基于非凸稀疏优化的正则化合成孔径雷达成像方法技术

本发明专利技术公开了一种基于非凸稀疏优化的正则化合成孔径雷达成像方法，主要解决现有

【技术实现步骤摘要】
基于非凸稀疏优化的正则化合成孔径雷达成像方法


[0001]本专利技术属于计算成像
，更进一步涉及一种合成孔径雷达成像方法，可用于灾害监测
、
环境监测
、
资源勘测及测绘
。

技术介绍

[0002]合成孔径雷达
SAR
是一种主动遥感成像技术，其利用雷达发射的脉冲信号与地表目标相互作用后返回的回波信号进行成像
。SAR
的基本原理是先通过在雷达平台上获取多个位置的回波数据，再将这些数据综合起来，形成一幅高分辨率的雷达图像
。
通常情况下，雷达平台可以是飞行器，如航空器或卫星，也可以是地面或海面上的移动平台
。
[0003]正则化雷达成像方法是一种应用于雷达成像领域的图像重建技术，通过引入正则化来改善成像质量
。
[0004]正则化是一种常见的信号处理技术，用于在优化问题中引入附加的先验信息或约束条件
。
在信号处理领域，通常希望通过优化算法从有限的观测数据中重建出一个未知的信号或图像
。
然而，由于观测数据的噪声
、
不完整性或不确定性，直接进行重建可能导致不准确或不稳定的结果，此时可以通过在优化问题中引入附加的先验知识或约束条件，以提高估计的准确性和稳定性
。
[0005]在雷达成像中，正则化雷达成像方法将正则化技术引入图像重建过程，以避免在实际应用中由不完整的观测数据
、
噪声等因素所带来的估计结果的模糊或不准确
。
由于利用了先验信息，正则化雷达成像方法往往能够得到比传统匹配滤波方法更好的结果，且在数据量较少的情况下也依然适用
。
因此，许多人提出了基于正则化理论的雷达成像方法，用以取代传统的匹配滤波方法
。
[0006]2001
年，
Cetin
等人提出了基于正则化模型的
SAR
场景特征增强成像方法
。
其在
SAR
成像模型中引入点增强和区域增强约束，构造出正则化模型，通过解最优化问题得到场景图像
。
该方法的优点是可以提高图像质量，且可工作于少量数据的情况下
。Cetin
领导的课题组在正则化雷达成像方面还展开了其他许多研究，在期刊
《Optical Engineering》
上发表的论文
《Feature
‑
preserving regularization method for complex
‑
valued inverse problem with application to coherent imaging》
提出了一种特征保持的正则化成像方法，该方法采用场景的梯度作为增加的约束，可用于涉及复数的相参成像系统
。
但该方法对场景本身的稀疏性有严格要求，最终也只能获得实值图像，且成像速度极慢，很难获得高质量
、
高分辨率的图像
。
[0007]自
2006
年压缩感知理论正式提出后，美国
Rice
大学的
Baraniuk
于
2007
年首次提出将压缩感知理论应用于雷达成像
。
其提出在接收端采用一个低速
A/D
转换器，然后用恢复算法重建目标图像
。
该思路的特点是取消了传统雷达成像系统中的高速
A/D
和匹配滤波器，目的是将雷达系统中昂贵的接收机硬件设计转移到灵活的信号恢复算法研究上
。
但在信号恢复算法层面，该方法并未解决传统正则化成像方法场景要求高
、
相位信息缺失
、
成像质量低
、
成像速度慢的缺点
。
[0008]西安电子科技大学的
Wu
等把
Bayesian
压缩感知理论应用于
SAR
图像重建，针对
SAR
图像中的弱稀疏性，提出一种
Bayesian
进化基追踪算法，利用先验分布，可以得到比一般方法更好的重建性能
。
该方法虽然不需要成像场景具有较低的稀疏度，但无法保留雷达脉冲在传播过程中得到的相位信息
。
[0009]中国科学院电子学研究所的
Lin
等人提出将分布式压缩感知用于
SAR
运动目标成像，在多通道
SAR
中，把场景分为在每个通道中不变的静止场景部分和在每个通道变化的运动目标部分，这种方法所需要的测量样本比传统压缩感知方法更少
。
德国
FHR
的
Pr
ü
nte
也进行了分布式压缩感知运动目标成像方面的研究
。
这两种方法虽然可通过分布式处理加快成像速度，但仅能对含有动目标的场景进行成像，应用范围有限
。
[0010]西班牙加泰罗尼亚理工大学的
Alonso
等人提出了一种压缩感知成像方法，在二维
SAR
成像的情况下，其假设距离徙动很小且可忽略，将二维成像过程分解为距离向处理和方位向处理两个步骤
。
即在距离向处理阶段，先对回波信号进行距离向压缩感知，再进行距离徙动校正得到一维距离像，此阶段所获得的信号只包含目标的散射系数信息，无法将雷达脉冲在传播过程中得到的相位信息保留下来供后续的方位向处理使用
。
在方位向处理阶段，是将所得到的一维距离像逐列分别进行信号重构，从而得到
SAR
图像，此阶段由于没有利用所得回波行与行或列与列之间的相关信息，如场景中一个点目标的回波信息可能分布在相邻几行上，导致先验信息减少，进而造成成像质量降低
。

