学习目标：
Basics of Backprojection Algorithm for Processing Synthetic Aperture Radar Images
学习内容：
合成孔径雷达图像处理的后向投影算法基础
啊米，爱德华，约翰
由桑迪亚国家实验室发行，由桑迪亚国家实验室运行，为了美国能源部门
注意：这个报告是为美国政府机构赞助工作而准备的。
目录
前沿
分类
1 介绍
合成孔径雷达图像构造本质上是对一列目标位置搜集回波数据的匹配滤波器的实现。每一个目标位置是SAR图像里的一个像素。大多数普通的图像构造算法在一定程度上近似于匹配滤波器，为了实现一定程度的实时实现处理效率。这适用于极坐标算法，重叠子孔径算法，以及这些算法的扰动和拓展。改进的处理器的出现允许采用图像构造算法，它们是低效的（计算量大）但是有更高的精确度（成像精度高），在一个更大成像区域上的更精确的实现匹配滤波器的性能以及在更好的解决方式，甚至对于实时处理应用来说。比如说后向投影（BP）成像算法，以及滤波后向投影算法（FBP），或者卷积后向投影成像算法（CBP）。（此处的BP、FBP、CBP均指的是BP成像算法，即后向投影成像算法）
关于FBP处理没有什么特殊的。尽管作为一种实时SAR成像构造算法，它仅相对地在最近成为可行的算法，FBP算法内在地就能有效地解决掉距离徙动，尤其是解决精细分辨率处理问题。尤其重要的是，FBP能被更好地理解和更好地记录。缺乏合适的文档是其他一些竞争对手的缺点。然而，这个报告不假定暗示FBP算法是最好的选择对于任意一个特殊的SAR成像模式实现，仅仅说明它将工作，下面呈现怎样去做。
作为这个报告的背景，我们提供以下要点：
1：BP算法有它们的根在计算层析技术，一些具体的细节被讨论在Doerry报告里。
2：最早的出版社安置BP算法作为一个可行的SAR成像构造算法是由Munson等人提出的。
3：一个优秀的用MATLAB实现BP算法的初识读本由Gorham和Moore提供。
4：我们认为有效的见解能通过分析其他SAR图像构造算法而获得的。尤其是PFA算法处理，由Walker开发，在Sandia国家实验室的Doerry报道中详细讨论。这个算法非常流行并且在很多文章中出现了。
大量其他的出版物是容易获得关于各种BP算法的实现和相关的话题。我们不希望欺骗和轻视这些文章，但是仅仅说明有太多的要列出的。具体的其他的相关的报告将被识别在其他的部分里。
“任何一个傻瓜都知道。重点是理解”——爱因斯坦
2 数据模型
2.1 雷达回波信号模型
我们回顾和缩短早些报告的元素。
聚束SAR
2.2 几何学
2.3 波形参数调制
2.4 回波计时
2.5 精确的PH数据模型
3 匹配滤波器处理
视频信号的转换
4 滤波后向投影处理
4.1 处理预览
4.2 PH数据预（Phrase History相位历史数据，此处可以理解为接收的二维回波数据）处理
4.3 图像格式
4.4 图像后处理
4.4.3自聚焦（图像处理）
总之，在大多数SAR系统的运动测量不是充足的去促进最大化聚焦图片。Doerry的一个报告讨论运动测量系统的性能的基础限制。持外，甚至一个完美的运动测量系统不能处理由于大气效果产生的“电”路径长度扰动。Dickey等人已经展示了那些扰动是相当常见的。这个也被Lawrence等人确认过的。
这个需要数据驱动技术去评估和补偿未知的残留的运动误差的效果，包括“透明的”残留的运动错误。这些技术被称为“自聚焦”。这个本质上是一个未知的假设的相位误差的盲解卷积。
大量的自聚焦技术已经存在并且在文献里被彻底地检验。尽管一个自聚焦算法的理解性对待是超多这篇报告的范围的，我们也提供一种流行并且有效的技术，如相位梯度自聚焦算法（PGA）。当PGA修正相位误差后，其附带地也校正了残留徙动误差。
大多数自聚焦算法的潜在的原则是他们对待“平常的”错误在图像里，或者在他们被应用的图像区域。如果残差的空间方差太大，那么空间方差需要被解决掉。一个技术是不同子图片（大图片的部分）的自聚焦分离操作应用。另一个是考虑在自聚焦结果应用中的空间变化的确定性方面。
另一个自聚焦的几乎普遍的假设是明显的运动误差主要变现在方位角（即跨距离）现象，大多数的SAR图像与图像的主轴对齐。对于任意旋转图像，主轴不必与距离和交叉距离对齐，这个就成了一个问题。这个时候作者还不知道一个优雅的自聚焦算法，并且显示为一个深远研究的机会。
然而，如果图像主轴确实与距离和交叉距离对齐，那么传统的自聚焦技术通常是满足的。
“我坚信，自我教育是唯一的教育”——艾萨克 阿西莫夫
5 结论
参考文献
分配
4万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
