一种视频SAR成像方法技术

本发明专利技术公开了一种视频SAR成像方法，本发明专利技术的方法首先完成视频SAR回波信号模型的构建；然后构建解耦观测模型，并将视频SAR成像问题建模为联合稀疏张量与低秩张量最小化问题，即秩和l0范数联合最小化问题；接着将视频SAR的成像过程转化成l1最小化和张量核范数联合最小化问题；最后利用张量交替方向乘子法进行场景重建，得到成像结果。本发明专利技术的方法利用张量交替方向乘子法对欠采样视频SAR回波进行联合低秩与稀疏恢复，与基于快速反投影的视频SAR成像方法相比可以大幅减少数据量；与基于低秩张量恢复的视频SAR成像方法相比，避免了强散射目标对重建性能的影响，提升了成像性能。能。能。

【技术实现步骤摘要】
一种视频SAR成像方法


[0001]本专利技术属于雷达成像
，具体涉及一种视频SAR成像方法。

技术介绍

[0002]合成孔径雷达(SAR)是一种全天时、全天候的高分辨率成像系统，通过发射大时宽积的线性调频信号，接收时经匹配滤波得到脉冲压缩信号，以获得距离向高分辨率，利用合成孔径技术实现方位向的高分辨率，成像质量不受天气条件(云层、光照)等影响，具有对远距离目标进行检测和定位的特点。
[0003]与传统SAR相比，视频SAR提供了独特的遥感探测能力，通过在一定的帧率下对场景进行观测，获得目标区域的视频。利用视频可以对地面进行长时间监控和动态监测，有利于动目标的检测和指示，因此视频合成孔径雷达成像具有广泛的应用前景。
[0004]视频SAR工作模式下，各帧之间有大量的重叠孔径，所需数据量巨大，从而给数据的存储，传输和处理都来了较大的困难，尤其是对于无人机平台和小型卫星平台。在文献"Processing video
‑
SAR data with the fast backprojection method，IEEE Transactions on Aerospace and Electronic Systems，vol.52,no.6,pp.2838
‑
2848,December 2016"中，提出了一种快速后向反投影算法来获得多帧图，然而该方法仅能适用于满采样数据；在文献“Video SAR Imaging Based on Low
‑
Rank Tensor Recovery，IEEE Transactions on Neural Networks and Learning Systems,vol.32,no.1,pp.188
‑
202,Jan.2021”中，针对欠采样条件下视频SAR成像问题，提出了一种基于低秩张量恢复的视频SAR成像方法，可大幅降低成像所需的回波数据量，但是当观测区域存在强散射目标时，会破坏场景的低秩特性，因此该方法性能严重下降。上述两种方法都无法在欠采样的情况下实现视频SAR的精确成像。

