Very high resolution automotive SAR imaging from burst data

The aim of the submitted thesis is to propose a method in order to obtain images very high resolution form data acquired on a non-continuous basis in an automotive scenario. This acquisition mode called ‘burst-mode’ causes the image to present some sidelobes that corrupt the image resolution. In order to perform the sidelobes-suppression procedure, a suitable reference system is developed. This reference system is the (r, s) reference system, where the r-variable represent the range axis and the s-variable is computed as the sinus of the squint angle. The (r, s) reference system will be proven to have some space invariant properties and to link the ‘on time’ position of the automotive radar to the spectrum in a direct relation, thus it is possible to estimate the gapped spectrum perfectly and to process the data monodimentionally, along the s-variable direction, in order to reduce the complexity of the problem. The problem is tackled with two spectral estimation algorithms, the Capon method with an Iterative Adaptive Approach (IAA-Capon) used for estimating the data covariance matrix, and the CLEAN algorithm. Some preliminary results carried out with artificial data show that the CLEAN algorithm is a better performing algorithm than the IAA-Capon, therefore the IAA-Capon is discarded and the real data are processed with the CLEAN algorithm. The real data results show the total suppression of the sidelobes and the targets in the scene can be perfectly discerned.

Lo scopo della tesi presentata è quello di proporre un metodo per ottenere immagini radar ad altissima risoluzione da dati acquisiti su base non-continua in uno scenario automobilistico. Questa modalità di acquisizione chiamata "modalità burst" causa nell’ immagine la presenza di alcuni lobi laterali che ne corrompono la risoluzione. Per eseguire la procedura di eliminazione dei lobi laterali, viene sviluppato un opportuno sistema di riferimento. Questo sistema di riferimento è il sistema di riferimento (r,s), in cui la variabile r rappresenta l'asse del range e la variabile s viene calcolata come il seno dell'angolo di squint. In questa tesi si dimostra che il sistema di riferimento gode della proprietà di spazio invarianza e che collega la posizione "on time" del radar automobilistico allo spettro in una relazione univoca, quindi è possibile stimare perfettamente le lacune spettrali ed elaborare i dati monodimensionalmente, lungo la direzione s, al fine di ridurre la complessità del problema. Il problema viene affrontato con due algoritmi di stima spettrale, il metodo Capon con un approccio adattivo iterativo (IAA-Capon) utilizzato per la stima della matrice di covarianza dei dati e l'algoritmo CLEAN. Alcuni risultati preliminari effettuati con dati artificiali mostrano che l'algoritmo CLEAN è più performante di IAA-Capon, pertanto IAA-Capon viene scartato e i dati reali vengono elaborati con l'algoritmo CLEAN. I risultati dei dati reali mostrano la totale soppressione dei lobi laterali e i bersagli nella scena possono essere distinti perfettamente.