本发明专利技术公开了一种基于回波模拟算子的稀疏合成孔径雷达(SAR)成像方法，涉及合成孔径雷达技术，该方法利用SAR回波特性及观测场景的稀疏性，建立基于SAR回波模拟算子的稀疏正则化模型。利用融合回波模拟算子的阈值迭代算法，实现对观测区域目标场景雷达成像。本发明专利技术方法相比已有基于二维观测模型的稀疏SAR成像方法，可提升运行效率，降低计算成本；相比于匹配滤波成像方法，在一定条件下，可以在低于奈奎斯特率采样下实现成像，并可抑制旁瓣，获得更清晰的SAR图像。
【技术实现步骤摘要】
本专利技术涉及合成孔径雷达
，是一种基于回波模拟算子的稀疏合成孔径雷达(SAR)成像方法。
技术介绍
合成孔径雷达(Synthetic Aperture Radar, SAR)作为一种主动式微波成像系统，具有全天时、全天候和高分辨率成像等特点。它已经被广泛应用于军事及国民经济的许多领域，如军事侦察、环境监测、土地资源管理等方面。随着SAR技术的发展，要求雷达系统的分辨率和测绘带宽不断提高，大数据量的瓶颈效应也越专利技术显。最近兴起的压缩感知技术为解决大数据量问题提供了基础。不同于传统的采样方式，压缩感知利用信号的稀疏性，通过将压缩与采样合并，实现以低于传统Nyquist率采样 下的信号恢复。Lq(0<q< I)正则化作为一种有效的求解压缩感知的方法，获得广泛关注并成功运用于SAR成像中，特别是Xu将L1/2正则化框架用于稀疏微波成像，相比于L1正则化具有更强的稀疏能力。但是目前的稀疏SAR成像框架都是基于雷达二维精确观测得到的雷达观测矩阵，求解该模型的计算代价过于庞大，难以用于大场景的成像。SAR回波的快速模拟算法一直以高效仿真作为目的被广泛研究。但是实际上作为雷达观测矩阵的一个良好近似，SAR回波模拟算子可高效近似雷达观测方程，降低稀疏微波成像模型的复杂度。将其与Lq正则化相结合，将得到更快捷有效的成像算法。对
技术介绍
的了解可参考以下文献及其中的相关引文。D. L. Donoho, Compressed sensing, IEEE Trans. Information Theory,2006,52(4)，PP :1289-1306. Z. B. Xu, Data modeling V i sual psychology approach andLI/2regularization theory, Proceedings of International C ongress ofMathematicians(Hyderabad), Vol. IV(Invited Lectures), pp :3153-3184.A. S. Khwaja, L. Ferro-Famil and E. Pottier, “SAR Raw Data SimulationUsing High Precision Focusing Methods”，EUSAR,2006.Patel V M, Easley G R, and Healy D M. Compressed synthetic apertureradar. IEEE Journal of Selected Topics in Signal Processing,2010,4(2) :244-254.
