论文部分内容阅读
星载合成孔径雷达(Synthetic Aperture Radar,SAR)对地观测是完成资源勘探、环境保护、灾害预警以及国土防御等任务的重要手段。近年来,为满足空间对地观测由单任务向多任务发展的需求,基于小卫星技术的分布式SAR概念被提出。分布式SAR是将SAR的收、发天线分置于不同卫星,各卫星按一定的构形编队飞行并协同工作的多天线雷达体制,不仅具有单站星载SAR的全天时-全天候对地观测、对某些地物的穿透能力等特点,而且能够通过多基线、多视角、多波段、多极化等提供的互补信息,完成多种任务。其中,在民用与军事领域,动目标精确定位、测速与清晰成像对抢险救灾、交通路况监控、战场侦察等任务具有重要意义。分布式SAR对地面动目标的连续观测有助于运动信息的准确获取和成像分辨率的提高,而目前主要面临卫星姿态抖动引起的空间不同步、动目标参数估计精度低、成像分辨率提高与旁瓣增高的矛盾等难题。将分布式SAR看作一种多天线阵列,建立其回波阵列信号模型可将以上问题统一抽象为阵列信号的参数估计与波束形成问题。本文将研究基于多项式相位阵列信号(Polynomial Phase Array Signal,PPAS)的分布式SAR动目标成像关键技术,主要研究内容与贡献如下:(1)建立分布式SAR回波的阵列信号模型,并设计编队构形。用二阶PPAS来表示分布式SAR回波信号,命名为双站扩展空时模型(Bistatic Extended Space-Time Model,BESTIM),并根据BESTIM拟合误差最小准则对编队构形进行最优设计,将最优编队构形的BESTIM作为全文的理论基础。(2)基于PPAS完成卫星姿态抖动补偿,解决分布式SAR空间同步问题。首先分析卫星姿态抖动引起的相位误差,并在BESTIM的基础上建立含有抖动相位误差的高阶PPAS模型,接下来提出PPAS参数估计的HIM-MUSIC(High-order Instantaneous Moment-Multiple Signal Classification)方法,补偿抖动相位误差,最后用成像结果表明该方法优于传统的非参数化自聚焦方法。(3)基于BESTIM提出分布式SAR动目标参数估计的空-时-频联合处理方法,提高参数估计精度。首先提出Fr FT-STFD(Fractional Fourier Transform-Space-Time-Frequency Distribution)方法,估计距离向速度与初始方位,接下来提出Fr FT-CSMUSIC方法(Fractional Fourier Transform-Cross Spectrum Multiple Signal Classification,Fr FT-CSMUSIC),估计方位向速度。所提方法解决非线阵构形分布式SAR的多通道联合信号处理问题,并且比传统的VSAR(Velocity Synthetic Aperture Radar)、单站Fr FT等方法具有更高的参数估计性能。(4)基于BESTIM提出分数阶距离-多普勒频谱合成(Fractional Range Doppler Algorithm Spectrum Synthesis,Fr RDASS)的超分辨成像方法,使图像在获取更高分辨率的同时降低旁瓣,接下来给出分布式SAR回波半实物数据的模拟方法,用该数据验证所提成像方法的成像质量优于传统的距离-多普勒算法(Range Doppler Algorithm,RDA)。本文在分布式SAR现有的系统测控精度下实现动目标成像,在PPAS框架内提出卫星姿态抖动误差补偿、动目标参数估计、动目标超分辨成像的新方法,最终获得更高的动目标图像质量。通过本文的研究不仅能够更充分地发挥分布式SAR各卫星平台的信息互补优势,增强系统功能,并且所提出的PPAS信号处理方法对合成孔径声纳、超声波阵列、拖曳线列阵声纳等其它应用领域也具有一定的参考价值。