SAR合成孔径雷达二维成像与图像处理仿真系统

资 源 简 介

本资源提供了一套完整的合成孔径雷达（SAR）仿真、成像及后续图像处理的MATLAB程序。其核心功能包括对SAR系统原始回波数据的建模与仿真，能够模拟雷达在不同运动状态下对点目标或复杂地物环境的观测过程。成像部分实现了多种经典的重构算法，包括距离多普勒算法（RDA）、Chirp Scaling算法（CSA）以及后向投影算法（BPA），通过多级脉冲压缩与运动补偿实现精准的二维对焦。此外，系统还包含图像后处理模块，专门针对SAR图像的相干斑（Speckle）噪声进行抑制处理，集成了Lee滤波、Frost滤波以及

详 情 说 明

SAR合成孔径雷达二维成像及图像后处理仿真系统

本系统是一套基于MATLAB开发的综合性SAR（合成孔径雷达）仿真平台。它涵盖了SAR成像链路的全过程，从原始回波的物理建模、多种经典成像算法的实现，到最终成像结果的质量修复与特征提取。该系统旨在为雷达信号研究者提供一个直观的算法验证工具，通过对比不同重构算法的对焦效果，以及滤波算法对相干斑噪声的抑制能力，深入揭示SAR成像的物理机制。

主要功能特性

1. 高保真回波仿真：基于Stop-and-Go模型，模拟C波段雷达系统在运动过程中对点目标阵列的观测。考虑了距离向调频（LFM）特征、方位向多普勒频移以及天线方向图的Sinc平方加权。
2. 多重成像算法集成：系统实现了频域与时域的两大类经典算法。

* RDA (距离多普勒算法)：通过距离压缩、RCMC（距离弯曲校正）和方位压缩实现高效成像。 * BPA (后向投影算法)：在时域进行逐像素的相干累加与相位补偿，适用于任意运动轨迹。 * CSA (Chirp Scaling算法)：保留了处理大测斜和宽测绘带的算法框架逻辑。

1. 图像后处理与修复：针对SAR特有的相干斑噪声，集成了自适应滤波技术。提供Lee滤波与Frost滤波两种经典方案，以及基于阈值分割的目标提取与Sobel算子的边缘检测功能。
2. 性能精密分析：系统能够提取点目标的中心切片，通过分析距离向与方位向的冲激响应函数，自动计算峰值旁瓣比（PSLR）等关键性能指标。

使用方法

1. 环境准备：启动MATLAB，并确保已安装信号处理工具箱（Signal Processing Toolbox）和图像处理工具箱（Image Processing Toolbox）。
2. 算法执行：直接运行主脚本函数。程序将按照：参数定义 -> 回波仿真 -> 生成噪声 -> 成像处理 -> 图像滤波 -> 指标计算 -> 结果可视化的顺序自动化执行。
3. 结果观察：运行后将生成两个主窗口。第一个窗口展示从原始回波到最终边缘检测的完整流程图；第二个窗口专注于点目标的冲激响应特性评价。

系统要求

• 软件环境：MATLAB R2020a 或更高版本。
• 硬件建议：由于BPA算法涉及大量浮点运算，建议配备8GB以上内存。
• 依赖工具箱：Signal Processing Toolbox（用于FFT、滤波及峰值检测）、Image Processing Toolbox（用于图像填充、边缘提取及插值）。

实现逻辑与算法细节

1. 系统参数与目标建模 程序初始化了5.4GHz的中心频率（C波段）和150MHz的信号带宽，设定平台以150m/s的速度在5000米高空飞行。目标区通过五个点目标组成的阵列进行建模，分布于成像区域的中心和四周，用于评估成像的几何失真与对焦一致性。

2. 原始回波生成 利用双层循环生成二维回波矩阵。在距离向计算LFM脉冲响应，在方位向根据瞬时斜距计算多普勒相位。代码中特别引入了 awgn 函数注入20dB的加斯白噪声，并使用 exprnd 模拟了SAR图像中典型的指数分布乘性相干斑噪声。

3. 距离多普勒算法 (RDA) 实现

• 距离压缩：在频域利用匹配滤波器执行快速卷积，实现脉冲压缩。
• RCMC (距离弯曲校正)：这是RDA的关键。基于目标的距离迁移轨迹，在RD域使用 interp1 线性插值法将弯曲的轨迹拉直，消除距离向与方位向的耦合。
• 方位压缩：计算方位向调频斜率，利用方位向匹配滤波器完成聚焦。

4. 后向投影算法 (BPA) 实现 BPA在时域进行处理，首先对整个回波进行距离向预压缩。随后，通过建立笛卡尔坐标系下的成像网格，针对每个网格点计算其相对于各个合成孔径位置的瞬时斜距，并进行时延插值与相位补偿累加。虽然计算量较大，但能提供极高的成像精度。

5. 图像后处理算法

• Lee滤波：这是一种基于局部统计特性的自适应滤波。算法通过计算5x5窗口内的局部均值和方差，根据信号与噪声的比例动态调整平滑权重，在抑制噪声的同时尽可能保留原始图像的纹理边缘。
• Frost滤波：采用基于距离加权的核函数。通过局部变异系数（方差/均值）来控制滤波器的形状，在均匀区域倾向于均值滤波，在边缘区域减小加权范围以保持细节。
• 特征分析：利用阈值分割技术将目标与背景分离，并使用Sobel算子根据灰度梯度进行边缘追踪，生成目标的轮廓图。

6. 指标评估与可视化 系统自动寻找成像矩阵中的最大值点（中心点目标），并提取其水平和垂直方向的切片。通过对dB域数据的分析，计算第一旁瓣与主瓣的高度差（PSLR），从而量化评估系统的空间分辨率和对焦性能。所有处理阶段的数据均通过热力图（jet）和灰度图（gray）进行直观呈现。