完成谱压缩是由于存在的误差恰好沿航迹对称相消.以下对此进行分析:设对于每一方位时间,直接使用f(x,y)的相位误差(x,y,ta),其中(x,y,ta)对于每个网格位置是各异的.由于(x,y,ta)恰巧是关于方位中心时间tc共轭对称的,相干积累后相位误差(x,y,ta)共轭相消,得到一常数相位项,该项对谱压缩及成像结果没有影响,可以忽略不计.即在全孔径聚束成像模式中通过方位向相干积累得到的谱压缩函数,恰好与使用式()一致,因此文献 中全孔径聚束模式能够成功利用式()完成谱压缩操作.结合T O P S模式的波数特性,通过以下推导对谱压缩函数进行改进.对于式()和式(),在T O P S模式成像过程中,雷达与波束指向不断移动,且波束照射的网格位置不断改变,但若将各时刻波束中心指向的位置与当前雷达位置连线,并交会于一点,此点即波束旋转中心Pr o t(Xr o t,Yr o t,Zr o t),如图中Pr o t所示.将式()中的各时刻雷达位置替换为波束旋转中心Pr o t,对于图像中的每点(x,y)来说,无论波束中心如何移动,在照射时间内单点的波数支撑区是关于Pr o t对称的,因此以Pr o t为参考构建谱压缩函数可以准确得到新的谱支撑区中心,表达方式为Kx i(x,y)Kr cxXr o t(Xr o tx)(Yr o ty)Zr o t()/,Ky i(x,y)Kr cyYr o t(Xr o tx)(Yr o ty)Zr o t()/.()目标函数f(x,y)在网格各采样点(xi,yi)处的两维偏导数为f(xi,yi)xiKx c(xi,yi),f(xi,yi)yiKy c(xi,yi).()第期周生威等:基于谱压缩的大斜视T O P SB P图像自聚焦算法对式()的距离与方位两维分别进行积分运算,可以得到T O P S模式下的第步谱压缩函数:f(xi,yi)Kr c(Xr o txi)(Yr o tyi)Zr o t()/.()经过改进的第步谱压缩,谱中心能够被准确搬移到同一点,如图(b)所示.通过同样的思想可以得到改进的第步谱压缩中倾斜校正部分,效果如图(c)所示.第步谱压缩函数为g(xi,Ky)Ky(Xr o txi)Yr o tyi.()通过引入频域模式的波束旋转中心概念,文中改进了谱压缩函数,并将其推广到T O P S模式,能够直接全孔径压缩T O P S模式B P图像的频谱,使全孔径自聚焦和旁瓣抑制成为可能,在控制运算量的同时大大提升了B P算法处理T O P S模式的成像性能.经过谱压缩步骤,T O P S模式的方位频谱搬移至对齐的位置,不再混叠,通过方位F F T将B P图像转换到方位频域即可借助自聚焦完成运动误差的估计.设估计出的运动误差为(ta),则其补偿方式为I(Kx,yi)e x p jKxKyXr o tYr o tyixe x p(j(ta).()对于T O P S模式,距离向加窗可以在脉压过程中方便的完成.设脉压后信号为gR C,脉压参考函数为sr e f,距离向窗函数为wr(tr),则距离向加窗可表示为gR CI F F T(F F T(g)F F T(sr e f)F F T(wr(tr).()其中,I F F T与F F T分别表示逆傅里叶变换与傅里叶变换.借助谱压缩,B P图像的方位频谱对齐,因此方位向加窗可以在运动误差补偿完成后进行,设方位窗函数为wa(Kx),完成方位向加窗后通过方位向逆傅里叶转换至方位时域即可得到最终完成自聚焦与旁瓣抑制的T O P S模式S A R图像:If i n a l(x,y)I F F T(I(Kx,yi)wa(Kx).()仿真数据处理结果通过仿真大斜视T O P S模式回波数据,并添加高次随机误差来验证提出算法的有效性.表给出了仿真的具体参数.表仿真参数参数数值参数数值合成孔径时间/s 带宽/MH z 载频/GH z 速度/(ms)(,)P R F/k H z 方位中心时刻斜视角/()脉宽/s 高度/k m 波束宽度/()波束扫描速度/()s)通过仿真个均匀分布在东北天平面内,两维幅宽均为k m的点目标阵来验证算法的有效性.在当前仿真参数情境下,波束宽度为,则方位向瞬时照射幅宽为Rs t a n k m,远小于方位向幅宽要求.利用T O P S模式,扫描角速度为 /s,则能够在 s的时间内得到方位向幅宽覆盖目标区域,且由于波数连续能够得到方位向波束能量连续的回波,单点分辨率能够达到m的要求,并避免了其他如多子带成像等增加方位幅宽方法可能引起的能量不连续及瞬时谱宽扩展以至大于P R F的问题,由此证明了短时成像T O P S模式的优势.点目标分布及网格布置情况如图所示.为模拟真实平台飞行时的运动误差,结合惯导实际参数,所提方案通过仿真均值、m/s标准差的速度误差并积分得到三维位置误差,将该误差添加至雷达轨迹,进行B P成像.仿真得到的三维位置误差如图所示.图给出了不同情况下B P图像两维谱的对比,分别为原始二维谱、使用文献 中谱压缩函数的二维谱及使用文中谱压缩算法的二维谱.图(b)虽然一定程度上压缩了频谱,但其方位向仍混叠,自聚焦算法依然无法得到使用,而通过图(c)能够明显看出文中谱压缩算法的有效性,保证方位向分辨率的情况下能西安电子科技大学学报第 卷够减少网格密度,从而进一步降低运算量.图仿真的点目标几何分布图图仿真中添加的随机三维速度误差图不同情况下B P图像两维谱的对比图大斜视T O P S模式仿真数据B P成像结果图给出了大斜视T O P S模式仿真数据B P成像结果.通过对比图(a)和图(b),证明了基于文中提出的改进谱压缩方法,自聚焦算法能够直接用于稀疏采样的B P图像的方位频谱.图给出了图中最左上角的点目标,中间的点目标和最右下角的点目标自聚焦前后的对比;选取的个点目标涵盖了整个成像区域的空变特性,能够有效测试自聚焦算法的有效性.