[发明专利]一种稀疏SAR成像自适应稀疏度估计方法、装置

权利要求书

1.一种稀疏SAR成像自适应稀疏度估计方法，其特征在于，包括：

利用匹配滤波方法对欠采样的SAR原始数据进行成像，得到复图像；

采用基于复图像的稀疏SAR成像方法，在所述复图像域中自适应迭代，得到预估的稀疏度；

根据所述预估的稀疏度，更新所述稀疏度的迭代范围；

引入方位-距离解耦算子，并在更新后的稀疏度的迭代范围上，基于所述原始数据自适应估计稀疏度的最优值；

所述采用基于复图像的稀疏SAR成像方法，在所述复图像域中自适应迭代，得到预估的稀疏度包括：

根据SAR的几何关系，构建基于所述复图像的稀疏SAR成像模型，并推导出基于所述复图像的正则化参数损失函数；

根据场景的先验稀疏度，设置稀疏度的迭代范围；

将所述稀疏度作为所述复图像幅度的阈值，得到所述复图像幅度的阈值与成像模型中正则化参数的对应关系以及所述正则化参数的迭代范围；

在所述正则化参数的迭代范围上，通过最小化所述基于复图像的正则化参数损失函数，确定所述正则化参数的自适应结果；

根据稀疏度与正则化参数的对应关系，得到所述稀疏度的自适应结果；

其中，所述基于复图像的正则化参数损失函数为：

其中，所述正则化参数为λ，X_MF为所述复图像，N＝N_a×N_r，N_a和N_r分别为所述场景方位向和距离向的采样点数，β为一个小的正常数，为基于所述X_MF的L₁优化问题的解，

2.根据权利要求1所述的自适应稀疏度估计方法，其特征在于，所述引入方位-距离解耦算子，并在更新后的所述稀疏度的迭代范围上，基于所述原始数据自适应估计稀疏度的最优值包括：

根据SAR的几何关系，构建基于所述原始数据的稀疏SAR成像模型，并推导出基于所述原始数据的正则化参数损失函数；

根据更新后的稀疏度的迭代范围，确定新的正则化参数的迭代范围；

在所述新的正则化参数的迭代范围上，通过最小化所述基于原始数据的正则化参数损失函数，确定所述新的正则化参数的自适应结果；

根据稀疏度与正则化参数的对应关系，得到所述更新后的稀疏度的自适应结果；

其中，所述基于原始数据的正则化参数损失函数为：

其中，Y为所述原始数据，为回波模拟算子，用来代替观测矩阵Φ，为基于所述Y的L₁优化问题的解，

3.根据权利要求1所述的自适应稀疏度估计方法，其特征在于，所述根据SAR的几何关系，构建基于所述复图像的稀疏SAR成像模型包括：

令X_MF为所述复图像，X为后向散射系数矩阵，N为噪声矩阵，则：

X_MF＝X+N；

所述根据SAR的几何关系，构建基于所述原始数据的稀疏SAR成像模型包括：

令Y为所述原始数据，Φ为根据SAR观测几何构建的观测矩阵，则：

Y＝ΦX+N。

4.根据权利要求1所述的自适应稀疏度估计方法，其特征在于，根据所述预估的稀疏度，更新所述稀疏度的迭代范围包括：

令所述稀疏度为K，所述在复图像域中自适应迭代的K的迭代范围为[K_min，K_max]，所述K的自适应结果为K_mid，则将所述K的迭代范围由[K_min，K_max]更新为[K_min，K_mid]。

5.一种稀疏SAR成像自适应稀疏度估计装置，其特征在于，包括：

成像模块，用于利用匹配滤波方法对欠采样的SAR原始数据进行成像，得到复图像；

迭代模块，用于采用基于复图像的稀疏SAR成像方法，在复图像域中自适应迭代，得到预估的稀疏度；

更新模块，用于根据预估的稀疏度，更新稀疏度的迭代范围；

计算模块，用于引入方位-距离解耦算子，并在更新后的稀疏度的迭代范围上，基于所述原始数据自适应估计稀疏度的最优值；

所述采用基于复图像的稀疏SAR成像方法，在所述复图像域中自适应迭代，得到预估的稀疏度包括：

根据SAR的几何关系，构建基于所述复图像的稀疏SAR成像模型，并推导出基于所述复图像的正则化参数损失函数；

根据场景的先验稀疏度，设置稀疏度的迭代范围；

将所述稀疏度作为所述复图像幅度的阈值，得到所述复图像幅度的阈值与成像模型中正则化参数的对应关系以及所述正则化参数的迭代范围；

在所述正则化参数的迭代范围上，通过最小化所述基于复图像的正则化参数损失函数，确定所述正则化参数的自适应结果；

根据稀疏度与正则化参数的对应关系，得到所述稀疏度的自适应结果；

其中，所述基于复图像的正则化参数损失函数为：

其中，所述正则化参数为λ，X_MF为所述复图像，N＝N_a×N_r，N_a和N_r分别为所述场景方位向和距离向的采样点数，β为一个小的正常数，为基于所述X_MF的L₁优化问题的解，