中文摘要：

合成孔径雷达超分辨率处理技术可以在不增加原有系统硬件复杂度的情况下提高分辨率，使SAR更好地应用于军事和民用领域。本项目研究稳健的多信号模型SAR超分辨率处理算法，通过增加各种地物目标的散射特性、统计分布和系统模型等先验知识，分别建立各类SAR遥感目标的信号模型，针对不同的信号模型进行有效的超分辨率成像处理；深入分析SAR超分辨率处理对图像指标的影响，不仅包括点散射体分辨率的提高和目视效果的改善，还包括辐射分辨率、图像对比度、图像相位保持性等指标的变化；结合成熟的目标检测、识别及地物分类方法，分析超分辨处理后图像的应用能力，验证新算法的有效性，提高目标检测识别、分类能力。通过探索稳健的SAR超分辨率处理新技术，为微波遥感的更广泛应用提供技术支持和科学依据。

结论摘要：

合成孔径雷达超分辨率处理技术可以在不增加原有系统硬件复杂度的情况下提高分辨率，使SAR更好地应用于军事和民用领域。本课题研究了稳健的多信号模型SAR超分辨率处理算法，通过增加典型地物目标的散射模型、统计分布和系统模型等先验知识，分别建立各类SAR遥感目标的信号模型，针对不同的信号模型进行有效的超分辨率成像处理。超分辨率成像方法通常要求信号符合特定的信号模型，根据不同的成像方法，推导了适合于合成孔径雷达超分辨率成像算法的信号模型，包括二维频域模型、Dechirp模型、波数域模型。重构类成像算法没有考虑图像的背景，对图像主要散射体的重构，只适用于对图像中我们感兴趣的目标进行处理。建立了基于点散射模型的二维UESPRIT超分辨算法，也是一种SAR图像的重构方法。二维频域内SAR信号建模是参数为散射体位置和复幅度的复指数模型，提出的超分辨率成像方法利用二维酉ESPRIT同时估计主散射体的二维频率，进行二维幅度估计得到后向散射系数，重构雷达图像。合成孔径雷达的距离向分辨率反比于信号谱宽，方位向分辨率反比于多普勒带宽。增大带宽是提高分辨率的有效途径。构建了一种二维自回归线性预测外推合成孔径雷达超分辨率成像方法。利用实测数据和信号模型作为先验知识，计算二维AR模型参数，根据二维AR模型预测外推有效带宽外的数据，用扩展后的数据生成高分辨率图像。建立了两种基于旁瓣抑制方法的带宽外推超分辨算法，这类方法可以保持主瓣分辨率不变并有效抑制旁瓣，提出的算法利用了带宽扩展效应，对新的信号谱进行逆加权处理，均衡了卷积过程中对原始信号谱的幅度调制，得到展宽的信号谱，提高分辨率。将SAR空间变迹带宽外推超分辨率成像算法用于极化SAR数据，超分辨处理后的分类结果错分现象较为严重，这是因为超分辨处理是一种非线性操作，处理后影像的分布与原始影像分布不同。分析了超分辨率成像方法是否会影响极化定标结果，仿真实验结果表明超分辨率处理没有改变各极化通道之间的响应关系，超分辨率方法可以完整的保留极化通道之间的相关性。根据任务书研究计划与执行情况比较，本课题已完成了任务书要求的各项研究内容。通过探索稳健的SAR超分辨率处理新技术，为微波遥感的更广泛应用提供技术支持和科学依据。