合成孔徑雷達(dá)稀疏成像方法
【專利摘要】一種SAR稀疏成像方法,包括:構(gòu)造全孔徑回波模擬算子M,并得到模擬回波數(shù)據(jù);基于所述模擬回波數(shù)據(jù)來構(gòu)建雷達(dá)觀測(cè)方程;根據(jù)構(gòu)建的雷達(dá)觀測(cè)方程,建立基于SAR回波模擬算子的Lq正則化成像模型;以及采用閾值迭代方法求解建立的基于SAR回波模擬算子的Lq正則化成像模型,以便重建觀測(cè)場(chǎng)景散射強(qiáng)度X*。根據(jù)本發(fā)明實(shí)施例的SAR成像方法,可以在低于奈奎斯特率采樣下實(shí)現(xiàn)成像,并可抑制旁瓣,從而獲得更清晰的SAR圖像。
【專利說明】
合成孔徑雷達(dá)稀疏成像方法
技術(shù)領(lǐng)域
[000?] 本發(fā)明實(shí)施例涉及合成孔徑雷達(dá)(Synthetic Aperture Radar,SAR)成像,更具體 地,涉及一種SAR稀疏成像方法。
【背景技術(shù)】
[0002] SAR作為一種主動(dòng)式微波成像系統(tǒng),具有全天時(shí)、全天候和高分辨率成像等特點(diǎn)。 傳統(tǒng)的全孔徑滑動(dòng)聚束成像方法通過解斜降低方位向帶寬,然后對(duì)全孔徑數(shù)據(jù)利用傳統(tǒng)條 帶聚焦算法進(jìn)行成像,最后再通過方位向基帶變標(biāo),從而解決方位向圖像混疊問題,最終得 到聚焦圖像。稀疏微波成像因其可以降低方位采樣率,并得到良好重構(gòu)圖像而在雷達(dá)成像 中得以應(yīng)用。但是,傳統(tǒng)的稀疏微波成像框架都是基于雷達(dá)二維精確觀測(cè)得到的雷達(dá)觀測(cè) 矩陣,求解該模型的計(jì)算代價(jià)過于龐大,因此難以用于大場(chǎng)景的成像。
[0003] 對(duì)已有技術(shù)的了解可參考以下文獻(xiàn)及其中的相關(guān)引文。
[0004] [ I ]Donoho D L Compressed sensing[J]. Information Theory ?IEEE Transactions on,2006,52(4):1289-1306.
[0005] [2]Zhang B C?Hong ff?ffu Y R.Sparse microwave imaging:Principles and applications[J].Science China Information Sciences?2012?55(8):1722-1754.
[0006] [3]Fang J,Xu Z?Zhang B,et al.Fast compressed sensing SAR imaging based on approximated observation[J].Selected Topics in Applied Earth Observations and Remote Sensing,IEEE Journal of,2014,7(1):352-363.
[0007] [4]Khwaja A S,F(xiàn)erro_Famil L,Pottier E.SAR Raw Data Simulation-Using High Precision Focusing Methods[J].EUSAR 2006,2006.
[0008] [5]Patel V M,Easley G R,Healy Jr D M,et al·Compressed synthetic aperture radar[J].Selected Topics in Signal Processing,IEEE Journal of,2010,4 (2):244-254.
[0009] [6]Prats P? Scheiber R,Mittermayer J,et al. Processing of sliding spotlight and TOPS SAR data using baseband azimuth scaling[J].Geoscience and Remote Sensing,IEEE Transactions on,2010,48(2):770-780.
[0010] [7]Sun G?Xing M?ffang Y?et al.Sliding spotlight and TOPS SAR data processing without subaperture[J].Geoscience and Remote Sensing Letters,IEEE, 2011,8(6):1036-1040.