技术实现思路

[0011]本专利技术的目的在于针对上述现有技术的不足，提出一种基于非凸稀疏优化的正则化合成孔径雷达成像方法，以降低成像场景要求，加快成像速度，保留相位信息，提高成像质量和成像分辨率，实现对所有场景进行成像
。
[0012]实现上述目的的技术思路是，依托正则化理论，利用先验信息，构造正则化模型，将雷达成像过程表示为逆问题，对该逆问题进行非凸稀疏优化求解，重建出目标图像，其实现步骤包括如下：
[0013](1)
采用稀疏采样的方法对合成孔径雷达回波信号进行采样，得到采样后的回波信号
s
；
[0014](2)
根据雷达观测场景大小及分辨率的要求，将观测场景进行网格划分，得到
SAR
图像矩阵
G
，并将其串接为一个列向量，即
SAR
图像向量
g
；
[0015](3)
利用合成孔径本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于非凸稀疏优化的正则化合成孔径雷达成像方法，其特征在于，包括如下步骤：
(1)
采用稀疏采样的方法对合成孔径雷达回波信号进行采样，得到采样后的回波信号
s
；
(2)
根据雷达观测场景大小及分辨率的要求，将观测场景进行网格划分，得到
SAR
图像矩阵
G
，并将其串接为一个列向量，即
SAR
图像向量
g
；
(3)
利用合成孔径雷达的各项参数，计算得到雷达成像观测矩阵
H
；
(4)
初始化非凸稀疏优化算法的参数；
(5)
采用非凸稀疏优化算法，分别更新图像幅度向量
a、
图像相位向量
p
，并用
Nesterov
加速算法进行加速：
(5a)
利用当前迭代的图像相位向量
p
(k)
中的元素构建对角矩阵
I
p
＝
diag(p
(k)
)
，并计算相位观测矩阵
H
p
＝
HI
p
；
(5b)
利用相位观测矩阵
H
p
、
回波信号
s、
当前迭代的图像幅度向量
a
(k)
、
稀疏向量
d
(k)
、
中间向量
β
(k)
，计算幅度中间变量
a
(k+0.5)
；
(5c)
更新
Nesterov
加速参数，利用幅度中间变量
a
(k+0.5)
更新图像幅度向量，得到当前迭代更新的幅度向量
a
(k+1)
；
(5d)
利用当前迭代更新后图像幅度向量
a
(k+1)
中的元素，构建对角矩阵
I
a
＝
diag(a
(k+1)
)
，并计算幅度观测矩阵
H
a
＝
HI
a
；
(5e)
利用幅度观测矩阵
H
a
、
回波信号
s、
当前迭代的图像相位向量
p
(k)
，计算得到相位中间变量
p
(k+0.5)
；
(5f)
利用相位中间变量
p
(k+0.5)
更新图像相位向量，得到当前迭代更新的相位向量
p
(k+1)
；
(6)
利用当前迭代更新的图像幅度向量
a
(k+1)
、
相位变量
p
(k+1)
，计算正则化合成孔径雷达的成像结果
G
：
(6a)
更新
SAR
图像向量：
g
(k+1)
＝
a
(k+1)
p
(k+1)
；
(6b)
根据更新后
SAR
