一种基于频率变标的星载稀疏合成孔径雷达斜视成像方法技术

本发明专利技术公开了一种基于频率变标的星载稀疏合成孔径雷达斜视成像方法，首先，将非线性调频滤波器与CSA相结合，设计星载数据斜视成像方法；其次，构建稀疏SAR成像模型；然后，设计稀疏SAR成像模型所需的回波模拟算子；最后，通过迭代恢复实现观测场景的稀疏重建。本发明专利技术采用基于频率变标的星载稀疏SAR斜视成像方法不仅解决了星载数据斜视成像问题，而且将斜视成像与稀疏成像相结合，降低系统计算复杂度，提升图像的质量，为星载数据斜视成像提供了新思路，可以实现对星载数据的精准成像。可以实现对星载数据的精准成像。可以实现对星载数据的精准成像。

A squint imaging method for spaceborne sparse synthetic aperture radar based on frequency scaling

【技术实现步骤摘要】
一种基于频率变标的星载稀疏合成孔径雷达斜视成像方法


[0001]本专利技术属于稀疏信号处理和微波成像领域，具体涉及一种基于频率变标的星载稀疏合成孔径雷达(Synthetic Aperture Radar，简称SAR)斜视成像方法。

技术介绍

[0002]合成孔径雷达(Synthetic Aperture Radar，简称SAR)是一种主动式高分辨率成像雷达，具有全天时、全天候工作等优点，在环境保护、灾害监测、资源勘探、军事侦察等方面有着广泛的应用。常用的SAR成像方法有距离多普勒算法和Chirp Scaling算法(简称CSA)等等，这些算法都能很好地实现正侧视数据的成像，但是随着斜视角的增大，都相继出现了成像质量严重降低的现象，需要进一步改进和修正，体现了一定的局限性。同时，随着分辨率和条带的快速提高，数据量和系统硬件复杂度也急剧增加，这给雷达成像的发展带来了困难。
[0003]将非线性调频滤波器与Chirp Scaling相结合是在CSA的基础上进一步改进的成像算法，它使得星载数据大斜视成像成为可能。稀疏信号处理是20世纪90年代以来由数学家们发展起来的用于解决处理数据量大的问题的理论。稀疏微波成像是将稀疏信号处理理论系统性地引入微波成像并有机结合而形成的一种新方法。基于L
q
正则化的SAR图像增强方法以匹配滤波算法重建的复图像为输入，构建基于L
q
正则化的重构模型，并分别利用阈值迭代算法(Iterative Thresholding Algorithm,ITA)、复近似信息传递算法求解最优化问题，实现了基于正则化的SAR图像增强。相比于经典匹配滤波算法的重建结果，该方法所恢复的图像具有更高的目标杂波比和更低的旁瓣，可成功用于提升现有匹配滤波算法重建结果的图像质量。本专利技术将基于稀疏信号处理技术开展星载数据的成像工作，提出一种基于星载数据的稀疏SAR斜视成像方法。

