[发明专利]基于压缩感知的条带式合成孔径雷达非稀疏场景成像方法

说明书

技术领域

本发明属于雷达成像技术领域，特别涉及基于距离多普勒压缩感知的条带式星载合成孔径雷达对非稀疏场景成像方法。

背景技术

合成孔径雷达(SAR，Synthetic Aperture Radar)是一种高分辨率成像雷达，能够全天时、全天候、大区域、高分辨地对目标进行主动观测，不受天气、光线、气候等条件的影响，在雷达成像领域得到了广泛的应用。SAR在距离向上通过发射大带宽信号获得高分辨率，在方位向上依靠雷达平台运动等效形成长合成孔径来获得高分辨率。由于SAR在雷达成像领域所具备的优越性，SAR成像算法的研究一直是一大热点。

传统的条带式星载SAR成像算法主要是基于脉冲压缩的理论，对回波数据完成聚焦成像操作。距离多普勒算法(RDA)是最经典的SAR成像算法之一。该算法在距离和方位两个方向上利用匹配滤波完成脉冲压缩，将二维的成像过程分割成两个一维操作；并根据距离和方位上的大尺度时间差异，在两个一维操作之间完成距离单元徙动校正(RCMC)，对距离和方位数据进行解耦。为了提高处理的效率，两个维度的匹配滤波卷积操作都转换到频域通过相乘实现。为了处理较大斜视角下的数据，距离多普勒算法引入了二次距离压缩(SRC)来补偿距离-方位目标相位历程的耦合，从而有助于消除斜视和大孔径下的相位耦合畸变。

分辨率是衡量雷达成像质量的重要指标，根据雷达分辨理论，SAR系统分辨率由雷达信号的带宽决定。而根据奈奎斯特采样定理，系统的实采样频率必须至少为两倍的雷达信号带宽。更高的分辨率需要更高的带宽和采样率，也意味着更高的数据存储和传输需求以及更复杂的系统设计。对于星载合成孔径雷达，下行数据链路带宽成为了提高雷达成像分辨率的瓶颈，RDA等传统的成像算法已经很难满足高分辨率的需求，寻找新的数据采集和信号处理的方法变得十分迫切。

压缩感知(CS,Compressed Sensing)理论利用信号的稀疏性，对信号进行压缩采样，通过稀疏重构的算法恢复出原始信号。利用压缩感知理论设计的新型SAR成像算法，其信号采样率不再受奈奎斯特采样定理的限制，从而降低了信号采样率和传输数据量，可以突破传统算法所遭遇的瓶颈。

近年来，学术界开展了将压缩感知理论引入雷达成像的研究。Baraniuk等人首次提出可将压缩感知理论引入雷达成像中。Potter等人研究了在雷达成像处理中采用稀疏重建算法以及随机采样策略。Ender等人从现有雷达系统的框架出发，提出了基于压缩感知的雷达系统从理论到实用所面临的一些问题。下面重点介绍两个具有代表性的压缩感知SAR成像技术的主要贡献以及存在的不足。

1.S.Samadi.,and M.A.Masnadi-Shirazi.,Sparse representation based synthetic aperture radar imaging,IET Radar Sonar Navig.,vol.5,no.2,pp.182–193,Feb.2011.

文章中提出一种基于压缩感知的SAR成像算法。该算法考察待恢复信号基于过完备字典建立的稀疏表征。成像的目标场景幅度通常在一些变换域例如小波域、DCT域具备稀疏性，通过对应的过完备字典对场景幅度进行稀疏表征，并建立场景幅度稀疏表征系数和场景相位信息的联合优化问题。SAR成像的过程转化成了对该联合优化问题的求解，从而重建出场景幅度，并估计出场景相位信息。文章中提到了求解该联合优化问题的坐标下降方法，但算法的收敛性并没有给出证明。

上述文章中的压缩感知SAR成像算法和传统的成像算法相比，能在降低雷达回波数据量的同时实现对非稀疏目标场景的成像工作，但是不足之处在于联合优化问题的求解算法复杂度大，而且算法的收敛性没有得到准确论证。

2.中国科学院电子学研究所的吴一戎,洪文,张冰尘等人在“稀疏微波成像研究进展[J]”文章中(雷达学报，2014,3(4):383–395.)

提出了直接从原始数据域进行稀疏SAR成像的算法框架。该算法先基于奈奎斯特采样定理对雷达接收回波完成采样，然后对距离向和方位向数据进行随机抽取，建立回波数据观测值和场景散射点强度之间的稀疏表征关系，再利用稀疏重构算法实现距离/方位的联合重建。该算法避免了对雷达回波数据的一系列复杂的预处理工作，简化了雷达成像系统复杂度，降低了雷达成像所需的回波数据量。同时，针对直接从原始数据域进行稀疏重建的庞大计算量的问题，该文章中提出了基于回波模拟算子的稀疏SAR成像算法快速实现，对回波数据进行二维解耦，使计算效率由O(N²)提高至O(NlogN)。