一种基于深度展开网络的大斜视SAR高分辨成像方法技术

本发明专利技术提供一种基于深度展开网络的大斜视SAR高分辨成像算法：第一步：构建大斜视SAR回波信号观测模型，根据RD算法确定成像网络所需要学习的成像矩阵为二次距离压缩、三次相位补偿矩阵H2、和方位向压缩矩阵H3；第二步：根据步骤一确定的学习参数H2、H3等参数，构建相应的大斜视SAR成像网络，同时构建相应的大斜视SAR回波数据集，通过将ISTA算法深度展开成网络的形式学习得到相比传统成像算法更加精确的成像矩阵，从而提高成像精度、改善聚焦效果。该成像方法无需构造复杂的补偿函数即可对目标进行高分辨二维成像，能够有效抑制旁瓣，提高成像精度和计算效率，在斜视角增大的条件下，成像质量也优于其它成像算法，符合大斜视条件下的SAR成像要求。条件下的SAR成像要求。条件下的SAR成像要求。

【技术实现步骤摘要】
一种基于深度展开网络的大斜视SAR高分辨成像方法


[0001]本专利技术涉及信号与信息处理、深度学习技术，具体涉及一种基于深度展开网络的SAR大斜视高分辨成像算法。

技术介绍

[0002]合成孔径雷达(Synthetic Aperture Radar，SAR)作为一种主动传感器，可以对目标进行全天候、全天时、高分辨观测，并且具备很强的穿透性，因此广泛应用于军事和民用领域。
[0003]斜视SAR由于具有灵活的波束指向，相比正侧视SAR成像具备提前探测斜前视的能力，可以实现对敌方目标的实时侦察，因此研究大斜视角下的SAR成像算法具有重要的意义。大斜视SAR回波信号具有距离向/方位向严重耦合、大距离徙动特点，因此常规的正侧视成像法不再适用于大斜视条件下的成像要求。Shuyan Wang等在《Modified Range
‑
Doppler imaging method for the high squint SAR》(2010 IEEE Radar Conference，2010，pp.1450
‑
1453)提出一种基于Keystone变换和秩亏的改进距离多普勒(Range Doppler，RD)算法，得到了较为精细的SAR图像。Wenna Fan在《Modified Range
‑
Doppler Algorithm for High Squint SAR Echo Processing》(IEEE Geoscience and Remote Sensing Letters，vol.16，no.3，pp.422
‑
426)提出一种改进的距离多普勒成像算法用以处理大斜视SAR回波信号，该方法直接在距离频域校正距离单元迁移，所提算法在方位压缩采用更为精细的四阶相位模型来实现，最终通过几何校正获得聚焦的大斜视SAR图像。Yan Wang在《A New Nonlinear Chirp Scaling Algorithm for High
‑
Squint High
‑
Resolution SAR Imaging》(IEEE Geoscience and Remote Sensing Letters，vol.14，no.12，pp.2225
‑
2229)提出一种非线性调频变标(Non Linear Scaling，NCS)的大斜视SAR成像算法，该方法基于更加精细的二维频谱，将新的调频变标因子引入到距离多普勒域进行插值校正剩余距离偏移相位以及设计新的扰动函数消除多普勒相位对方位角的依赖性，该方法较传统NCS算法成像质量更高。H.Huang在《An approach for high squint space
‑
borne SAR imaging based on generalized scale transform》(2020 IET International Radar Conference，2020，pp.1161
‑
1165)提出一种新的基于广义尺度变换的大斜视星载SAR成像方法。在对回波信号进行距离压缩后，该方法首先根据雷达波束中心参数校正距离走动；然后，参考倾斜范围用于进行粗调聚焦；之后，进行Stolt插值补偿剩余相位。最后进行广义尺度变换，消除方位空变影响，经过几何变形校正后得到聚焦良好的SAR成像结果。
[0004]然而，目前许多的大斜视SAR成像算法不管在时域成像算法以及频域成像算法都存在着不足。对于时域成像算法，例如后向投影算法(Back Projection，BP)虽能够精确成像，但是算法需要对观测场景逐点遍历成像，因此在成像时间上不符合SAR实时成像的要求。对于频域成像算法，包括RD、距离徙动算法(Range Migration，RMA)以及NCS算法在进行距离徙动补偿时均采用了不同程度的近似，其构造相位补偿函数、方位压缩函数的难度较大，计算复杂度较高，并且随着斜视角的增大，算法的成像质量逐渐下降。