其中图(a)(d)、图(e)(h)和图(i)(l)分别为点目标、点目标和点目标自聚焦前后的康德(C o n t o u r)图及方位旁瓣对比;由于误差对距离向第期周生威等:基于谱压缩的大斜视T O P SB P图像自聚焦算法聚焦效果影响微弱,此处隐去.基于图可以看出,运动误差对于方位向聚焦效果影响极大,方位向散焦严重.基于文中算法的T O P S模式全孔径谱压缩后进行自聚焦操作有效地补偿了运动误差,大幅提升了方位向聚焦性能.图运动补偿前后点目标、点目标和点目标的康德图及方位旁瓣对比图 给出了点目标两维加窗后的结果,表给出了点目标自聚焦与方位加窗前后的两维峰值旁瓣比(P S L R)与积分旁瓣比(I S L R)指标对比.结合图 与表,证明了基于文中改进谱压缩算法的方位旁瓣抑制方法的有效性.西安电子科技大学学报第 卷图 点目标两维加窗后结果表点目标自聚焦与方位加窗前后旁瓣指标d B自聚焦与加窗前所提算法自聚焦与加窗后距离向P S L R I S L R 方位向P S L R I S L R 结束语大斜视T O P S模式S A R成像能够灵活地在短时间内获取宽幅S A R图像,对于机动平台快速获取场景信息具有重要意义.文中分析了地平面B P成像的信号及几何模型,深入研究B P图像的谱压缩方法,通过结合虚拟旋转中心的概念与B P图像的频谱分析,提出了一种基于改进谱压缩的机动平台大斜视T O P SS A R地平面B P图像自聚焦算法,能够全孔径压缩T O P S模式B P图像频谱,进而快速完成自聚焦与方位旁瓣抑制.相比于现有使用B P算法结合自聚焦处理T O P S模式数据的情况,所提算法无需方位向过采样及子孔径成像估计误差,大幅降低了B P算法结合自聚焦处理T O P S模式数据的运算复杂度.所提算法对于T O P S、滑动聚束等波束旋转S A R均能有效作用,但对于条带等不存在波束旋转的成像模式,目前还只能通过子孔径的方法进行谱压缩.这一部分是未来需要进一步解决的问题.参考文献:Z ANFD GUA R N I E R IA M敭 T O P S A R T e r r a i nO b s e r v a t i o nb yP r o g r e s s i v eS c a n s J 敭 I E E ET r a n s a c t i o n so nG e o s c i e n c ea n dR e m o t eS e n s i n g 敭 P R A T SP S CHE I B E RR M I T T E RMAY E RJ e t a l 敭 P r o c e s s i n go f S l i d i n gS p o t l i g h t a n dT O P SS A RD a t aU s i n gB a s e b a n dA z i m u t hS c a l i n g J 敭 I E E ET r a n s a c t i o n so nG e o s c i e n c e&R e m o t eS e n s i n g 敭 ME TA A M I T T E RMAY E RJ P R A T SP e ta l 敭 T O P SI m a g i n g w i t h T e r r a S A R X M o d eD e s i g na n dP e r f o r m a n c eA n a l y s i s J 敭 I E E ET r a n s a c t i o n so nG e o s c i e n c e&R e m o t eS e n s i n g 敭 R O D R I GU E Z C A S S O L A M P R A T S I R A O L AP Z ANFD e t a l 敭 D o p p l e r R e l a t e dD i s t o r t i o n s i nT O P SS A RI m a g e s J 敭I E E ET r a n s a c t i o n so nG e o s c i e n c e&R e m o t eS e n s i n g 敭 D E NGB L IX WANG H e ta l 敭 F a s tR a w S i g n a lS i m u l a t i o no fE x t e n d e dS c e n e sf o rM i s s i l e B o r n eS A R W i t hC o n s t a n tA c c e l e r a t i o n J 敭 I E E EG e o s c i e n c ea n dR e m o t eS e n s i n gL e t t e r s 敭 CHE NS Z HAO H Z HAN GS e ta l 敭 A nE x t e n d e dN o n l i n e a rC h i r pS c a l i n gA l g o r i t h mf o rM i s s i l eB o r n eS A RI m a g i n g J 敭 S i g n a lP r o c e s s i n g 敭 CHE N G H L I UZ T E N GL敭 A nI m p r o v e dC SA l g o r i t h mB a s e do nt h eC u r v e dT r a j e c t o r yi nG e o s y n c h r o n o u sS A R J 敭I E E EJ o u r n a l o fS e l e c t e dT o p i c s i nA p p l i e