技术实现思路

[0005]针对现有技术存在的上述问题，本专利技术提出了一种视频SAR成像方法。
[0006]本专利技术的技术方案为：一种视频SAR成像方法，具体包括如下步骤：
[0007]步骤S0：建立视频SAR观测模型，
[0008]雷达平台沿着直线运动，雷达以固定频率发射线性调频脉冲信号并接收由观测区域反射的回波；取总帧数为T的成像过程，视频SAR在第t(t＝1,2,...T)帧成像过程中，假设每一帧成像区域为M
×
N的矩形，M是方位向像素点数，N是距离向像素点数，那么成像区域的反射矩阵以矩阵形式表示为其中，为其中(m,n)项，第t帧的回波表示为其中，P和Q分别表示方位向和距离向的总采样点数，表示P*Q大小的复数矩阵；
[0009]步骤S1：建立视频SAR回波模型，
[0010]建立第t帧，在第p个方位采样点，第q个距离采样点的回波模型如下：
[0011][0012]其中，
[0013][0014]式中，ω
a
(
·
)和ω
r
(
·
)分别为方位和距离的包络，R(p,m,n,t)为第t帧第p个方位时刻雷达和在(m,n)位置的目标之间的斜距，c为光速，λ为发射信号的波长，τ
q
为在第q个距离采样点，T
a
为合成孔径时间，K
r
为距离向信号调频率；
[0015]步骤S2：建立解耦观测模型，
[0016]建立基于调频变标算法的解耦观测模型如下：
[0017][0018]其中，Y
(t)
表示第t帧回波，X
(t)
表示第t帧图像，和分别代表距离向和方位向傅里叶变换，和分别表示调频变标算法中的调频变标项、距离向压缩项和方位压缩项，(
·
)
‑1表示逆过程，(
·
)
*
表示共轭计算；
[0019]步骤S3：建模为稀疏低秩张量联合求解问题，
[0020]使用解耦模型作为成像场景到回波的映射，得到欠采样条件下视频SAR回波模型：
[0021][0022]其中，Θ
a
和Θ
r
分别表示方位向和距离向的欠采样矩阵，为欠采样条件下视频SAR回波中的第t帧，将成像问题建模为联合低秩与稀疏问题，即秩和l0范数联合最小化问题：
[0023][0024]其中，代表稀疏张量，代表低秩张量，表示稀疏张量的第t帧，表示低秩张量的第t帧；
[0025]将式(5)中秩和l0范数联合最小化问题转化为张量核范数和l1范数联合最小化问题：
[0026][0027]式中，||
·
||
*
表示张量核范数，||
·
||1表示l1范数；
[0028]将式(6)改写为增广拉格朗日形式：
[0029][0030]其中，表示拉格朗日算子，<
·
,
·
>表示张量内积，ρ表示惩罚系数。
[0031]步骤S4：联合低秩和稀疏张量恢复，具体包括如下分步骤：
[0032]S41：更新低秩张量
[0033]低秩张量的更新方法如下：
[0034][0035]其中，
[0036][0037]其中，其中，为的第t帧数据，由基于调频算法的成像过程和解耦观测模型组成，利用张量核范数的近端算子对低秩张量进行更新；
[0038]S42：更新稀疏张量
[0039]稀疏张量的更新方法如下：
[0040][0041]其中，
[0042][0043]利用软阈值算子得到更新后的稀疏张量的值。
[0044]S43：更新拉格朗日算子
[0045]对的第t帧数据按照下式更新：
[0046][0047]所有帧更新之后，得到
[0048]S44：更新惩罚参数ρ，
[0049]惩罚参数的自适应更新方法如下：
[0050]ρ
g+1
＝min(αρ
g
,ρ
max
)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(13)
[0051]其中，ρ
max
是ρ的上界，α≥1是一个常数；
[0052]S45：如果低秩张量和稀疏张量的更新速率都小于预定义的值，则停止迭代，否则进行步骤S41
‑
S44；
[0053]通过上述步骤最终实现了成像场景的重建。
[0054]本专利技术的有益效果：本专利技术的方法首先完成视频SAR回波信号模型的构建；然后构建解耦观测模型，并将视频SAR成像问题建模为联合稀疏张本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种视频SAR成像方法，具体包括如下步骤：步骤S0：建立视频SAR观测模型，雷达平台沿着直线运动，雷达以固定频率发射线性调频脉冲信号并接收由观测区域反射的回波；取总帧数为T的成像过程，视频SAR在第t(t＝1,2,...T)帧成像过程中，假设每一帧成像区域为M
×
N的矩形，M表示方位向像素点数，N表示距离向点数，那么成像区域的反射矩阵以矩阵形式表示为其中，为其中(m,n)项，第t帧的回波表示为其中，P和Q分别表示方位向和距离向的总采样点数，表示P*Q大小的复数矩阵；步骤S1：建立视频SAR回波模型，建立第t帧，在第p个方位采样点，第q个距离采样点的回波模型如下：其中，式中，ω
a
(
·
)和ω
r
(
·
)分别为方位和距离的包络，R(p,m,n,t)为第t帧第p个方位时刻雷达和在(m,n)位置的目标之间的斜距，c为光速，λ为发射信号的波长，τ
q
为在第q个距离采样点，T
a
为合成孔径时间，K
r
为距离向信号调频率；步骤S2：建立解耦观测模型，建立基于调频变标算法的解耦观测模型如下：其中，Y
(t)
表示第t帧回波，X
(t)
表示第t帧图像，和分别代表距离向和方位向傅里叶变换，和分别表示调频变标算法中的调频变标项、距离向压缩项和方位压缩项，(
·
)
‑1表示逆过程，(
·
)
*
表示共轭计算；步骤S3：建模为稀疏低秩张量联合求解问题，使用解耦模型作为成像场景到回波的映射，得到欠采样条件下视频SAR回波模型：其中，Θ
a
和Θ
r
分别...

【专利技术属性】
技术研发人员：安洪阳，王朝栋，杨青，武俊杰，孙稚超，李中余，杨建宇，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：