摘要
海面舰船目标通常是高价值目标，合成孔径雷达(SyntheticApertureRadar,SAR)海面运动舰船目标指示是近年来的一个研究热点。与地面运动目标不同，由于受到海洋自身运动的影响，海面运动舰船目标除了常规的平动运动外，还可能存在转动运动。转动运动会导致舰船目标的信号特性变得很复杂，并导致舰船在SAR图像中出现复杂的散焦现象，从而给运动目标指示方法设计以及后续的目标识别带来很多困难。 本文围绕星载SAR海面运动舰船目标信号建模与成像开展研究，主要内容概述如下: 1、针对存在加速度的平动舰船目标，建立了形式较为简洁的二维频域信号模型，并提出了一种适用于星载SAR海面运动目标指示系统的高效的成像方法。该方法在二维频域通过一次相位相乘能同时校正静止场景与不存在多普勒模糊的目标的距离徙动，在距离多普勒域通过一次相位相乘能同时实现对静止场景的高质量成像与运动目标的初步聚焦。此外，在明确目标散焦原因的基础上，提出了一种基于无监督学习的平动舰船目标重聚焦方法。该方法以卷积神经网络作为聚焦参数估计器，对散焦图像进行特征提取并估计相位误差模型的各次项系数，能实现对目标的高质量成像。 2、针对转动平动同时存在的舰船目标，推导了目标的三阶距离方程模型，还深入分析了各种转动运动对目标距离方程各次系数的影响并推导了解析表达式。而且，本文还通过理论推导和数值仿真，揭示了各种转动运动对目标图像域信号特性的影响，其中包括对SAR图像中目标的方位位置偏移、方位散焦以及方位旁瓣非对称的影响，及其与散射点所处位置的关系。该工作能为后续的运动目标指示方法设计奠定基础。 3、针对转动平动同时存在的舰船目标，提出一种基于计算机视觉(ComputerVision,CV)网络架构的重聚焦方法。该方法包括特征提取网络和图像重建网络两部分，其中，特征提取网络主要由CV-编码器、注意力机制和信道融合模块组成，旨在提取转动舰船目标散焦SAR图像的重要特征;图像重构网络主要由CV-解码器组成，用于重建舰船SAR图像。最后通过第二章提出的成像方法构建大量模拟数据集，训练优化网络。实验数据验证了该网络可以有效实现对转动平动同时存在的舰船目标的重聚焦。
NETL