【發(fā)明內(nèi)容】
[0011] 根據(jù)本發(fā)明實(shí)施例的一個(gè)方面,提供了一種SAR稀疏成像方法,包括:
[0012] 步驟Sl,構(gòu)造全孔徑回波模擬算子M,并得到模擬回波數(shù)據(jù):
[0013] f^M(X)
[0014] 其中X表示目標(biāo)場(chǎng)景的散射強(qiáng)度矩陣,f是模擬回波數(shù)據(jù),M是全孔徑回波模擬算 子,其中由脈沖壓縮算法的逆過程來構(gòu)造 Μ。
[0015] 步驟S2,基于所述模擬回波數(shù)據(jù)來構(gòu)建雷達(dá)觀測(cè)方程:
[0016]
[0017] 其中Ys表示經(jīng)二維采樣后的回波數(shù)據(jù),N是噪聲,Θη,Θτ分別表示方位采樣矩陣和 距離隨機(jī)降采樣矩陣,M是構(gòu)造的全孔徑回波模擬算子。
[0018] 步驟S3,根據(jù)構(gòu)建的雷達(dá)觀測(cè)方程,建立基于SAR回波模擬算子的Lq正則化成像模 型:
[0019]
[0020] 其中,X#是重建的目標(biāo)場(chǎng)景散射強(qiáng)度,arg min是最小化計(jì)算式,I |X| |q為X的q(q = 1)范數(shù)。
[0021] 步驟S4,采用閾值迭代方法求解建立的基于SAR回波模擬算子的Lq正則化成像模 型,以便重建目標(biāo)場(chǎng)景的散射強(qiáng)度浐。
[0022] 根據(jù)本發(fā)明實(shí)施例的技術(shù)方案,利用SAR回波特性及觀測(cè)場(chǎng)景的稀疏性,建立基于 滑動(dòng)聚束SAR回波模擬算子的稀疏正則化模型。此外,利用融合回波模擬算子的閾值迭代方 法實(shí)現(xiàn)對(duì)觀測(cè)區(qū)域目標(biāo)場(chǎng)景雷達(dá)成像。相比于已有的基于二維觀測(cè)模型的稀疏SAR成像算 法,根據(jù)本發(fā)明實(shí)施例的成像方法能夠提高運(yùn)行效率并降低計(jì)算成本。此外,相比于已有的 匹配濾波成像方法,根據(jù)本發(fā)明實(shí)施例的方法可以在低于奈奎斯特率采樣下實(shí)現(xiàn)成像,并 可抑制旁瓣,從而獲得更清晰的SAR圖像。
【附圖說明】
[0023] 僅作為示例參照附圖對(duì)本發(fā)明實(shí)施例進(jìn)行詳細(xì)描述,在附圖中:
[0024] 圖1示出了根據(jù)本發(fā)明實(shí)施例的基于全孔徑回波模擬算子的滑動(dòng)聚束稀疏SAR成 像方法的流程圖;
[0025] 圖2示出了根據(jù)本發(fā)明實(shí)施例的構(gòu)造全孔徑回波模擬算子的流程圖;
[0026] 圖3示出了根據(jù)本發(fā)明實(shí)施例的利用閾值迭代求解Lq正則化成像模型的流程圖; 以及
[0027] 圖4示出了采用傳統(tǒng)雷達(dá)成像與采用根據(jù)本發(fā)明實(shí)施例的基于模擬回波算子的稀 疏SAR成像方法得到的二維仿真成像結(jié)果的比較。
【具體實(shí)施方式】
[0028] 下面結(jié)合附圖詳細(xì)說明本發(fā)明技術(shù)方案中所涉及的各個(gè)細(xì)節(jié)問題。應(yīng)指出的是, 所描述的實(shí)施例僅旨在便于對(duì)本發(fā)明的理解,而對(duì)其不起任何限定作用。
[0029] 圖1示出了根據(jù)本發(fā)明實(shí)施例的SAR稀疏成像方法的流程圖。如圖1所示,在步驟 Sl,構(gòu)建回波模擬算子M,并得到模擬回波數(shù)據(jù):
[0030] Y =M(X) ( I )
