基于BP和PGA算法的斜視SAR成像方法

閆夢圓，高安琪，薛晨，孫兵，李景文

（北京航空航天大學電子信息工程學院北京 100083）

1 引言

在合成孔徑雷達（Synthetic Aperture Radar,SAR）成像中，BP 成像算法作為一種時域算法，不需要頻域的近似，能夠精確成像，并且能夠適用于雷達的各種運動軌跡，普適性強。在大斜視情況下，SAR 的距離方位耦合較為嚴重，目標回波信號頻譜的數學表達復雜，其他頻域成像算法如距離多普勒（Range-Doppler,RD）算法［1］等，其成像結果的精確程度與回波信號的二維頻譜的精確程度密切相關，在斜視情況下成像效果欠佳。而BP 算法作為時域成像算法，根據雷達到像素點之間的距離計算時延，將回波數據反向映射到成像區域的每個像素，并把所有像素點的回波進行相干疊加來成像。避免了距離方位耦合的問題［2］。因此對于斜視SAR 成像情況，本文使用BP 算法進行處理。

但是由于目標的運動和平臺運動誤差，會產生回波多普勒信號相位誤差，導致BP 成像聚焦困難，需要進行相位補償。隨著SAR成像分辨率的提高，合成孔徑長度增加，對回波相位誤差的補償提出了更高的要求［3］。雖然依靠慣性導航運動補償系統直接測量雷達平臺加速度，獲得載機平臺的位置，能夠補償一定的相位誤差，但是這種方式會產生積累相位誤差，不能夠完全補償相位誤差［4］。能夠精確估計出SAR 天線相位中心的運動誤差，在成像過程中進行運動補償，是實現高分辨率SAR成像的難點［5］。

成像的散焦大部分來自于回波信號中的二次相位誤差，能夠估計并補償二次相位誤差能夠有效的解決方位向散焦問題，自聚焦處理是常用的方式。傳統的自聚焦方法如子孔徑相關法（Map Drift,MD）［6］，相位差算法（Phase Difference,PD）［7］、反射率偏移法（Reflectivity Displacement Method,RDM)［8］等，都只能估計低階相位誤差，而相位梯度自聚焦算法（Phase Gradient Autofocus,PGA）作為非參數模型算法，不需要確定相位誤差的階數，因此能夠同時補償低階、高階以及隨機誤差［9］，并能夠較好的用于有強散射點雷達回波的運動誤差估計［10］。

在已有的PGA算法中，相位梯度估計都需要沿二維數據域的某一維度進行估計［11］，但是在斜視情況下的BP 算法成像中，目標的擴展函數方向與斜視角在地面的投影角度有關，方位向不再是嚴格的正交方向。因此斜視情況下SAR 系統目標自聚焦后成像質量得不到明顯的提升。為了解決這一問題，本文提出了一種基于BP 算法點目標擴展函數二維不正交情況下的自聚焦方法。使斜視情況下機載SAR 的成像質量得到顯著提升。

2 BP成像算法原理

BP 算法實際上是先確定圖像的網格大小和區域，然后按照時延找到它在原始回波數據中的對應位置，并采用插值的方法來獲取回波值，最后實現針對所有像素點的疊加從而得到所需要的SAR 圖像。

具體來說，首先根據目標成像區域場景大小建立地面成像網格。根據雷達軌跡，在地面沿方向建立成像網格，網格像素間隔根據實際分辨率指標設定。

3 改進的PGA自聚焦方法

實際情況中，由于目標的運動，會導致回波多普勒信號存在相位誤差，造成圖像的散焦，因此在BP 成像后進行PGA處理以補償相位誤差。

但是在大斜視SAR成像情況下，最終目標的擴展函數方向受到斜視角的影響，傳統的PGA算法難以得到效果良好的自聚焦結果。究其原因，主要是因為成像網格的方向沿東-北方向劃分，在斜視情況下，會造成點目標擴展函數二維不正交，而傳統PGA沿著二維數據域中的某一維度進行估計，方位向水平或是垂直時，才能得到較為準確的估計結果。因此無法準確估計相位誤差，導致自聚焦失效。

