基于近似观测矩阵的聚束SAR压缩感知成像方法技术

本发明专利技术是一种基于近似观测矩阵的聚束SAR压缩感知成像方法，包括如下步骤：步骤一、基于尺度变换的极坐标格式算法得到距离向尺度变换的矩阵形式；步骤二、基于尺度变换的极坐标格式算法得到方位向尺度变换的矩阵形式；步骤三、根据步骤一和步骤二的结果推导出极坐标格式算法成像过程的矩阵表达形式，步骤四、根据步骤三得到的雷达投影矩阵的信号模型，推导出逆成像过程的信号模型；步骤五、将上述步骤得到的PFA成像过程和逆成像过程和基于近似观测矩阵的迭代阈值收缩算法构建CS重建模型。该发明专利技术对PFA成像过程进行稀疏约束，PFA成像在SAR领域应用的范围更加宽泛，与传统的精确测量矩阵相比，大大降低了计算复杂度和存储内存。

【技术实现步骤摘要】
基于近似观测矩阵的聚束SAR压缩感知成像方法
本专利技术属于雷达
，具体的说是涉及一种基于近似观测矩阵的聚束SAR压缩感知成像方法。
技术介绍
传统的合成孔径雷达(SyntheticApertureRadar,SAR)通常基于线性航迹发射和接收信号，回波相干处理后实现全天时、全天候探测成像。在SAR系统中，雷达沿其路径发射一系列脉冲，并接收从目标散射的回波即原始数据。传统上，场景的重建是通过基于极坐标格式算法(PFA)来实现图像的聚焦，该算法高效，但分辨率和覆盖度不断提高的SAR成像需要越来越多的测量、存储和下行链路带宽，然而，当前的系统硬件经常妨碍这种高尺寸的应用。近年来，压缩感知技术的发展使得我们可以用比奈奎斯特要求的更少的测量数据重建稀疏或可压缩信号。近年来在雷达系统上出现了一些应用，其中主要涉及如何利用计算机控制系统简化数据采集过程以及将CS技术应用到雷达成像领域的潜在可能性。现有公开发表文献中，许多专家学者提出通过在频域中对数据进行采样，提出了基于CS的框架，但是，这些工作实际上不适用于希望在时域进行采样的CS-SAR系统；另外，在大多数的文献中都是通过将SAR观测函数精确地离散化为观测矩阵，同时直接由CS求解，提出了更通用的CS-SAR模型。所有这些工作都充分证明，与传统的SAR成像方法相比，CS-SAR确实具有一些独有的优势，例如，放宽所需的测量值，减少旁瓣以及进一步抑制噪声，但是，在所有应用程序中，都观察到了严重的缺点：与传统方法相比，CS-SAR模型的计算复杂度和存储成本要高得多，因此将其应用于大场景条件下效率很低，相关文献将MF(匹配滤波)和CS结合形成新的CS-SAR成像方法，降低了计算复杂度和存储成本，但是该方法基于MF的成像过程，该成像过程较简单，应用范围较少。因此有必要设计一种应用更为广泛的稀疏成像方法，降低计算复杂度和存储内存。
技术实现思路
为了达到上述目的，本专利技术提供了一种基于近似观测矩阵的聚束SAR压缩感知成像方法，本专利技术利用PFA的成像过程，推导出雷达投影矩阵的信号模型，将CS-SAR框架中的精确观测函数替换为基于PFA成像过程的逆过程得到的近似观测模型，通过迭代收缩阈值算法，降低计算复杂度和存储内存。为了达到上述目的，本专利技术是通过以下技术方案实现的：本专利技术是一种基于近似观测矩阵的聚束SAR压缩感知成像方法，所述方法包括如下步骤：步骤一、基于尺度变换的极坐标格式算法得到距离向尺度变换的矩阵形式；步骤二、基于尺度变换的极坐标格式算法得到方位向尺度变换的矩阵形式；步骤三、根据步骤一和步骤二的结果推导出极坐标格式算法成像过程的矩阵表达形式，即得到雷达投影矩阵的信号模型，进一步的得到PFA成像过程信号模型；步骤四、根据步骤三得到的雷达投影矩阵的信号模型，推导出逆成像过程的信号模型；也就是PFA逆成像过程信号模型；步骤五、将上述步骤得到的PFA成像过程和逆成像过程和基于近似观测矩阵的迭代阈值收缩算法构建CS重建模型。本专利技术的进一步改进在于：在所述步骤一中，距离向尺度变换的实现过程中需要的二次相位函数和滤波函数如下：φscl(τ)＝exp{jπk(1-δr)·[τ-2ra/c]2}本专利技术的进一步改进在于：在所述步骤二中，方位向尺度变换的实现过程中需要的滤波函数和二次相位函数如下：h1(t)＝exp(jπkat2)h2(t)＝exp(-jπδakat2)本专利技术的有益效果是：(1)该专利技术对PFA成像过程进行稀疏约束，PFA成像在SAR领域应用的范围更加宽泛；(2)该专利技术提出的CS-SAR模型，采用的是近似观测矩阵，与传统的精确测量矩阵相比，大大降低了计算复杂度和存储内存。附图说明图1是本专利技术基于近似观测矩阵的聚束SAR压缩感知成像方法的流程图。图2是聚束SAR数据采集空间几何关系图。图3a是距离向尺度变换处理流程图。图3b是方位向尺度变换处理流程图。图4a是完整样本情况下PFA成像仿真结果图。图4b是完整样本情况下本专利技术采用的稀疏约束仿真结果图。图5a是PFA成像中方位向剖面图。图5b是本专利技术采用的稀疏约束成像中方位向剖面图。图6a是方位向均匀采样率1:3，距离向均匀采样率1:5的情况下，PFA成像仿真结果图。图6b是在上述均匀采样情况下，本专利技术提出的方法得到的仿真结果图。图7a是在上述均匀采样情况下，PFA成像中方位向剖面图。图7b是在上述均匀采样情况下，本专利技术提出的方法得到的方位向剖面图。图8a是方位向随机采样率为30％，距离向随机采样率为20％情况下，PFA成像仿真结果图。图8b是在上述随机采样情况下，本专利技术提出的方法得到的仿真结果图。图9a是在上述随机采样情况下，PFA成像中方位向剖面图。图9b是在上述随机采样情况下，本专利技术提出的方法得到的方位向剖面图。具体实施方式以下将以图式揭露本专利技术的实施方式，为明确说明起见，许多实务上的细节将在以下叙述中一并说明。然而，应了解到，这些实务上的细节不应用以限制本专利技术。也就是说，在本专利技术的部分实施方式中，这些实务上的细节是非必要的。另外，各个实施例之间的技术方案可以相互结合，但是必须是以本领域普通技术人员能够实现为基础，当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在，也不在本专利技术要求的保护范围之内。如图2所示的聚束SAR数据采集空间几何关系图，坐标系原点O为坐标原点，假设平台以速度V0在XOY平面恒定高度匀速直线飞行。雷达天线相位中心的瞬时坐标为R(X0,Y0,Z0)，天线相位中心的瞬时方位角和俯仰角为θ和在孔径中心时刻为θ0和场景中P为点目标，其位置在(xm,ym,0)处，Ro和Rm分别表示天线相位中心到场景中心O和目标的瞬时距离，如下所示雷达发射宽带线性调频信号其中τ为快时间变量，Tr为脉冲宽度，k为信号线性调频斜率，fc为信号载频，B＝kTr为信号带宽，rect(·)为窗函数。解调后，点目标的二维回波信号为其中Ta为方位孔径时间，c为光速，t为方位慢时间。对(3)做距离向傅里叶变换，可以得到其中fτ为距离频率变量，对回波数据作匹配滤波和运动补偿，使场景中心点回波相位为0,可以对公式(4)乘以如下函数得到PFA处理前的信号本专利技术方法基于PFA成像过程进行分析推导，进而设计出新的CS-SAR的模型重建图像，具体按照以下各步骤：步骤一、在PFA成像过程中距离向尺度变换的矩阵形式PFA算法中的插值就是为了消除方位向变量t和距离向变量fτ之间存在的耦合，使方位向信息部分和距离向信息部分分别变为方位时间t和距离频率fτ的单变量线性函数，通过两个独立的一维插值，方位向插值和距离向插值，消除本文档来自技高网...