[0031] 其中X代表目標(biāo)場(chǎng)景的回波散射強(qiáng)度矩陣,:f為模擬回波數(shù)據(jù);M為回波模擬算子, 由脈沖壓縮算法的逆過程構(gòu)造。
[0032]優(yōu)選地,根據(jù)本發(fā)明實(shí)施例,還可以包括步驟:獲取目標(biāo)場(chǎng)景的回波散射強(qiáng)度矩陣 X。
[0035]
[0033] 優(yōu)選地,如圖2所示,步驟Sl具體可以包括,[0034]對(duì)目標(biāo)散射強(qiáng)度矩陣X進(jìn)行逆去斜相位補(bǔ)償相乘得到S1:
[0036]
[0037] 其中,H1是逆方位向基帶變標(biāo)的補(bǔ)償相位,V是雷達(dá)平臺(tái)速度,λ是發(fā)射信號(hào)波長(zhǎng), r r。t為滑動(dòng)聚束旋轉(zhuǎn)中心最短斜距,r Q為場(chǎng)景中心最短斜距。
[0038] 然后,對(duì)S1進(jìn)行方位向傅里葉變換得到S2a:
[0039] S2a = FFTn(Si)
[0040]其中:FFTn表示方位向傅里葉變換。
[0041 ]然后,對(duì)S2a進(jìn)行逆去斜操作,得到S2b:
[0042]
[0043]
[0044] 其中,H2是逆方位向基帶變標(biāo)相位。
[0045] 然后,對(duì)S2b進(jìn)行方位向相位補(bǔ)償?shù)玫?amp;。:
[0046]
[0047]
[0048]
[0049]
[0050]其中:Φ4為相位補(bǔ)償因子,c為光速,Kr為發(fā)射信號(hào)線性調(diào)頻率1為雷達(dá)脈沖和SRC 濾波器的綜合調(diào)頻率,Cs(f)為變標(biāo)因子。
[0051] 然后,對(duì)&。進(jìn)行方位向解壓縮得到S2d:
[0052]
[0053]
[0054] 其中,Φ3為方位解壓縮因子,r為最短斜距。
[0055] 然后,對(duì)S2d進(jìn)行距離向傅里葉變換得到S2e:
[0056] S2e = FFTx (S2d)
[0057] FFlMf表距離向快速傅里葉變換。
[0058] 對(duì)S2e進(jìn)行距離徙動(dòng)、距離向解壓縮及二次距離徙動(dòng)得到S2f:
[0059]
[0060]
[0061]其中,Φ2為距離徙動(dòng)、距離向解壓縮及二次距離徙動(dòng)因子,為距離向頻率。
[0062]然后,對(duì)S2f進(jìn)行逆距離向傅里葉變換得到S2g:
[0063] S2g=IFFTx(S2f)
[0064] IFFIV表示距離向逆傅里葉變換。
[0065]然后,對(duì)S2g進(jìn)行逆線性調(diào)頻變標(biāo)得到S2h:
[0068] Φι = θχρ( j3iKs(f ,r〇)Cs(f) [τ-τ0(?)])[0069] 其中,Φ:為逆線性調(diào)頻變標(biāo)因子,T〇(f)為距離向壓縮位置。[0070] 然后,對(duì)S2h進(jìn)行逆方位向傅里葉變換得到模擬S2:[0071] S2 = IFFTn(S2h)[0072] IFFTn代表逆方位向快速傅里葉變換[0073] 然后,對(duì)S2進(jìn)行逆去斜相位相乘操作,得到S3a:[0074]
[0066]
[0067]
[0075]
[0076] 然后,對(duì)S3a進(jìn)行方位向逆傅里葉變換,得到S3b:
[0077] Ssb = IFFTn(S3a)
[0078] 然后,對(duì)S3b進(jìn)行逆去斜操作,得到模擬回波數(shù)據(jù)f :
[0079]
[0080] 如圖1所示,在步驟S2,根據(jù)得到的模擬回波數(shù)據(jù)構(gòu)建雷達(dá)觀測(cè)模型: _
⑴
[0082]其中Ys表示經(jīng)二維采樣后的回波數(shù)據(jù),N為噪聲,Θη,Θτ分別代表方位采樣矩陣和 距離隨機(jī)降采樣矩陣。
