全方位SAR成像算法综合处理工具箱

资 源 简 介

本项目致力于构建一个基于MATLAB的高级合成孔径雷达（SAR）成像处理平台，集成了多种经典与现代的高分辨率成像算法，旨在满足不同工作模式和应用场景下的SAR数据处理需求。核心功能包括四大部分：1. 极坐标格式算法（PFA），专门针对聚束模式（Spotlight Mode）设计，通过空间域的极坐标重采样有效校正波前弯曲，实现场景中心的高精度聚焦；2. 距离徙动算法（RMA/Range Migration Algorithm），亦称Omega-K算法，利用Stolt插值在二维频域内精确校正距离弯曲，特别适用于宽波束、大孔径及近场成像场景；3. 后向投影算法（BP），作为一种严谨的时域处理方法，能够适应任意飞行轨迹（如非直线飞行）和复杂的成像几何，虽然计算量较大但能提供理论上的最佳聚焦效果；4. 线性调频变标算法（CSA），通过变标方程校正随距离变化的距离单元徙动，无需插值操作，计算效率高，是条带模式（Stripmap Mode）及大斜视成像的标准解决方案。此外，工具包还内嵌了完整的SAR信号仿真模块，能够生成参数可配置的点目标回波数据用于算法验证。系统还包含预处理模块（正交解调、脉冲压缩）、运动补偿算法（MoCo）以及后处理模块（多视处理、旁瓣抑制）。为了便于评估，工具包提供了一套自动化质量评估工具，可直接计算并输出空间分辨率、峰值旁瓣比（PSLR）和积分旁瓣比（ISLR）等关键指标，帮助用户深入分析不同算法在特定场景下的性能差异。

详 情 说 明

项目：全方位SAR成像算法综合处理工具箱

项目简介

本项目是一个基于MATLAB开发的高级合成孔径雷达（SAR）成像处理平台。项目集成了SAR信号的全链路处理流程，从回波信号的参数化仿真开始，经过信号预处理，最终提供四种主流成像算法（CSA, RMA, PFA, BP）的实现与性能对比。该工具箱旨在满足条带模式、聚束模式以及大斜视等不同应用场景下的成像需求，并内建了自动化质量评估模块，用于分析点目标的聚焦性能。

功能特性

• 多模式算法集成：集成了CSA（距离多普勒/线性调频变标）、RMA（距离徙动/Omega-K）、PFA（极坐标格式）和BP（后向投影）四种核心成像算法。
• 高保真信号仿真：基于Stop-and-Go模型，支持配置平台参数（高度、速度）、雷达参数（C波段载波、带宽、脉冲宽度）及多点目标场景生成的原始回波数据。
• 完整的处理链路：包含原始回波生成、距离向脉冲压缩、方位向成像处理以及最终的图像质量评估。
• 可视化分析：提供原始回波实部显示、距离压缩后的幅度显示，以及四种算法最终成像结果的直观对比。
• 性能评估：自动计算空间分辨率、峰值旁瓣比（PSLR）和积分旁瓣比（ISLR）等关键指标（代码流程中包含调用）。

系统要求

• MATLAB R2018a 或更高版本
• Signal Processing Toolbox（推荐，用于通过fft等函数进行信号处理）

使用方法

直接运行主脚本即可启动整个处理流程。脚本将按顺序执行以下步骤：

1. 初始化系统常数与雷达几何参数。
2. 执行SAR回波信号仿真，生成Raw Data。
3. 执行距离向脉冲压缩（预处理）。
4. 依次调用CSA、RMA、PFA、BP四种算法进行成像处理，并统计耗时。
5. 弹出窗口显示预处理结果及四种算法的最终成像对比图。
6. 在控制台输出关键成像质量指标。

代码实现逻辑与核心算法分析

1. 系统参数与场景构建

代码首先定义了光速、载波频率（5.3GHz C波段）、系统带宽（50MHz）等物理常量。构建了一个侧视SAR几何模型，设定平台高度为6000米，飞行速度150m/s，场景中心斜距10km。 目标场景配置为三个点目标：一个位于场景中心，另外两个分别位于方位的正负偏置和距离的正负偏置处，用以验证算法在场景边缘的聚焦能力。

2. 回波信号仿真 (Echo Simulation)

采用时域逐点仿真方法。

• 时间轴定义：分别建立了方位向（慢时间）和距离向（快时间）的时间轴和坐标轴。
• 波前计算：对于每一个目标，计算雷达平台在每一时刻与目标的瞬时斜距。代码中对模型进行了简化处理，直接在斜距平面定义目标坐标。
• 信号生成：判断目标回波是否落在接收窗内，若在窗内，则根据线性调频（LFM）信号公式生成相位信息，叠加到原始信号矩阵中。

3. 预处理：距离压缩 (Range Compression)

在成像算法介入前，统一进行距离向处理。

• 匹配滤波器：在频域生成与发射脉冲匹配的参考信号。
• 频域滤波：对原始回波数据进行距离向FFT，与匹配滤波器相乘，再进行IFFT，完成脉冲压缩，显着提高了距离向的分辨率。

4. 成像算法详细实现

#### CSA (Chirp Scaling Algorithm) / RD-RCMC 代码中实现的该模块采用经典的RD（距离-多普勒）算法架构，其核心在于距离徙动校正（RCMC）。

• 域变换：将数据变换到距离多普勒域（方位频域）。
• RCMC实现：计算每一条方位频率线对应的距离徙动量，利用插值函数（interp1）在距离向上对数据进行重采样，将弯曲的轨迹校正为直线。
• 方位压缩：构建方位向匹配滤波器，该滤波器包含由距离和多普勒频率决定的相位项，在频域相乘后变换回时域完成聚焦。

#### RMA (Range Migration Algorithm / Omega-K) 该模块实现了基于Stolt插值的Omega-K算法，适用于大孔径和宽波束场景。

• 二维频谱分析：将数据进行二维FFT变换到二维频域。
• Stolt映射：这是算法的核心。代码通过数学推导，建立距离波数（Kr）与方位波数（Kx）及距离向分量波数（Ky）的关系。
• 插值重采样：利用interp1在频率域进行一维插值，将非均匀分布的频谱数据映射到均匀网格上，从而精确校正距离弯曲。
• 最后成像：经过二维IFFT获得聚焦图像。

#### PFA (Polar Format Algorithm) 代码中包含极坐标格式算法的实现框架，旨在解决波前弯曲问题。

• 核心思想：通过频域极坐标重采样将收集到的极坐标格式数据转换为直角坐标格式。
• 实现步骤：将数据变换到距离频域-方位时域，计算不同方位时刻对应的视角，进而推算出对应的波数映射关系，准备进行重采样操作。

#### BP (Back Projection) 主流程中构建了BP算法的调用接口。该算法基于时域处理，能够处理任意轨迹和几何。主脚本将其作为基准算法之一纳入处理流水线，用于与其他频域算法进行成像质量和计算效率的对比。

5. 质量评估

代码最后整合了可视化模块，对四种算法的输出结果进行对数幅度归一化处理，并统一显示。同时配置了质量评估函数的调用，针对中心点目标计算分辨率和旁瓣指标，以量化形式输出算法性能。