【技术保护点】
1.一种基于近似观测矩阵的聚束SAR压缩感知成像方法，其特征在于：所述方法包括如下步骤：/n步骤一、基于尺度变换的极坐标格式算法得到距离向尺度变换的矩阵形式；/n步骤二、基于尺度变换的极坐标格式算法得到方位向尺度变换的矩阵形式；/n步骤三、根据步骤一和步骤二的结果推导出极坐标格式算法成像过程的矩阵表达形式，即得到雷达投影矩阵的信号模型；/n步骤四、根据步骤三得到的雷达投影矩阵的信号模型，推导出逆成像过程的信号模型；/n步骤五、将步骤三得到的雷达投影矩阵的成像过程、步骤四得到的逆成像过程和基于近似观测矩阵的迭代阈值收缩算法构建CS重建模型。/n

【技术特征摘要】
1.一种基于近似观测矩阵的聚束SAR压缩感知成像方法，其特征在于：所述方法包括如下步骤：
步骤一、基于尺度变换的极坐标格式算法得到距离向尺度变换的矩阵形式；
步骤二、基于尺度变换的极坐标格式算法得到方位向尺度变换的矩阵形式；
步骤三、根据步骤一和步骤二的结果推导出极坐标格式算法成像过程的矩阵表达形式，即得到雷达投影矩阵的信号模型；
步骤四、根据步骤三得到的雷达投影矩阵的信号模型，推导出逆成像过程的信号模型；
步骤五、将步骤三得到的雷达投影矩阵的成像过程、步骤四得到的逆成像过程和基于近似观测矩阵的迭代阈值收缩算法构建CS重建模型。

...

【专利技术属性】
技术研发人员：王昕，乔玲，
申请(专利权)人：南京邮电大学，
类型：发明
国别省市：江苏;32