图像向量
g
(k+1)
计算相邻两次迭代的相对变化：
(6c)
判断
E
是否达到了设定的相对变化限
δ
:
若
E
＞
δ
，在当前迭代次数上加1进入下一次迭代，执行步骤
(7)
，更新下次迭代需要的参数向量；若
E
＜
δ
，则将当前迭代更新的
SAR
图像向量
g
(k+1)
表述为
SAR
图像矩阵
G
，完成最终的正则化合成孔径雷达成像；
(7)
根据当前迭代的参数向量，采用稀疏字典对待恢复信号的幅度进行稀疏变换，并利用自适应收缩参数
λ
更新下次迭代需要的稀疏向量
d
(k)
及中间向量
β
(k)
，返回步骤
(5)。2.
根据权利要求1所述的方法，其特征在于，步骤
(2)
对观测场景进行网格划分，得到
SAR
图像矩阵
G
，表示如下：
其中，
g(i,j)
表示
SAR
图像矩阵
G
第
i
行第
j
列的像素点，
i
＝1，2，3，
…
,P
，
j
＝1，2，3，
…
,Q
，
P
为对场景网格划分的最大行数，
Q
为对场景网格划分的最大列数
。3.
根据权利要求1所述的方法，其特征在于，步骤
(2)
将
SAR
图像矩阵
G
按列串接为一个列向量，得到
SAR
图像向量
g
，表示如下：
g(i,j)
＝
[g(1,1),
…
,g(i,1),
…
,g(P,1),
…
,g(1,j),
…
,g(i,j),
…
,g(P,j),
…
,g(1,Q),
…
,g(i,Q),
…
,g(P,Q)]
T
其中
g(i,j)
＝
[g(1,j),
…
,g(i,j),
…
,g(P,j)]
T
表示
SAR
图像矩阵
G
的第
j
列，
T
表示矩阵转置
。4.
根据权利要求1所述的方法，其特征在于，步骤
(3)
中计算得到的雷达成像观测矩阵
H
，表示如下：其中，
h(t
a,m
,t
r,n
,i)
＝
p[t
r,n
‑
2R(t
a,m
,i)/c]exp[
‑
j4
π
f
c
R(t
a,m
,i)/c]
为观测矩阵
H
中的每个元素，
t
a,m
表示方位向时间序列
t
a
中第
m
个采样点所表示的方位向时间，
m
＝
1,2,
…
,M
，
M
表示方位向信号的采样点数；
t
r,n
表示距离向时间序列
t
r
中第
n
个采样点所表示的距离向时间，
n
＝
1,2,
…
,N
，
N
表示距离向信号采样点数；
R(t
a,m
,i)
表示第
i
个网格点在方位时间为
t
a,m
时与雷达之间的距离，
i
表示场景划分的网格点中第
i
个网格点，
c
表示光速，
f
c
表示载频；表示采用典型
LFM
信号的发射波形，其中，
t
r
表示快时间，
T
p
表示脉冲持续时间，
K
r
表示调频率，
j2＝
‑
1。
5.
根据权利要求1所述的方法，其特征在于，步骤
(4)
...

【专利技术属性】
技术研发人员：姜明，曲嘉轩，陶森，丁金闪，张玉洪，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：