[0083]然后,在步驟S3,根據(jù)觀測(cè)模型(1)建立基于滑動(dòng)聚束SAR回波模擬算子的Lq正則 化成像模型:
[0084]
(2)
[0085] 然后,在步驟S4,采用閾值迭代方法求解基于滑動(dòng)聚束SAR回波模擬算子的Lq正則 化成像模型(2),從而重建目標(biāo)場(chǎng)景的散射強(qiáng)度X'
[0086] 如圖3所示,步驟S4可以包括:
[0087] 初始化目標(biāo)場(chǎng)景的散射強(qiáng)度XQ,并設(shè)定目標(biāo)場(chǎng)景的稀疏度預(yù)估值K和迭代終止準(zhǔn) 貝 1J,令 n = l;
[0088] 然后,按照下式更新梯度下降序列Bn:
[0089]
[0090]其中μ表示梯度下降的步長(zhǎng),
[0091]
[0092] %,//1沖,3沖#1,4分別為!11,!12,〇4,〇3,〇2,〇1,8 1)的復(fù)共輒。
[0093] 然后,更新正則化參數(shù):
[0094]
[0095] 其中|Bn|k+1表示將序列Bn的模值按降序排列后的第k+Ι個(gè)元素;
[0096]然后,更新目標(biāo)場(chǎng)景的散射強(qiáng)度Xn+1
[0097] Xn+i = Hq (Bn)
[0098] 其中Hq( ·)為閾值算子:
[0099] Hq(X) = (hq(Xl),…,hq(Xn) )τ
[0100] 其中當(dāng)q = l時(shí)
[0101]
[0102] 然后,若I |χη+1-χη| If/I Ιχη| |「<£迭代終止,輸出是目標(biāo)場(chǎng)景的回
[0103] 波強(qiáng)度;否則,令η = η+1,返回更新梯度下降序列仏的步驟。
[0104]其中,ε是終止迭代的門限。
[0105] 因此,結(jié)合圖3,模擬回波數(shù)據(jù)可以表示為:
[0106]
[0107] 圖4示出了采用傳統(tǒng)雷達(dá)成像與采用根據(jù)本發(fā)明實(shí)施例的SAR稀疏成像方法得到 的二維仿真成像結(jié)果的比較。其中,主要雷達(dá)參數(shù)包括:景中心距離r〇 = 671km,旋轉(zhuǎn)中心距 離:Trot = 1061.5km飛行器速度V=7391m/s,信號(hào)帶寬Br = I50MHz,脈沖持續(xù)時(shí)間Tr = IOys,載 頻fo = 9.65GHz,脈沖發(fā)射頻率 PRF = 3798Hz。
[0108] 圖4(a)示出了已有的全孔徑匹配濾波方法的仿真結(jié)果。圖4(b)、圖4(c)、圖4(d)分
【主權(quán)項(xiàng)】
1. 一種SAR稀疏成像方法,包括: 步驟S1,構(gòu)造全孔徑回波模擬算子M,并得到模擬回波數(shù)據(jù); 步驟S2,基于所述模擬回波數(shù)據(jù)來構(gòu)建雷達(dá)觀測(cè)方程; 步驟S3,根據(jù)構(gòu)建的雷達(dá)觀測(cè)方程,建立基于SAR回波模擬算子的Lq正則化成像模型;W 及 步驟S4,采用闊值迭代方法求解建立的基于SAR回波模擬算子的Lq正則化成像模型,W 便重建目標(biāo)場(chǎng)景的回波散射強(qiáng)度X*。2. 根據(jù)權(quán)利要求1所述的方法,其中,所述步驟S1包括利用W下公式來得到模擬回波數(shù) 據(jù):其中X表示目標(biāo)場(chǎng)景的回波散射強(qiáng)度矩陣,:f是模擬回波數(shù)據(jù),Μ是全孔徑回波模擬算 子,其中由脈沖壓縮算法的逆過程來構(gòu)造 Μ。3. 