论文部分内容阅读
合成孔径雷达(Synthetic Aperture Radar, SAR)全天时、全天候的对地观测能力，使其在资源勘测、军事侦察、灾害监测等方面具有广泛的应用前景。为了提供更广阔、更精细的目标信息，SAR系统正朝着提高分辨率与测绘带宽的方向发展。方位向多通道是实现高分辨率宽测绘带成像的重要技术手段，随着分辨率和幅宽的提升，SAR系统的回波数据量也会急剧增加。然而受到星上存储设备容量和数据传输设备带宽的限制，需要采用数据压缩技术降低回波数据的数据量。 方位向多通道SAR系统在进行原始数据压缩的同时也引入了量化噪声，进而降低系统性能。为选择合适的压缩比，需对数据压缩造成的系统性能变化进行全面分析;为进一步提高压缩性能，需研究高性能的多通道数据压缩算法。本论文的主要工作和创新点是: (1)深入研究了SAR原始数据的统计特性、功率特性及相关性，并讨论了量化编码的基本理论，给出了较为完善的原始数据压缩算法的评估流程及相关评估指标的定义。 (2)系统研究了BAQ(Block Adaptive Quantization)及基于BAQ改进的实用数据压缩算法，推导了输入信号标准差和采样信号幅度均值之间的映射关系。结合实测数据，分析了数据块均值选择对压缩性能的影响。同时，通过仿真实验，对比了各种算法的性能及优缺点。 (3)提出了基于数据压缩的多通道SAR系统噪声信号模型，利用该信号模型推导并分析了数据压缩对多通道信噪比尺度因子和量化噪声的影响，通过仿真和实测数据验证了模型与分析结果的正确性，并讨论了数据压缩对虚假目标强度比的影响。此研究结果可为多通道SAR系统压缩算法及压缩比的选择提供重要的理论依据。 (4)针对多通道SAR系统通道间原始数据的相关性，提出一种基于PCA(Principal Component Analysis)和分块自适应量化结合的数据压缩算法。该算法把每个通道的数据作为一维向量，采用主元分析法对多通道数据进行降维，降低数据间的冗余，而后使用BAQ量化器对降维数据进行量化。数值实验表明，在通道间相关性较强时，该方法性能明显优于传统的BAQ算法。