[发明专利]一种面向稀疏采样与观测不准确的SAR成像方法

权利要求书

1.一种面向稀疏采样与观测不准确的SAR成像方法，具体包括如下步骤：

S1.测量模型构建，根据SAR系统参数及回波采样过程，建立理想条件下的测量模型：

y＝Ax+n

其中，y表示以向量形式存储的回波数据，A表示由SAR系统决定的回波数据观测矩阵，x表示观测场景的散射系数，n表示观测噪声；

S2.建立SAR成像模型，在成像模型中，考虑测量不准确引入的测量误差项，成像模型由两部分组成：数据保真度项和正则项；

其中，E表示系统观测误差矩阵，表示观测场景的正则化函数，λ表示正则化系数；

S3.推导成像模型的迭代解：

S31.考虑到测量不准确性，建立基于稀疏总最小二乘理论的SAR成像模型：

S32.利用前视次梯度和前向后向分裂法和近端算子法对步骤S31的成像模型进行求解，得到所建立的SAR成像模型的迭代解，具体过程如下：

S321.初始化设置正则化系数λ，步长η，最大迭代次数T，当前迭代次数t＝0；

S322.当迭代次数t≤T时，计算梯度值：

S323.计算中间变量：

S324更新成像结果：

其中，为步骤S2建立的成像模型中的正则项对应的近端算子函数；

S325.重复步骤S322～S324，直至满足迭代停止条件；

S4.通过深度展开技术，将步骤S3中的迭代解展开为一个深度网络：

S41.通过S322和S323中和的计算方式，设计用于求解的网络层，该层网络的输入为并输出到下一个层网络；

S42.将上一层的输出输入到一个卷积层，并将卷积层的计算结果输入到下一层；

S43.将S42中卷积层的输出输入到一个非线性层，并将计算结果输出到下一层；

S44.将S43的输出结果输入到一个卷积层，并将卷积层的计算结果输入到下一层；

S45.重复K次步骤S42～S44，并将最后一次S44的输出输入到S41，其中，K表示由S42～S44构成的网络模块的迭代次数；

S46.重构T次步骤S41～S45，其中，T对应与S3中推导的迭代求解方法的最大迭代次数，进而完成了成像深度网络的构建；

S5.准备训练成像网络需要的数据集，数据集中一个回波矩阵及其对应的SAR图像为一个训练样本；

S6.优化网络参数，设置网络训练的参数，具体包括：网络层数、优化器类型、学习率大小、时期数及批大小，并通过后向传播方法对网络参数进行优化，获得最终的SAR成像网络。

2.根据权利要求1所述的一种面向稀疏采样与观测不准确的SAR成像方法，其特征在于，步骤S42中所述的卷积层的参数为：输入通道数1，输出通道数为16，卷积核大小为5，步长为1，填充数为2。

3.根据权利要求2所述的一种面向稀疏采样与观测不准确的SAR成像方法，其特征在于，步骤S43中所述的非线性层为一个分段线性函数，其构造方式为：将自变量取值空间[-1,1]等间隔分为J段，每个分段区间的控制点为其中，u_j表示第j个自变量取值，v_j表示u_j对应的函数值，J+1表示总的控制点个数。

4.根据权利要求2所述的一种面向稀疏采样与观测不准确的SAR成像方法，其特征在于，步骤S44中所述的卷积层的参数为：输入通道数为16，输出通道数1，卷积核大小为5，步长为1，填充数为2。