一、wK算法的核心定位与优势
wK算法（ω-K算法，又称波数域算法或距离徙动算法（RMA））是合成孔径雷达（SAR）成像中精度最高的频域算法之一，适用于大斜视、宽波束、高分辨率场景。其核心优势在于理论精确性：通过一次频域插值（Stolt插值）统一校正所有距离徙动，无需近似假设，彻底解决了传统算法（如RD、CS）在小斜视角下的局限性。
二、wK算法的核心原理
wK算法的本质是在二维频域（距离频域×方位频域）通过相位补偿与坐标变换，实现距离徙动校正与方位压缩，关键步骤如下：
1. 信号模型与二维频域转换
SAR回波信号可表示为（忽略幅度包络，专注相位）：
其中，\(τ\)为距离快时间，\(t\)为方位慢时间，\(R(t)=\sqrt{R_0^2+(vt)^2}\)为目标斜距历程（\(R_0\)为最近斜距，\(v\)为平台速度），\(K_r\)为距离调频率，\(λ\)为波长，\(c\)为光速。
通过距离向FFT（将\(τ\)转换为距离频率\(f_τ\)）和方位向FFT（将t转换为方位频率\(f_t\)），得到二维频域信号：
\(S(f_τ,f_t)=F_{2D}{s(τ,t)}\)
其相位项为：
其中，\(f_0\)为载频，\(f_t\)为方位频率（多普勒频率）。
2. 参考函数相乘（一致压缩）
参考函数相乘（RFM）是wK算法的第一步聚焦，目的是补偿参考距离（通常取场景中心\(R_{ref}=R_0\)）的相位历程，实现一致压缩。参考函数的相位为：
将\(S(f_τ,f_t)\)与\(ΦRFM\)相乘后，参考距离处的相位完全补偿，残余相位仅与目标距离差相关：
此时，参考距离处的目标已实现聚焦，非参考距离处仍存在残余距离徙动与方位调制。
3. Stolt插值（距离方位解耦合）
Stolt插值是wK算法的核心步骤，目的是通过坐标变换将非线性相位转换为线性相位，实现距离与方位的解耦合。其关键是找到距离频率映射\(f_τ^′=g(fτ,ft)\)，使得残余相位变为线性：
其中，\(ΔR=R(t)−R_{ref}\)为目标与参考距离的差值。
通过波动方程色散关系推导，Stolt映射为：
该映射将二维频域中的球面波前相位转换为平面波前相位，使逆傅里叶变换后信号自然聚焦。
4. 二维逆傅里叶变换（成像）
对Stolt插值后的信号进行二维逆FFT，得到聚焦的SAR图像：
其中，\(x\)为方位向坐标，\(r\)为距离向坐标，图像峰值对应目标位置。
三、wK算法的MATLAB实现（点目标仿真）
以下是wK算法点目标仿真的核心步骤与代码框架（基于MATLAB）：
1. 参数设置
% 雷达参数
c = 3e8; % 光速 (m/s)
fc = 10e9; % 载频 (Hz)
lambda = c/fc; % 波长 (m)
B = 300e6; % 距离带宽 (Hz)
Tp = 1e-6; % 脉冲宽度 (s)
Kr = B/Tp; % 距离调频率 (Hz/s)
PRF = 1e3; % 脉冲重复频率 (Hz)
V = 100; % 平台速度 (m/s)% 目标参数
R0 = 10e3; % 目标最近斜距 (m)
X0 = 0; % 目标方位位置 (m)
reflectivity = 1; % 目标反射率% 仿真参数
Nslow = 1024; % 方位采样点数
Nfast = 1024; % 距离采样点数
2. 生成点目标回波
% 方位慢时间数组
t = linspace(-Nslow/2, Nslow/2-1, Nslow)/PRF;
% 距离快时间数组
tau = linspace(-Nfast/2, Nfast/2-1, Nfast)/(2*B);% 斜距历程
R = sqrt(R0^2 + (V*t).^2);
% 回波信号（相位项）
echo = reflectivity * exp(1j*4*pi/lambda*R) .* exp(1j*pi*Kr*(tau - 2*R/c).^2);
3. 二维FFT（转换到频域）
% 距离向FFT
echo_fft_r = fftshift(fft(echo, [], 2), 2);
% 方位向FFT
echo_fft_2d = fftshift(fft(echo_fft_r, [], 1), 1);
4. 参考函数相乘（一致压缩）
% 距离频率数组
f_tau = linspace(-Nfast/2, Nfast/2-1, Nfast)*(2*B)/Nfast;
% 方位频率数组
f_t = linspace(-Nslow/2, Nslow/2-1, Nslow)*PRF/Nslow;% 参考距离处的相位补偿
[F_tau, F_t] = meshgrid(f_tau, f_t);
phase_rfm = 4*pi/c*(fc + F_tau).*sqrt(R0^2 + (c*F_t/(2*V)).^2) - 1j*pi*F_tau.^2/Kr;
% 一致压缩
echo_compressed = echo_fft_2d .* exp(1j*phase_rfm);
5. Stolt插值（距离方位解耦合）
% Stolt映射：f_tau' = sqrt((fc + f_tau)^2 - (c*f_t/(2*V))^2) - fc
f_tau_prime = sqrt((fc + F_tau).^2 - (c*F_t/(2*V)).^2) - fc;% 插值（使用griddata函数）
[echo_stolt, ~] = griddata(F_tau(:), F_t(:), echo_compressed(:), f_tau_prime(:), F_t(:), 'cubic');
echo_stolt = reshape(echo_stolt, [Nslow, Nfast]);
6. 二维逆FFT（成像）
% 方位向逆FFT
echo_ifft_a = ifftshift(ifft(echo_stolt, [], 1), 1);
% 距离向逆FFT
image = ifftshift(ifft(echo_ifft_a, [], 2), 2);% 显示SAR图像
figure;
imagesc(abs(image));
xlabel('方位采样点');
ylabel('距离采样点');
title('wK算法点目标SAR图像');
colorbar;
参考代码 SAR成像点目标仿真中的wK算法 www.youwenfan.com/contentcnr/101241.html
四、wK算法的性能与应用
- 优势：理论精确，适用于大斜视、宽波束场景；通过一次插值统一校正距离徙动，精度高于RD、CS算法。
- 劣势：Stolt插值计算量较大，需优化（如使用GPU加速）。
- 应用：星载SAR高精度成像、大斜视SAR系统、宽波束SAR成像。
五、总结
wK算法是SAR成像中最精确的频域算法，通过二维频域处理与Stolt插值，实现了距离徙动校正与方位压缩的统一。其MATLAB实现需重点关注二维FFT、参考函数相乘、Stolt插值三个步骤，适用于大斜视、高分辨率场景的SAR点目标仿真。