SAR超高解析度下PFA算法的改进与应用：解决多平台复杂运动条件下的成像挑战

本篇论文深入探讨了在正侧视和斜视条件下的中国企业在2020年人工智能在合成孔径雷达（SAR）领域的应用实践与发展趋势，重点关注的是合成孔径雷达超高分辨率成像和SAR/GMTI（合成孔径雷达/广角地形映射干涉仪）技术。论文由南京航空航天大学的毛新华博士撰写，他专注于通信与信息系统专业，导师为朱兆达教授。 在SAR技术中，极坐标格式算法（PFA）是一种核心成像算法，以其高效、非共面平台补偿以及对运动目标线性距离走动的校正能力而受到广泛关注。然而，经典PFA存在波前弯曲近似，这限制了成像的几何保真度和有效成像场景的大小。随着分辨率的提升，现有改进的PFA在超高分辨率成像和对图像几何精度要求严格的场景下显得不足。 论文首先回顾了SAR技术的历史发展，分析了国内外在超高分辨率成像和SAR/GMTI方面的最新研究成果，以此为背景，阐述了作者研究的动机，即如何在多平台、多模式和复杂运动条件下改进PFA以提高高分辨率成像的精度。 在第二章中，作者深入剖析了PFA的原理，强调了其转换过程中的距离和方位尺度变换，特别是方位尺度变换中的keystone变换。论文重新解释了基于chirpscaling原理的PFA算法，并针对过去二阶泰勒近似导致的波前弯曲误差提出了更精确的计算方法，以提升算法的精度。 第三章聚焦于PFA的波前弯曲补偿问题，通过更精细的方法来解决这一关键挑战。这涉及对SAR信号处理的深入理解，以及对误差来源的精确分析，以期在复杂运动条件下的成像效果得到显著提升。 这篇论文不仅总结了人工智能在SAR领域的应用实践，还展示了在解决高分辨率成像精度问题上的创新研究，为未来SAR技术的发展提供了理论支持和技术方向。通过结合人工智能和PFA算法的改进，论文为SAR图像的生成和处理开辟了新的可能，对于推动中国企业在AI驱动的SAR技术发展中占据领先地位具有重要意义。