Монаков Андрей Алексеевич – доктор технических наук (2000), профессор (2005) кафедры радиотехнических систем. Почетный машиностроитель РФ (2005), почетный работник высшего профессионального образования РФ (2006)
ул. Большая Морская, д. 67а, Санкт-Петербург, 190121
Andrey A. Monakov, Dr. Sci. (Eng.) (2000), Professor (2005) of the Department of radio equipment systems, Honorable Mechanical Engineer of the Russian Federation (2005), Honorable Worker of Higher Professional Education of the Russian Federation (2006)
67A Bolshaja Morskaja St., St Petersburg 190121
Введение. Случайные перемещения фазового центра антенны радиолокатора с синтезированной апертурой (РСА) являются источником фазовых ошибок (ФО) траекторного сигнала, которые приводят к расфокусировке радиолокационного изображения (РЛИ). Для получения качественного РЛИ используются различные алгоритмы автофокусировки. Среди существующих алгоритмов автофокусировки можно выделить группу алгоритмов, которые позволяют оценить ФО посредством нахождения экстремума некоторой функции качества (ФК) РЛИ. Известными вариантами ФК являются, например, энтропия и резкость РЛИ. Для решения задачи поиска экстремума ФК необходимо применять быстрые методы, известные из теории оптимизации, реализация которых средствами бортового вычислителя является сложной задачей.
Цель работы. Синтезировать универсальный и простой в плане вычислений алгоритм автофокусировки, который позволяет применять широкий спектр видов ФК РЛИ без изменения своей структуры.
Материалы и методы. Для решения поставленной задачи предложен алгоритм, основанный на замене выбранной целевой ФК РЛИ на более простую при вычислениях суррогатную ФК, найти экстремум которой можно прямым способом. Данный метод получил в научной литературе название MM-метода оптимизации. В качестве суррогатной ФК предлагается использовать квадратическую функцию.
Результаты. Синтезированный алгоритм является прямым и не предполагает использование рекурсивных методов поиска оптимального решения, что ускоряет его работу и повышает устойчивость. Алгоритм легко перестраивается под выбранную целевую функцию качества РЛИ. По сравнению с алгоритмом, использующим линейную суррогатную ФК, предлагаемый алгоритм дал среднеквадратическую ошибку (СКО) остаточной ФО, примерно в 1.5 раза меньшую при меньшем на 10 % количестве итераций.
Заключение. Предложенный алгоритм автофокусировки может быть использован в РСА для компенсации ФО. Алгоритм основан на ММ-методе оптимизации квадратичных суррогатных функций качества РЛИ. Результаты математического моделирования подтверждают работоспособность рассмотренного алгоритма при больших значениях фазовых ошибок.
Introduction. Random deviations of the antenna phase centre of a synthetic aperture radar (SAR) are a source of phase errors for the received signal. These phase errors frequently cause blurring of the radar image. The image quality can be improved using various autofocus algorithms. Such algorithms estimate phase errors via optimization of an objective function, which defines the radar image quality. The image entropy and sharpness are well known examples of objective functions. The objective function extremum can be found by fast optimization methods, whose realization is a challenging computing task.
Aim. To synthesize a versatile and computationally simple autofocusing algorithm allowing any objective function to used without changing its structure significantly.
Materials and methods. An algorithm based on substituting the selected objective function with a simpler surrogate objective function, whose extremum can be found by a direct method, is proposed. This method has been referred as the MM optimization in scientific literature. It is proposed to use a quadratic function as a surrogate objective function.
Results. The synthesized algorithm is straightforward, not requiring recursive methods for finding the optimal solution. These advantages determine the enhanced speed and stability of the proposed algorithm. Adjusting the algorithm for the selected objective function requires minimal software changes. Compared to the algorithm using a linear surrogate objective function, the proposed algorithm provides a 1.5 times decrease in the standard deviation of the phase error estimate, with an approximately 10 % decrease in the number of iterations.
Conclusion. The proposed autofocusing algorithm can be used in synthetic aperture radars to compensate the arising phase errors. The algorithm is based on the MM-optimization of the quadratic surrogate objective functions for radar images. The computer simulation results confirm the efficiency of the proposed algorithm even in case of large phase errors.
The authors declare that there are no conflicts of interest present.