高分辨SAS圖像的統計特性及新成像算法研究

《高分辨SAS圖像的統計特性及新成像算法研究》是依託雲南大學，由王靜擔任負責人的國家自然科學基金專項基金項目。

基本介紹

• 中文名：高分辨SAS圖像的統計特性及新成像算法研究
• 負責人：王靜
• 依託單位：雲南大學
• 項目類型：專項基金項目

項目摘要

合成孔徑聲納(SAS)是高解析度水下成像聲納，由於其獨特的成像原理及高解析度等特點，使SAS圖像的統計特性不再符合傳統的瑞利聲納回波統計模型，而是呈現出厚尾（heavy-taile）性質，而且，多途污染等環境因素、解析度等系統因素都會影響其統計特性，進而影響其成像質量。本項目將採用理論推導、仿真研究、國外同行提供的標準SAS數據處理及實際撫仙湖SAS試驗的研究途徑，系統研究高分辨SAS圖像的統計特性及該統計特性與包括多途污染在內的各種環境因素、包括解析度在內的各種系統因素的定量關係。在此基礎上，提出新的SAS成像算法，以降低消極因素、增強積極因素，從而達到提高SAS圖像質量的目的。研究成果將豐富SAS理論，具有科學價值，還可以為撫仙湖魚雷靶場建設、雲南地區的水下考古、水下地形地貌測繪及水下工程等提供高技術支持，為地區的軍事、國民經濟建設服務。

結題摘要

合成孔徑聲納（SAS）是高解析度水下成像聲納，其概念來自於合成孔徑雷達（SAR），具有獨特的成像原理及高解析度等特點，是目前國際上最先進的成像聲納之一。本項目系統研究SAS圖像的統計特性及傳統成像算法，在此基礎上對現有的傳統成像算法進行改進，提出新的成像算法，從而提高SAS圖像解析度，改善SAS圖像質量。與此同時，在理論研究的基礎上，將理論研究的成果套用於實踐套用，開發研製出了潛水員用頭盔式彩色圖像聲納，該聲納已經獲得中國海軍司令部認可，陸續裝備南海、北海、東海等艦隊22套。 　　具體研究內容及成果主要包括： 　　1.系統分析了SAS圖像的統計特性，結果證明：未受多途污染的理想SAS圖像的統計特性符合K分布，受多途污染後，其圖像的統計特性符合K+K分布。在此研究基礎上，本項目提出了EM-MOM算法，實現了混合K+K分布的參數估計，實現了混合分布中分別代表直達波和多途污染的兩組數據的分離，從而為從SAS數據中剔除多途污染奠定了基礎，為提高SAS成像質量提供了保障。 　　2.實現了傳統的SAS成像算法距離都卜勒成像算法（RDA）和Chirp Scaling算法（CS），在此研究基礎上提出了3維線目標的高度估算算法3DTHEM，為進一步改進傳統的SAS成像算法奠定了基礎。 　　3.提出了針對點目標的衡量成像質量的參數，用以衡量各種成像算法的性能；提出了新的SAS成像算法WRDA、WCS、SVARDA、SVACS、WSRDA、WSCS，這些新算法極大地提高了SAS點目標的成像質量。 　　4.將理論研究的成果與實際套用相結合，開發研製生產了潛水員用頭盔式彩色圖像聲納，連續三年為中國海軍司令部提供了工22套裝備，並已經獲得第四年訂貨。 　　以上研究成果豐富了SAS理論，具有較強的科學價值；同時，將理論研究的成果套用於實踐，開發出的潛水員用頭盔式彩色圖像聲納為我國海軍建設、雲南地方建設、軍民融合做出了貢獻。