[发明专利]基于相关向量机线性阵列SAR三维成像快速贝叶斯压缩感知方法

说明书

本发明公开了一种基于相关向量机的快速贝叶斯压缩感知(FBCS‑RVM)方法，它是在SBRIM算法的基础上，结合了相关向量机，通过利用相关向量机实现目标与背景的分类进而提取成像场景空间中目标可能存在的区域，并根据目标可能存在的区域代替全成像场景空间简化测量矩阵，并估计目标区域的散射系数，本发明成功的避免了线阵SAR三维成像中的高维度矩阵运算，极大地提高算法的运算效率；同时测量矩阵更好的表征了成像场景空间中的目标特性，更好的抑制了虚假目标、旁瓣干扰对于高质量成像的影响，成功的提高了线阵SAR三维成像的成像质量。本发明具有重构精度高、运算效率较高的优势，本发明适用于线阵合成孔径雷达三维成像等领域。

技术领域

本发明属于雷达技术领域，它特别涉及了合成孔径雷达(SAR)成像技术领域。

背景技术

作为一种工作在微波波段的有源雷达，合成孔径雷达(Synthetic ApertureRadar,SAR)具有全天时、全天候的成像能力，即无论是白天或黑夜、晴天还是雷雨风雪天气，都可以随时随地成像，克服了光学和红外系统不能在晚上和复杂天气条件进行成像的缺点。传统的SAR成像一般只具有二维成像分辨率，在一些起伏比较大的地方比如陡峭的山峰、峡谷以及城市中矗立挺拔的高楼时，传统SAR成像存在的失真(阴影遮挡效应、空间模糊、顶底倒置等)导致空间的一些重要信息(比如高度)丢失，所以能对目标进行三维成像是非常有必要的，为了适应这种需求，目前常见的三维成像技术有圆周SAR(Circular SAR)三维成像、层析SAR(Tomography SAR)三维成像、线阵SAR(Array SAR，ASAR)三维成像。

线阵SAR(LASAR)三维成像的基本原理是在切行迹向添加阵列天线，通过沿航迹向平台的飞行形成虚拟的面阵进而获得二维分辨率，距离向再通过脉冲压缩技术获得第三维的分辨率。相比于圆周SAR三维成像，线阵SAR三维成像不需要圆周运动的轨迹；相比于层析SAR三维成像需要航过多次，线阵SAR三维成像只需一次航过，所以线阵SAR三维成像相对于层析SAR和圆周SAR三维成像有更强的灵活性。目前线阵SAR三维成像技术在地形测绘、城市测绘、灾难救援、军事探测等领域发挥着重要的作用。

使用匹配滤波器算法进行LASAR三维成像时，LASAR的阵列成像分辨率受线性阵列的长度限制。为了实现高质量的成像，LASAR必须满足以下两个要求:

(1)线性阵列中相邻元素之间的间距必须满足Nyquist采样定理，以避免光栅波瓣。

(2)必须采用整个线性阵列的回波信号，尽量避免旁瓣干扰。

以上两个要求使得线性阵列中的元素数量非常庞大，在真实的硬件系统中实现LASAR是非常复杂和昂贵的。

压缩感知(CS)算法可以利用随机采样信号恢复原始稀疏信号，根据LASAR成像场景的稀疏性，已成功地将其引入LASAR成像。采用不同CS算法进行LASAR稀疏成像时，提高了LASAR成像分辨率。为了减少用于稀疏成像的阵元，通常用随机采样阵代替线性阵元。

在进行稀疏成像之前，一旦预设参数设置不当，CS算法可能会受到严重的旁瓣干扰，甚至不能正确估计散射系数。它们的计算复杂度可能显著增加。在不同的LASAR数据下，这个预设参数不能总是满足高质量稀疏成像的要求，需要反复调试。由于预设参数通常不需要在不同的LASAR数据下重新调试，SBRIM算法在CS算法中获得了较好的成像结果。然而，由于高维矩阵的运算(如矩阵的求逆)，其计算复杂度非常巨大，硬件系统必须有很强的计算能力才能完成高维矩阵的运算。这一缺点严重限制了SBRIM算法在三维稀疏成像中的应用。因此，我们需要研究如何在保证成像质量的前提下提高SBRIM算法的计算效率。