技术实现思路

[0005]本专利技术的目的在于克服上述成像方法中的不足，提出一种基于深度展开网络的大斜视SAR高分辨成像方法，包括下列步骤：
[0006]步骤一：构建大斜视SAR回波信号观测模型确定成像网络所需要学习的成像矩阵；首先根据传统的成像算法对瞬时斜距表达式进行泰勒级数展开，对回波数据在距离频域上做距离走动校正处理，再对走动校正处理后的回波信号进行距离压缩，得到距离压缩后的信号，从而确定成像网络所需学习的矩阵为二次距离压缩、三次相位补偿矩阵和方位向压缩矩阵；
[0007]步骤二：根据步骤一确定的可学习参数，构建相应的成像网络，将上述两个矩阵作为可学习的参数，通过网络学习得到相比传统算法更加精确的成像矩阵，从而提高成像精度、改善聚焦效果；成像方法结合传统RD成像算法步骤以及ISTA求解算法构建成像网络。
[0008]在本专利技术的一个实施例中，步骤一具体包括下述步骤：
[0009]Step 1)构建大斜视SAR回波信号观测模型，根据传统的成像算法对雷达与目标之间的距离做泰勒级数展开，得到近似距离R
B
(τ；R
。
)，其中τ为慢时间变量，R
B
(τ；R
c
)由雷达到观测场景中心的距离R
c
、速度以及斜视角共同决定，计算回波时延τ
a
＝2R
B
(τ；R
c
)/c，c是电磁波速；具体如下：
[0010]在SAR大斜视成像系统与观测场景之间的位置关系中，平台的高度为h，斜视角为θ0，假设平台作匀速直线运动，速度为V
r
，R0为航线与观测场景中心的最近距离，R
B
(t，τ；R0)为平台与点目标之间的瞬时斜距，其中t为快时间变量，τ为慢时间变量；通过瞬时斜距与慢时间之间的关系建立起SAR平台与点目标的几何关系，设坐标原点O点为慢时间的起点，建立慢时间
‑
斜距的直角坐标系，此时，波束中心射线与通过P点而与航线平行的线相交于A点，A点同样为慢时间的起点，t0为波束中心穿越时刻，则根据余弦定理得到平台与点目标P之间的瞬时斜距为
[0011][0012]式中，Y
n
表示为点目标P与点A之间的距离；
[0013]假设雷达发射线性调频信号LFM，调频率为K
r
，脉冲宽度为T
p
，则平台接收到的基带回波信号为
[0014][0015]其中ζ为雷达工作波长，rect(
·
)为其包络，τ
a
＝2R
B
(τ，R
c
)/c表示为回波时延；K
r
为线性调频信号的调频率；
[0016]将R
B
(τ；R
c
)进行泰勒级数展开得到
[0017][001本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度展开网络的大斜视SAR高分辨成像方法，其特征在于，包括下列步骤：步骤一：构建大斜视SAR回波信号观测模型确定成像网络所需要学习的成像矩阵；首先根据传统的成像算法对瞬时斜距表达式进行泰勒级数展开，对回波数据在距离频域上做距离走动校正处理，再对走动校正处理后的回波信号进行距离压缩，得到距离压缩后的信号，从而确定成像网络所需学习的矩阵为二次距离压缩、三次相位补偿矩阵和方位向压缩矩阵；步骤二：根据步骤一确定的可学习参数，构建相应的成像网络，将上述两个矩阵作为可学习的参数，通过网络学习得到相比传统算法更加精确的成像矩阵，从而提高成像精度、改善聚焦效果；成像方法结合传统RD成像算法步骤以及ISTA求解算法构建成像网络。2.如权利要求1所述的基于深度展开网络的大斜视SAR高分辨成像方法，其特征在于，步骤一具体包括下述步骤：Step 1)构建大斜视SAR回波信号观测模型，根据传统的成像算法对雷达与目标之间的距离做泰勒级数展开，得到近似距离R
B
(τ；R
c
)，其中τ为慢时间变量，R
B