技术实现思路
本专利技术提供了一种基于回波模拟算子的稀疏合成孔径雷达(SAR)成像方法，可提升运行效率，降低计算成本，并可在低于奈奎斯特率采样下实现成像，抑制旁瓣，获得更清晰的SAR图像。为实现上述目的，本专利技术的技术解决方案是一种基于回波模拟算子的稀疏合成孔径雷达(SAR)成像方法，其包括步骤步骤SI :构建回波模拟算子M，建立雷达观测方程；步骤S2 :根据新的雷达观测方程，建立基于SAR回波模拟算子的Lq正则化成像模型权利要求1.一种，其特征在于，包括步骤 步骤SI :构建回波模拟算子M，建立雷达观测方程； 步骤S2 :根据新的雷达观测方程，建立基于SAR回波模拟算子的Lq正则化成像模型2.如权利要求I所述的稀疏合成孔径雷达成像方法，其特征在于，所述步骤SI，包括 步骤Sla :构建回波模拟算子M 3.如权利要求I或2所述的稀疏合成孔径雷达成像方法，其特征在于，所述步骤Sla中，回波模拟算子M由距离多普勒算法(RDA)的逆过程构造4.如权利要求I或2所述的稀疏合成孔径雷达成像方法，其特征在于，所述步骤Sla中，回波模拟算子M由chirp-scaling算法(CSA)的逆过程构造5.如权利要求I所述的稀疏合成孔径雷达成像方法，其特征在于，所述步骤S3中，对于模型(1)，用阈值迭代算法求解，获得场景的目标散射强度，包括步骤 步骤S3. I :初始化目标场景的目标散射强度Xtl,目标场景稀疏度预估值K和迭代终止准则，令η = O ； 步骤S3. 2 :更新梯度下降序列Bn，根据模拟回波构造方式不同，分别由(6)，(7)两种方式实现 其中XnSn次迭代的目标场景散射强度，YS为采样后的雷达观测回波数据，O n，O τ分另Ij代表方位采样矩阵和距离随机降采样矩阵，θ:,θ=分别为βη的共轭转置，Mkd( ·)，Mcs(·)分别为由RDA逆过程和CSA逆过程构造的回波模拟算子，Gkd(*)，Gcs(·)分别为由RDA和CSA成像算子，μ 表示梯度下降的步长；6.如权利要求5所述的稀疏合成孔径雷达成像方法，其特征在于，所述阈值迭代算法的迭代步长Un，由观测矩阵的最大特征值决定，由于^。^^近似正交，所以Un的值由采样矩阵 q， T决定；其中，当采样方式为随机采样时，1^取略大于I的常数即可。7.如权利要求I或2所述的稀疏合成孔径雷达成像方法，其特征在于，所述步骤Sla中的回波模拟算子M，任何有效的脉冲压缩算法逆过程均适用于构造回波模拟算子M，而任何一个模拟回波算子M都自然的与任意正则化格式耦合，特别的对Lq正则化中0 < q < I有效。8.如权利要求I所述的稀疏合成孔径雷达成像方法，其特征在于，适用于满采样情形，相比匹配滤波方法，能降低旁瓣，实现点目标增强。全文摘要本专利技术公开了一种基于回波模拟算子的稀疏合成孔径雷达(SAR)成像方法，涉及合成孔径雷达技术，该方法利用SAR回波特性及观测场景的稀疏性，建立基于SAR回波模拟算子的稀疏正则化模型。利用融合回波模拟算子的阈值迭代算法，实现对观测区域目标场景雷达成像。本专利技术方法相比已有基于二维观测模型的稀疏SAR成像方法，可提升运行效率，降低计算成本；相比于匹配滤波成像方法，在一定条件下，可以在低于奈奎斯特率采样下实现成像，并可抑制旁瓣，获得更清晰的SAR图像。文档编号G01S13/90GK102854504SQ20111018220公开日2013年1月2日 申请日期2011年6月30日 优先权日2011年6月30日专利技术者吴一戎, 徐宗本, 洪文, 张冰尘, 方健 申请人:中国科学院电子学研究所本文档来自技高网...
【技术保护点】
一种基于回波模拟算子的稀疏合成孔径雷达成像方法，其特征在于，包括步骤：步骤S1：构建回波模拟算子M，建立雷达观测方程；步骤S2：根据新的雷达观测方程，建立基于SAR回波模拟算子的Lq正则化成像模型：X*=argminX(||Ys-ΘηM(X)Θτ||22+λ||X||qq)---(1)其中X为目标场景散射强度，X*为目标最优值，Ys是采样后的雷达观测回波数据，可由(3)给出，M(·)为回波模拟算子，Θη，Θτ分别代表方位采样矩阵和距离随机降采样矩阵，λ为正则化参数，||·||q为q(此处取0.5或1)范数，argmin是最小化计算式；步骤S3：采用阈值迭代算法求解基于Lq正则化与回波模拟算子的SAR成像模型(1)，重建观测场景散射强度X*。
【技术特征摘要】
【专利技术属性】
技术研发人员：吴一戎，徐宗本，洪文，张冰尘，方健，
申请(专利权)人：中国科学院电子学研究所，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。