根據(jù)權(quán)利要求1所述的方法,其中,所述步驟S2包括利用W下公式來構(gòu)建雷達(dá)觀測(cè)方 程:其中Ys表示經(jīng)二維采樣后的回波數(shù)據(jù),Ν是噪聲,Θη,Θτ分別表示方位采樣矩陣和距離 隨機(jī)降采樣矩陣,Μ是構(gòu)造的全孔徑回波模擬算子。4. 根據(jù)權(quán)利要求1所述的方法,其中,所述步驟S3包括利用W下公式來建立Lq正則化成 像模型:其中,X*是重建的回波散射強(qiáng)度矩陣,Ao為一常數(shù),arg min是最小化計(jì)算式,IIX II q為X 的q(q = l)范數(shù)。5. 根據(jù)權(quán)利要求2所述的方法,其中,所述步驟S1還包括: 對(duì)目標(biāo)場(chǎng)景的回波散射強(qiáng)度數(shù)據(jù)X進(jìn)行逆去斜相位補(bǔ)償相乘得到Si; 對(duì)Si進(jìn)行方位向傅里葉變換得到S2a; 對(duì)S2a進(jìn)行逆去斜操作,得到S2b ; 對(duì)S2b進(jìn)行方位向相位補(bǔ)償?shù)玫絊2。; 對(duì)S2。進(jìn)行方位向解壓縮得到S2d ; 對(duì)S2d進(jìn)行距離向傅里葉變換得到S2e; 對(duì)S2e進(jìn)行距離徙動(dòng)、距離向解壓縮及二次距離徙動(dòng)得到S2f ; 對(duì)S2f進(jìn)行逆距離向傅里葉變換得到S2g; 對(duì)S2g進(jìn)行逆線性調(diào)頻變標(biāo)得到S2h,W及對(duì)S2h進(jìn)行逆方位向傅里葉變換得到模擬S2; 對(duì)S2進(jìn)行逆去斜相位相乘操作,得到S3a ; 對(duì)S3a進(jìn)行方位向逆傅里葉變換,得到S3b; 對(duì)S3b進(jìn)行逆去斜操作,得到模擬回波數(shù)據(jù)f。 6 .根據(jù)權(quán)利要求1所述的方法,其中,所述步驟S4還包括: 初始化目標(biāo)場(chǎng)景的回波散射強(qiáng)度Xo,設(shè)定目標(biāo)場(chǎng)景的稀疏度預(yù)估值Κ和迭代終止準(zhǔn)則; 更新梯度下降序列Bn; 更新正則化參數(shù)λ; 更新目標(biāo)場(chǎng)景的散射強(qiáng)度Χη+1; 若|帖+片。|^/|1乂。|^<6迭代終止,輸出是目標(biāo)場(chǎng)景的回波強(qiáng)度;否則,令11 = 11+1,并 返回所述更新梯度下降序列Bn的步驟。 7 .根據(jù)權(quán)利要求6所述的方法,其中,所述更新梯度下降序列Bn包括: 其中μ表示梯度下降的步長(zhǎng),幻W分別為出,也,巫4,巫3,巫2,巫1,Sp的復(fù)共輛。8. 根據(jù)權(quán)利要求6所述的方法,其中,所述更新正則化參數(shù)λ包括 義=打巧,L;其中,q=i 其中|Bn|k+l表示將序列Bn的模值按降序排列后的第k+1個(gè)元素。9. 根據(jù)權(quán)利要求6所述的方法,其中,所述更新目標(biāo)場(chǎng)景的散射強(qiáng)度Xn+1包括 Xn+l = Hq 化η) 其中Hq( ·)為闊值算子: Hq(X)=化q(Xl),···,hq(Xn))T 其中當(dāng)q=l時(shí)10. 根據(jù)權(quán)利要求1所述的方法,還包括:在構(gòu)造全孔徑回波模擬算子Μ之前,獲取目標(biāo) 場(chǎng)景的散射強(qiáng)度數(shù)據(jù)X。
【文檔編號(hào)】G01S13/90GK105842699SQ201610384461
【公開日】2016年8月10日
【申請(qǐng)日】2016年6月2日
【發(fā)明人】張冰塵, 魏中浩, 畢輝, 吳戎, 吳一戎
【申請(qǐng)人】中國(guó)科學(xué)院電子學(xué)研究所