第一章 绪论 1
1.1 引言 1
1.2 工作频率 1
1.3 目标定位 2
1.3.1 距离信息获取 3
1.3.2 方位信息获取 3
1.4 多普勒频移 4
1.5 雷达图像 6
1.6 分辨率 8
1.6.1 距离向分辨率 9
1.6.2 方位向分辨率 9
1.6.3 辐射分辨率 10
1.7 相干性 11
1.8 天线 12
1.9 检测 13
1.10 雷达方程 13
1.11 雷达系统组成 15
1.12 小结 16
第二章 脉冲压缩 17
2.1 基本概念 17
2.1.1 脉冲宽度 17
2.1.2 信号带宽 17
2.1.3 单一载频信号的缺陷 18
2.1.4 脉冲压缩 19
2.2 基本原理 20
2.2.1 基本概念 20
2.2.2 LFM信号的时域特性 21
2.2.3 LFM信号的频域特性 22
2.2.4 LFM信号的特点 26
2.2.5 压缩网络 27
2.2.6 匹配滤波器的频域特性 28
2.2.7 匹配滤波器的输出波形 29
2.2.8 距离旁瓣的抑制 30
2.2.9 脉冲压缩如何改进距离分辨率 31
2.2.10 脉冲压缩系统的性能指标 32
2.3 实现方法 33
2.3.1 数字实现的优点 33
2.3.2 数字脉冲压缩处理 33
2.3.3 数字加权 36
2.4 其他脉冲压缩信号 36
2.4.1 NLFM信号 36
2.4.2 相位编码信号 37
2.5 脉冲压缩体制的特点 37
2.6 脉冲压缩的其他技术 38
2.6.1 去调频 38
2.6.2 步进频率 39
2.6.3 合成带宽 42
2.7 小结 43
第三章 合成孔径雷达 44
3.1 雷达成像特点 44
3.2 成像雷达的种类 44
3.3 合成孔径雷达简介 45
3.3.1 合成孔径雷达的分类 45
3.3.2 合成孔径雷达的极化方式 46
3.3.3 合成孔径雷达的信号接收方式 47
3.3.4 合成孔径雷达的特点 47
3.3.5 合成孔径雷达的应用 47
3.3.6 合成孔径雷达的发展 47
3.3.7 目标的后向散射系数 48
3.4 成像雷达距离向的高分辨率原理 49
3.5 成像雷达 50
3.5.1 实孔径雷达成像 50
3.5.2 多普勒波束锐化 50
3.5.3 合成孔径雷达成像 51
3.5.4 合成孔径雷达的回波信号特性 54
3.5.5 方位向脉冲压缩处理 56
3.5.6 方位向分辨率 57
3.6 合成孔径雷达的理论模型 57
3.7 图像质量评估指标 60
3.7.1 脉冲响应函数 60
3.7.2 峰值旁瓣比和积分旁瓣比 60
3.7.3 合成孔径雷达的分辨特性 61
3.7.4 模糊比 63
3.7.5 图像动态范围 64
3.8 小结 65
第四章 成像处理算法 66
4.1 引言 66
4.2 SAR回波信号及相关处理 67
4.3 基本概念 69
4.3.1 距离徙动 69
4.3.2 二维处理转换为一维处理 73
4.3.3 使用匹配滤波器 74
4.3.4 参考函数 74
4.3.5 加窗 75
4.3.6 聚焦深度 76
4.3.7 辐射校正 76
4.4 时域相关算法 77
4.5 距离多普勒算法 78
4.5.1 基本概念 78
4.5.2 距离压缩 79
4.5.3 距离徙动校正 79
4.5.4 方位压缩 81
4.5.5 运算量 82
4.5.6 RD算法的特点 82
4.6 二次距离压缩算法 82
4.7 Chirp Scaling（CS）算法 83
4.7.1 CS算法原理 83
4.7.2 基本概念 84
4.7.3 Chirp Scaling处理 84
4.7.4 距离压缩 87
4.7.5 方位压缩 88
4.7.6 CS算法的特点 89
4.8 波数域算法 89
4.9 SPECAN算法 91
4.10 成像处理算法的优化 93
4.10.1 预置方位向滤波器 93
4.10.2 加窗 94
4.11 小结 95
第五章 多普勒参数估计 96
5.1 引言 96
5.2 相位误差 97
5.2.1 相位误差的产生 97
5.2.2 相位误差的影响 98
5.2.3 相位误差的消除 100
5.3 多普勒质心估计 101
5.3.1 方位谱峰值法 102