本文提出的自聚焦方法過程流程圖如圖2所示。

圖2 改進的自聚焦算法流程

本方法針對斜視情況下相位梯度自聚焦失效的問題，提出了一種新的確定成像網格方向以及劃分的方法，解決斜視情況下相位梯度自聚焦失效的問題。

首先根據大斜視機載SAR成像幾何模型，繪制出斜視情況下，合成孔徑中心時刻SAR觀測目標的地面投影圖，如圖3所示。

圖3 地面投影圖

圖1 大斜視機載SAR成像幾何模型

圖4 網格方向選取對比

按照改進方向劃分網格進行成像，能夠將大斜視情況下BP 成像中方位向的傾斜校正為嚴格正交方向，再進行相位梯度自聚焦處理。

對成像結果逐距離門找到強散射點，沿方位向進行圓周移動操作，將各距離門內的強點目標移動到各自方位向場景中心，可以將目標位置引起的多普勒頻率偏移去除。

對圓周移動后的數據加窗，保留用于估計相位誤差的目標主要信息，濾除對相位誤差沒有貢獻的部分，能夠保證相位誤差估計過程中輸入數據具有較高的信噪比。

記圖像的方位向點為，距離向點為。把中心移位和加窗后的圖像數據經逆傅里葉變換回到距離壓縮相位歷程，進行相位誤差的估計。在距離壓縮相位歷程，數據表示為：

在實際的操作中，利用下式進行相位差的估計：

根據式（18）得到所有相鄰方位向上的相位誤差，通過積分計算出整個孔徑上的相位誤差。

隨后，補償相位誤差，并進行迭代，以逐漸提高圖像質量，當相位誤差小于可以認為相位誤差基本被消除，得到聚焦后的SAR圖像。

4 仿真驗證

下面對本文提出的機載SAR 點目標擴展函數二維不正交的自聚焦方法進行仿真驗證。

建立艦船目標模型如圖5 所示。艦船模型長60m，寬30m，高20m，散射點抽樣間隔為5m，共37個散射點組成，艦船目標的轉動運動為分別繞三個軸轉動的俯仰、偏航、滾動。仿真中不考慮船的直線運動，主要利用船自身的旋轉運動形成的轉角成像。本次仿真中僅考慮艦船的晃動對成像的影響。

圖5 仿真艦船模型

首先對艦船目標中的單點目標進行仿真和評估，在機載大斜視情況下，設置雷達平臺斜視角為35°，主要仿真參數如表1所示。

表1 主要仿真參數

分別采用兩種方法進行仿真。

方法一：回波數據在經過BP 處理后，使用傳統PGA進行運動補償，不進行坐標轉換。

方法二：使用本文提出的算法，根據斜視角確定成像網格方向，使點目標方位旁瓣與成像網格中的橫向方向正交，再逐距離門估計二次誤差相位進行誤差補償。兩種方法的仿真結果如圖6、圖7、圖8 和圖9所示。

方法一仿真結果可以看出，BP 成像后，如圖6 所示，目標的方位旁瓣嚴重傾斜，方位向存在嚴重散焦，經過PGA 處理后，如圖7 所示，可以看出成像結果沒有得到明顯改善。

圖6 方法一BP成像結果

圖7 方法一PGA結果

方法二處理結果可以看出，在BP 成像后，經過坐標轉換，成像結果如圖8所示，目標的方位旁瓣與圖像的縱向維度平行，存在嚴重散焦；經過PGA處理后，成像結果如圖9所示，方位向散焦得到明顯改善，得到聚焦良好的點目標圖像。

圖8 方法二BP結果

圖9 方法二PGA結果

對兩種方法得到的點目標圖像進行評估，對比單點目標在兩種方法處理后的變化，分析點目標的性能參數，得到評估結果，方法一得到的點目標評估剖面圖如圖10.a 所示，點目標評估結果如圖11 所示；方法二處理得到的點目標評估剖面圖如圖10.b所示，方法二得到的點目標評估結果如圖12所示；二者的點目標評價指標如表2所示。

圖10 兩種方法點目標評估剖面圖

圖11 方法一PGA后點目標評估結果

圖12 方法二PGA后點目標評估結果

表2 點目標評價指標

由兩種方法的點目標評估剖面圖可以看出，方法一最終的點目標成像中，方位向仍然存在明顯的傾斜，方法二的點目標成像中，方位旁瓣與圖像的縱向維度平行。

由兩種方法得到的點目標的峰值旁瓣比（Peak Side Lobe Ratio,PSLR）和積分旁瓣比（Integral Side Lobe Ratio,ISLR）可知，方法一得到的方位向和距離向的峰值旁瓣比和積分旁瓣比的幅值都遠遠小于方法二，說明經過方法一的自聚焦之后，旁瓣能量仍然較大，沒有達到聚焦效果，而經過方法二本文提出的自聚焦方法處理后，峰值旁瓣比和積分旁瓣比維持在較低水平，說明聚焦效果良好。

對整個艦船目標進行仿真，使用本文提出的改進后的PGA算法進行自聚焦。在艦船模型中，取三個點設為強點，便于觀察。BP 成像后得到結果如圖13 所示，經過自聚焦后得到的成像結果如圖14所示。

從圖13 和圖14 可以看出，經過改進的PGA 處理之后，艦船模型中三個強點目標的方位向散焦得以改善，聚焦效果良好。

圖13 艦船BP成像結果

圖14 艦船PGA后結果

5 結論

本文介紹了一種適用于斜視情況下由于BP 算法成像導致點目標擴展函數二維不正交時PGA 算法失效時的成像方法。通過斜視角確定成像網格方向，使點目標方位向旁瓣與成像網格中的一維正交，進行BP 成像。再逐距離門估計二次誤差相位進行誤差補償，從而實現方位向聚焦，解決了斜視情況下BP 成像后，相位梯度自聚焦由于點目標擴展函數二維不正交導致的失效問題，是一種有效的斜視SAR成像方法。