dE a r t hO b s e r v a t i o n s&R e m o t eS e n s i n g 敭 S UNGC X I NG M WANGY e t a l 敭 A DS p a c e V a r i a n tC h i r pS c a l i n gA l g o r i t h mB a s e do nt h eR CM E q u a l i z a t i o na n d第期周生威等:基于谱压缩的大斜视T O P SB P图像自聚焦算法S u b b a n dS y n t h e s i st oP r o c e s sG e o s y n c h r o n o u sS A R D a t a J 敭 I E E E T r a n s a c t i o n so nG e o s c i e n c ea n dR e m o t eS e n s i n g 敭 CHE NJ S UNGC WAN GY e ta l 敭 AT S V D N C SA l g o r i t h mi nR a n g e D o p p l e rD o m a i nf o rG e o s y n c h r o n o u sS y n t h e t i cA p e r t u r eR a d a r J 敭 I E E EG e o s c i e n c ea n dR e m o t eS e n s i n gL e t t e r s 敭 Z HAN GSX X I N G M D X I A X G e ta l 敭 F o c u sI m p r o v e m e n to fH i g h S q u i n tS A RB a s e do nA z i m u t hD e p e n d e n c eo fQ u a d r a t i cR a n g eC e l lM i g r a t i o nC o r r e c t i o n J 敭 I E E EG e o s c i e n c e&R e m o t eS e n s i n gL e t t e r s 敭 X I ON GT X I N G M X I AXG e t a l 敭 N e wA p p l i c a t i o n so fOm e g a KA l g o r i t h mf o rS A RD a t aP r o c e s s i n gU s i n gE f f e c t i v eW a v e l e n g t ha tH i g hS q u i n t J 敭 I E E ET r a n s a c t i o n so nG e o s c i e n c ea n dR e m o t eS e n s i n g 敭 X I NG M WUY Z HAN GYD e ta l 敭 A z i m u t hR e s a m p l i n gP r o c e s s i n gf o rH i g h l yS q u i n t e dS y n t h e t i cA p e r t u r eR a d a rI m a g i n gW i t hS e v e r a lM o d e s J 敭 I E E ET r a n s a c t i o n so nG e o s c i e n c ea n dR e m o t eS e n s i n g 敭 黄平平 邓云凯 徐伟 等敭基于频域合成方法的多发多收S A R技术研究 J 敭电子与信息学报 敭HUAN GP i n g p i n g D E N G Y u n k a i XU W e i e ta l 敭 M u l t i p l eS A R T e c h n o l o g y R e s e a r c hB a s e do nF r e q u e n c y D o m a i nS y n t h e s i sM e t h o d J 敭 E l e c t r o n i ca n d i n f o r m a t i c s 敭 邢孟道 林浩 陈溅来 等敭多平台合成孔径雷达成像算法综述 J 敭雷达学报 敭X I NG M e n g d a o L I N H a o CHE NJ i a n l a i e ta l 敭 A R e v i e w o fI m a g i n g A l g o r i t h m si n M u l t i P l a t f o r m B o r n eS y n t h e t i cA p e r t u r eR a d a r J 敭 J o u r n a l o fR a d a r s 敭 D E S A IM J E NK I N SW敭 C o n v o l u t i o nB a c k p r o j e c t i o n I m a g eR e c o n s t r u c t i o n f o rS p o t l i g h tM o d eS y n t h e t i cA p e r t u r eR a d a r 敭I E E ET r a n s a c t i o n so nI m a g eP r o c e s s i n g 敭 U L AN D E RL HE L L S T E N H S T E N S T R OM G敭 S y n t h e t i c A p e r t u r eR a d a rP r o c e s s i n gU s i n gF a s tF a