SAR最小熵自聚焦算法

资 源 简 介

本算法主要用于纠正合成孔径雷达（SAR）及合成孔径激光雷达（SAL）在成像过程中由于平台非理想运动产生的残余相位误差。算法基于图像熵这一测度指标，通过建立相位补偿值与图像熵之间的非线性约束关系，利用迭代搜索方法寻找使图像熵达到最小的相位校正矢量。相比于传统的相位梯度自聚焦（PGA），最小熵算法在处理高阶非线性相位误差方面更具优势，且不依赖于图像中是否存在强散射点。该项目包含完整的信号建模、图像熵损失函数定义、梯度计算、步长搜索以及相位补偿逻辑。它适用于各类复杂电磁环境下的成像质量提升，能够显著改善方位向的副瓣抑制水平和主瓣宽度，使模糊的原始图像恢复清晰的几何特征和目标轮廓，广泛应用于高分辨率遥感成像及侦察领域。

详 情 说 明

SAR最小熵自聚焦算法

项目介绍

本项目实现了合成孔径雷达（SAR）及合成孔径激光雷达（SAL）成像中的最小熵自聚焦（MEA）算法。该算法通过优化图像的熵值来估计并补偿方位向的残余相位误差。当图像熵达到最小时，图像的聚焦效果通常达到最优，主瓣被压缩，副瓣得到抑制，目标的几何轮廓变得清晰。该算法尤其擅长处理传统PGA算法难以解决的高阶非线性相位误差，且不依赖强散射点。

功能特性

1. 多目标场景仿真：自动生成包含多个点目标的标准SAR成像场景，用于算法验证。
2. 高阶相位污染模拟：模拟注入包含二次、三次及四次项的复高阶非线性相位误差，体现算法对复杂运动误差的纠正能力。
3. 自适应迭代寻优：基于梯度下降法进行相位矢量的迭代搜索，支持自适应步长调整。
4. 图像熵指标监控：实时计算并记录迭代过程中的图像熵变化，可视化展示算法的收敛过程。
5. 多维度结果评估：提供校正前后的二维图像对比、相位误差曲线对比以及方位向冲激响应（dB）切片分析。

使用方法

1. 环境准备：确保计算机已安装运行环境。
2. 执行流程：在命令行窗口直接运行主程序脚本。
3. 交互输出：程序将自动执行建模、注入误差、迭代优化及绘图逻辑，无需人工干预。
4. 结果查看：待迭代完成后，程序会弹出两个对比窗口，分别展示二维图像质量的提升情况以及方位向切片的聚焦性能指标。

系统要求

1. 软件环境：MATLAB R2016b 或更高版本。
2. 基础工具：无需特殊工具箱，主要依赖矩阵运算及FFT功能。
3. 硬件建议：标准桌面级配置即可满足 128x256 规模数据的实时处理。

实现逻辑与功能说明

代码逻辑严格遵循自聚焦处理的标准流程：

1. 信号建模与误差注 程序首先在空间域定义点目标分布，通过方位向FFT将其变换至方位频率域（距离-多普勒域）。随后根据数学公式生成一个四次多项式相位矢量，并将其通过乘法运算注入到频谱中，模拟平台非理想运动造成的相位缺失。

2. 最小熵自聚焦核心迭代 这是算法的核心部分，包含以下子步骤：

• 图像熵计算：将当前补偿后的复数图像转换为强度分布，计算归一化后的香农熵。
• 梯度计算：根据最小熵准则，利用图像强度分布的加权值对当前相位进行偏导数推导。梯度计算考虑了图像强度与平均能量的对数关系。
• 相位更新：采用最速下降法，利用计算得到的梯度矢量更新相位补偿矢量。通过设置初始学习率，确保收敛的稳定性。
• 补偿与反馈：在方位频率域应用新的相位矢量进行修正，并利用IFFT返回图像空间域，进行下一次迭代。

3. 收敛控制 程序预设了最大迭代次数（100次）及收敛阈值（1e-6）。当连续两次迭代之间的熵值变化量小于阈值时，程序判断算法已收敛并提前跳出循环，以节省计算资源。

4. 结果量化与可视化

• 二维对比：展示污染图像与校正图像的幅度分布。
• 相位吻合度：对比预设的真实相位误差与算法估计出的相位矢量。
• 性能曲线：绘制熵值随迭代次数下降的曲线，证明优化的有效性。
• 切片分析：对中心点目标进行方位向切片，并以对数（dB）形式对比校正前后的主瓣宽度和副瓣电平。

关键技术细节分析

• 梯度正则化：在每一代更新中，对梯度矢量进行了单位化处理（除以其范数），目的是防止由于图像能量波动导致步长过大，从而保证了迭代的平稳性。
• 防止数值异常：在计算熵损失函数的对数项时，引入了微小正数（eps），避免了在图像背景区域出现 $log(0)$ 的数值错误。
• 相位补偿策略：校正过程是在方位向频谱域通过点乘共轭相位向量实现的，这符合合成孔径成像中的相位误差补偿理论。
• 零均值化处理：在最后的相位对比图中，对估计出的相位进行了去均值处理，消除了常数项相位偏移对对比结果的影响，更准确地反映了对高阶项的拟合能力。