(τ；R
c
)由雷达到观测场景中心的距离R
c
、速度以及斜视角共同决定，计算回波时延τ
a
＝2R
B
(τ；R
c
)/c，c是电磁波速；具体如下：在SAR大斜视成像系统与观测场景之间的位置关系中，平台的高度为h，斜视角为θ0，假设平台作匀速直线运动，速度为V
r
，R0为航线与观测场景中心的最近距离，R
B
(t，τ；R0)为平台与点目标之间的瞬时斜距，其中t为快时间变量，τ为慢时间变量；通过瞬时斜距与慢时间之间的关系建立起SAR平台与点目标的几何关系，设坐标原点O点为慢时间的起点，建立慢时间
‑
斜距的直角坐标系，此时，波束中心射线与通过P点而与航线平行的线相交于A点，A点同样为慢时间的起点，t0为波束中心穿越时刻，则根据余弦定理得到平台与点目标P之间的瞬时斜距为式中，Y
n
表示为点目标P与点A之间的距离；假设雷达发射线性调频信号LFM，调频率为K
r
，脉冲宽度为T
p
，则平台接收到的基带回波信号为其中ζ为雷达工作波长，rect(
·
)为其包络，τ
a
＝2R
B
(τ，R
c
)/c表示为回波时延；K
r
为线性调频信号的调频率；将R
B
(τ；R
c
)进行泰勒级数展开得到从式(3)看出，线性项为距离走动项，高次项为距离弯曲项，当斜视角足够大时，高次项的值很小，因此能够忽略距离弯曲对包络的影响；结合式(2)、(3)看出距离弯曲项和雷达波长处于同一个数量级，因此不能忽略距离弯曲对回波相位的影响；Step 2)将平台获取的回波信号S
r
(t，τ；R
c
)在距离向上做FFT得到距离频域的回波信号，构造走动补偿函数以及距离压缩函数H1降低距离向/方位向的耦合程度，得到压缩后的
回波信号S
r
′
(f
r
，τ1；R
c
)，其中t为快时间变量，f
r
为距离向频域，等效慢时间序列此时，回波信号经过走动校正、距离压缩后的多普勒中心频率被搬移到零频处，因此雷达发射波束的中心线位于零多普勒平面；具体如下：下面将回波信号变换到距离频域上，忽略两个维度的信号包络，对其进行距离走动校正和距离向脉冲压缩；走动误差为ΔR
w
＝V
r
τsinθ0ꢀꢀ
(4)构造的距离走动补偿、压缩函数为式中，f
r
为距离向频域、f0为雷达工作频率；经过以上操作得到的回波信号为其中，R
D
(τ1，R
c
)为距离走动、压缩之后等效的瞬时斜距，τ1为距离走动、压缩之后等效的慢时间序列，具体如下：慢时间序列，具体如下：将上述两个函数作为可学习变量让成像网络学习训练到更为精确的补偿矩阵；Step 3)根据大斜视SAR成像算法确定网络可学习的成像矩阵为二次距离压缩矩阵H2和方位向匹配滤波函数H3，并将RD成像过程写成矩阵相乘形式其中F
r
、F
a
分别为距离向和方位向的傅里叶变换矩阵，F
r
‑1、F
a
‑1为其逆变换矩阵，S为大斜视条件下的回波矩阵，H1为步骤一中距离走动校正、压缩函数H1(f
r
，τ)的矩阵形式，H2为二次距离压缩和三次相位补偿函数的矩阵形式，H3为方位向压缩函数的矩阵形式，ο表示Hadamard乘积，Θ为观测场景散射系数矩阵，M(S)为该成像算法的算子形式；具体如下：结合式(2)、(5)将大斜视SAR的成像算法过程写成矩阵相乘形式利用该成像的逆过程得到原始回波数据，逆过程表示为其中*表示矩阵共轭操作，M
‑1即为成像过程(9)的逆过程。
3.如权利要求1所述的基于深度展开网络的大斜视SAR高分辨成像方法，其特征在于，步骤二具体包括下述步骤：Step 1)根据步骤一确定的...

【专利技术属性】
技术研发人员：罗迎，陈鹭伟，倪嘉成，李开明，苏令华，熊世超，李文哲，
申请(专利权)人：中国人民解放军空军工程大学，
类型：发明
国别省市：