传统的SAR成像算法是基于被探测场景与飞行平台之间特定的成像几何模型的,把SAR原始回波数据作为整体来处理[4],对成像内容不加区分。此外,预先假定的几何模型与实际情况存在的误差将导致聚焦参数与实际数据之间不能完全匹配,造成图像数据一定程度的散焦和位置偏差。随着SAR技术的发展,SAR系统的分辨率的要求越来越高,最新的分辨率甚至达到了0.1m,这么高的分辨率就需要更加精准的几何模型。在考虑更高的分辨率或者更精准的几何模型时,传统算法会变得更加的复杂。针对以上几方面的问题,本文提出了一种基于原子分解的与几何模型无关的高精度SAR成像算法。该算法通过原子分解由回波信号或经过距离向压缩的回波信号估计得到精确的聚焦参数,利用这些参数对点目标逐一进行高精度成像。通过该算法,静止目标和一定速度范围内的运动目标能同时获得良好的聚焦效果,并且可以控制最终的成像内容。但是基于原子分解的SAR成像算法计算量很大。本文又提出将此算法中核心的原子分解的过程移植到GPU上做并行计算,提升运算效率。论文的创新工作主要体现在:提出基于原子分解的SAR成像技术。对新算法进行详尽的理论描述和流程分析。另外,还把基于原子分解的SAR成像与传统的SAR成像算法进行仿真比较,列出新算法的优势。当然了,基于原子分解的SAR成像算法计算量比较大,本文针对此也给出了一些解决方案。提出基于GPU的SAR方位向信号分解高效实现方法。本文描述了基于GPU的SAR方位向信号分解的流程,并且提出了针对CUDA编程模型的算法优化。最后,把基于GPU的方位向信号分解和基于传统的CPU的算法进行比较。