5.3.2 杂波锁定法 103
5.3.3 能差逼近法 106
5.3.4 时域估计法 107
5.3.5 相关多普勒估计法 108
5.3.6 符号-多普勒估计法 109
5.3.7 多普勒中心频率模糊问题 110
5.4 自聚焦算法 111
5.4.1 基本概念 111
5.4.2 子视图相关法 112
5.4.3 相位梯度自聚焦算法 115
5.4.4 对比度最优自聚焦算法 120
5.4.5 提高自聚焦算法稳健性的措施 123
5.4.6 三种算法的比较 123
5.4.7 自聚焦算法的局限性 126
5.5 小结 127
第六章 干涉测量 128
6.1 引言 128
6.2 SAR干涉测量理论 128
6.2.1 InSAR（Interferometric SAR）三维成像基本原理 129
6.2.2 InSAR工作模式 130
6.2.3 InSAR系统相干性能分析 131
6.3 InSAR三维成像技术数据处理流程 133
6.3.1 距离向、方位向滤波 133
6.3.2 图像配准 133
6.3.3 干涉图的生成 134
6.3.4 平地效应的去除 134
6.3.5 相位滤波 134
6.3.6 相位解模糊 134
6.3.7 DEM的生成 134
6.4 干涉图像对的预滤波 135
6.4.1 方位向预滤波 135
6.4.2 距离向预滤波 136
6.5 复图像配准 137
6.5.1 粗配准 138
6.5.2 精配准 140
6.5.3 干涉图质量评估 141
6.5.4 复图像配准算法 142
6.5.5 干涉图的生成 144
6.6 平地效应 145
6.6.1 平地效应产生的原理 146
6.6.2 常用去平地效应的方法 146
6.7 相位解模糊 147
6.7.1 最小二乘算法 149
6.7.2 Green恒等式相位解模糊技术 151
6.7.3 全局积分相位解模糊技术 152
6.8 DEM生成 154
6.9 小结 155
第七章 相干斑抑制 156
7.1 引言 156
7.2 相干斑的统计特性 156
7.2.1 相干斑产生机理 156
7.2.2 SAR图像统计特性 158
7.2.3 瑞利相干斑模型 159
7.2.4 多视相干斑模型 160
7.2.5 空域相干斑噪声模型 161
7.3 相干斑抑制方法 161
7.3.1 多视处理 162
7.3.2 空域的相干斑抑制方法 164
7.3.3 小波域的相干斑抑制方法 170
7.3.4 基于各向异性扩散的斑点抑制技术 171
7.4 相干斑抑制技术的性能评估 172
7.4.1 相干斑抑制能力 172
7.4.2 线条和特征点的保持 173
7.4.3 边缘锐度的保持性 173
7.4.4 均匀区域的均值保持 174
7.4.5 相干斑抑制 174
7.4.6 点、线和边缘的保持 174
7.4.7 纹理信息的保持 174
7.5 小结 175
第八章 目标分类和识别 176
8.1 SAR图像数据介绍 176
8.1.1 原始数据 176
8.1.2 单视复数据 176
8.1.3 多视幅度数据 177
8.1.4 衍生产品 178
8.1.5 极化数据 178
8.2 SAR自动目标检测和识别简介 179
8.2.1 SAR ATR研究现状 180
8.2.2 MSTAR简介 182
8.3 目标分类和识别简介 182
8.3.1 综述 182
8.3.2 预处理 183
8.4 目标检测 183
8.4.1 恒虚警检测 184
8.4.2 多分辨率检测 187
8.4.3 利用相位和极化信息的检测 188
8.5 目标识别 190
8.5.1 目标特征提取及选择简介 190
8.5.2 目标特征分类 191
8.6 特征提取方法 192
8.6.1 目标峰值特征提取和增强 192
8.6.2 目标散射中心特征提取 195
8.7 分类器 197
8.7.1 神经网络 198
8.7.2 支持向量机（SVM） 200
8.8 基于模式识别的分类方法 205
8.8.1 常用分类方法 205
8.8.2 其他分类新技术 209
8.8.3 分类效果评估 211
8.9 SAR ATR的研究展望 211
8.10 小结 212
参考文献 213