谭覃燕，宋耀良

(南京理工大学 电子工程与光电技术学院，江苏 南京210094)

合成孔径雷达(SAR)具有全天时全天候工作、穿透性好、高分辨率成像的特点。如果能通过装载在导弹上的SAR 获取目标或目标附近典型地貌特征，从而控制导弹精确命中目标，可以大大提高导弹的攻击能力［1］，具有重要的军事意义。美国、俄罗斯、德国等都开展了SAR 导引头方面的研究。与机载SAR 对地面目标成像不同，弹载SAR 对目标成像具有平台运动速度快、非匀直线运动和大斜视角三大特点。对成像算法的实时性、运动补偿的精度和横向分辨率都提出了更高的要求。由于弹载SAR 运动误差引起的相位误差较大，传统的成像算法如距离多普勒算法(RD)、线频调变标算法(CS)、距离徙动算法(RMA)等在进行运动补偿后，成像效果都不太理想，往往还要求通过自聚焦方法从SAR回波数据中估计并补偿残余的相位误差。

SAR 成像中常用的自聚焦算法有子孔径算法(Map-Drift)、对比度算法、相位梯度法(PGA)［2］等。子孔径算法和对比度算法运算量相对较小，对二次相位误差的估计比较稳健，缺点是随着相位误差的增大估计精度降低。PGA 方法不需要指出待估计相位误差的最高阶数，并且能够用于大多数成像场景，因此，自其出现以来，在SAR 领域得到了广泛应用。PGA 算法通过迭代逐步进行相位误差校正，它往往需要在图像中存在孤立的强点目标，因此对于没有任何孤立强点目标的场景并不是很理想。

将一种基于群体智能的随……