技术实现思路

[0004]专利技术目的：本专利技术目的是提出一种基于频率变标的星载稀疏合成孔径雷达斜视成像方法，实现了基于星载数据的稀疏SAR斜视成像。
[0005]技术方案：本专利技术所述的一种基于频率变标的星载稀疏合成孔径雷达斜视成像方法，包括以下步骤：
[0006](1)将非线性调频滤波器与CSA相结合，设计星载数据斜视成像方法；
[0007](2)构建稀疏SAR成像模型；
[0008](3)设计稀疏SAR成像模型所需的回波模拟算子；
[0009](4)通过迭代恢复实现观测场景的稀疏重建。
[0010]进一步地，所述步骤(1)实现过程如下：
[0011]非线性滤波器函数H如下：
[0012][0013]其中，A
m
为修正系数，其值受一定的约束K
r
为信号调频率，T
r
为信号重复间隔，e为光速，f
c
为载波频率，R
r
为参考斜距，v为等效速度，D(f
η
，v)为徙动参数，f
η
和f
τ
分别为方位向和距离向频率；
[0014]三次相位相乘的函数分别为：
[0015][0016][0017][0018]其中，f
ηr
为参考方位向频率，D(f
ηr
，v)为参考方位向频率处的徙动因子，Δτ为期望轨迹τ
s
(f
η
；R)和参考轨迹τ
r
(f
η
)的差值，α、β为差值Δτ系数的比例因子，K
s
为距离向调频率，K
mr
为参考斜距处的距离向调频率。
[0019]进一步地，所述步骤(2)实现过程如下：
[0020]Y＝ΞX
[0021]其中，表示二维回波数据，表示观测场景的后向散射系数，Ξ为场景的观测矩阵；
[0022]令表示非线性调频滤波器与CSA相结合的成像算法成像过程，因此观测区域可重建为：
[0023][0024]根据方位距离解耦算法，成像模型为：
[0025][0026]其中，为回波模拟算子，高精度MF成像的逆过程；
[0027]对回波数据进行随机降采样后，成像模型为：
[0028][0029]其中，Y变为二维降采样回波数据，H
η
和H
τ
是表示稀疏采样的方位向和距离向降采样矩阵，N0是噪声矩阵；通过以下方式重建所考虑的场景：
[0030][0031]其中，表示聚焦子测绘带的重构二维图像，||
·
||
F
为矩阵的Frobenius范数，δ为正则化参数。
[0032]进一步地，所述步骤(3)通过以下公式实现：
[0033][0034]其中，为成像算子，F
r
和F
a
分别表示距离向和方位向的傅里叶变换，和分别表示距离向和方位向的逆傅里叶变换；
[0035]由成像算子可以推到其回波模拟算子
[0036][0037]其中，(
·
)
*
表示共轭转置操作。
[0038]进一步地，所述步骤(4)包括以下步骤：
[0039](41)估计残余数据值：
[0040]输入回波数据Y，距离向和方位向降采样矩阵H
τ
和H
η
，计算残余数据值：
[0041][0042]将残余数据值代入成像算子得：
[0043][0044](42)计算迭代参数：
[0045][0046]其中，在支撑集X
(i
‑
1)
处的值为ΔX
(i)
，其他位置为零；
[0047](43)计算控制稀疏性的参数：
[0048]δ
(i)
＝|X
(i)
+μ
(i)
ΔX
(i)
|
K+1
/μ
(i)
[0049](44)更新稀疏重构的目标场景值：
[0050]X
(i+1)
＝F(X
(i)
+μ
(i)
ΔX
(i)
，μ
(i)
δ
(i)
)
[0051]其中，F(
·
)为阈值算子，归一化参数μ控制迭代算法的收敛速度，正则化参数δ控制重构精度；
[0052](45)更新恢复图像的残差：
[0053]Residual＝||X
(i+1)
‑
X
(i)
||
F
[0054]其中，|X
(i)
+μΔX
(i)
|
K+1
表示图像|X
(i)
+μΔX
(i)
|中第(K本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于频率变标的星载稀疏合成孔径雷达斜视成像方法，其特征在于，包括以下步骤：(1)将非线性调频滤波器与CSA相结合，设计星载数据斜视成像方法；(2)构建稀疏SAR成像模型；(3)设计稀疏SAR成像模型所需的回波模拟算子；(4)通过迭代恢复实现观测场景的稀疏重建。2.根据权利要求1所述的一种基于频率变标的星载稀疏合成孔径雷达斜视成像方法，其特征在于，所述步骤(1)实现过程如下：非线性滤波器函数H如下：其中，A
m
为修正系数，其值受一定的约束K
r
为信号调频率，T
r
为信号重复间隔，c为光速，f
c
为载波频率，R
r
为参考斜距，v为等效速度，D(f
η
，v)为徙动参数，f
η
和f
τ
分别为方位向和距离向频率；三次相位相乘的函数分别为：三次相位相乘的函数分别为：三次相位相乘的函数分别为：其中，f
ηr
为参考方位向频率，D(f
ηr
，v)为参考方位向频率处的徙动因子，Δτ为期望轨迹t
s
(f
η
；R)和参考轨迹τ
r
(f
η
)的差值，α、β为差值Δτ系数的比例因子，K
s
为距离向调频率，K
mr
为参考斜距处的距离向调频率。3.根据权利要求1所述的一种基于频率变标的星载稀疏合成孔径雷达斜视成像方法，其特征在于，所述步骤(2)实现过程如下：Y＝ΞX其中，表示二维回波数据，表示观测场景的后向散射系数，Ξ为场景的观测矩阵；令表示非线性调频滤波器与CSA相结合的成像算法成像过程，因此观测区域可重建为：根据方位距离解耦算法，成像模型为：
其中，为回波模拟算子，高精度MF成像的逆过程；对回波数据进行随机降采样后，成像模型为：其中，Y变为二维降采样回波数据，H
η
和H
τ
是表示稀疏采样的方位向和距离向降采样矩阵，N0是噪声矩阵；通过以下方式重建所考虑的场景：其中，表示聚焦子测绘带的重构二维图像，||
·
||
F

【专利技术属性】
技术研发人员：毕辉，宋宇凡，张晶晶，
申请(专利权)人：南京航空航天大学，
类型：发明
国别省市：