高分辨率SAR成像自聚焦算法：PFA融合多阶段参数化最小熵与对比度增强

本文主要探讨的是"一种基于极坐标格式算法的高分辨SAR成像自聚焦算法"，针对机载聚束合成孔径雷达（SAR）在实现高分辨率成像时遇到的问题，即惯导系统提供的精度不足以满足这种成像需求，导致图像质量下降，特别是由于惯导测量误差引发的越距移位（Range Cell Migration, RCM）和相位误差。为了克服这些挑战，作者提出了一种创新的解决方案。 首先，论文采用极坐标格式算法（Polar Format Algorithm, PFA）作为基础处理框架。PFA是一种高效的数据处理技术，在SAR成像中被广泛应用，它能够有效地处理阵列信号的非共线性和运动补偿问题。然而，对于高分辨率成像而言，传统的PFA可能难以提供足够的精度来纠正惯导误差。 该研究提出了一个"由粗到精"的混合多阶段参数化最小熵（Hybrid Multistage Parameterized Minimum Entropy, HMPME）距离单元移动校正方法。这个方法通过将自聚焦过程分解为多个阶段，先进行粗略校正，然后逐步细化，以提高校准的准确性。最小熵原则在此过程中起到优化参数选择的作用，确保算法能够找到最优的校正参数，减少图像失真。 此外，作者还引入了基于图像对比度增强（Contrast Enhancement, CE）的变步长迭代相位误差校正方法。这种方法通过对图像的对比度进行增强，提高了对细微相位变化的敏感性，从而更精确地识别和校正相位误差。这种方法特别适用于低对比度和低信噪比的场景，有助于提升成像质量。 整个算法设计巧妙地整合到了PFA处理流程中，不仅有效补偿了惯导测量的不足，还能适应不同复杂环境下的成像需求。论文最后通过仿真实验和实际机载聚束SAR数据验证了新算法的有效性和实用性，证明了其在高分辨率SAR成像中的优越性能。 这篇论文为解决机载SAR高分辨率成像中的自聚焦问题提供了创新性的技术思路，对于提高SAR系统的成像质量和应用范围具有重要意义。