[发明专利]一种面向稀疏采样与观测不准确的SAR成像方法

说明书

本发明公开了一种面向稀疏采样与观测不准确的SAR成像方法，本发明的方法根据SAR回波数据录取过程构建理想条件下的测量模型，然后结合此测量模型建立考虑稀疏采样和测量不准确的SAR成像模型，并通过S‑TLS理论和近端算子法推导该成像模型的迭代解，通过展开该迭代解，可以得到SAR成像网络结构，在该网络中，通过卷积层与非线性层近似成像模型中正则项的近端算子函数，最后通过训练数据集和网络的反向传播，学习网络中的参数，以实现稀疏采样和测量不准确条件下的高性能SAR成像。

技术领域

本发明属于合成孔径雷达(Synthetic Aperture Radar，SAR)成像技术领域，具体涉及稀疏采样和观测不准确条件下的深度SAR成像方法。

背景技术

合成孔径雷达可以提供被观测区域的全天候、全天候的电磁散射系数图像，且SAR具有强的穿透性，在地球遥感、资源勘探、侦察、测绘、灾情预报等领域发挥着重要作用。

由于数据采样和存储能力的限制，以及方位回波数据在采集过程中的丢失问题，使得高分辨SAR成像面临着稀疏采样的难题。此外，平台运动误差、设备测量误差等系统误差也会导致采样数据的测量不准确。因此，研究稀疏采样和测量不准确条件下的SAR成像方法具有重要的应用价值。

广泛使用的基于匹配滤波器的SAR成像方法要求采样数据满足Nyquist采样率，这导致了此类成像方法不适用于稀疏采样。随着压缩感知(Compressed Sensing，CS)理论的发展，稀疏驱动的SAR成像方法得到了广泛的研究。在文献“Sparsity-Driven SyntheticAperture Radar Imaging:Reconstruction,autofocusing,moving targets”中的研究表明，稀疏驱动的SAR成像方法能够有效地解决稀疏采样问题。但这类方法通常假设场景是稀疏的，或者是在某个特征字典的作用下是稀疏的，所以此类不适用于复杂的非稀疏场景，限制了其使用范围。

同时测量不准确也是获取高质量SAR图像需要解决的难题之一，稀疏驱动的SAR成像方法对测量模型的不准确性敏感，测量误差将会对成像性能产生严重的影响。在基于匹配滤波器的SAR成像方法中，许多自聚焦方法被提出用来解决测量不准确的问题。如文献“AGeneralized Phase Gradient Autofocus Algorithm”中提出了一种基于相位梯度的SAR自聚焦方法，但是此方法需要进行多次成像处理，导致计算效率的降低，且该方法不适用于稀疏驱动的SAR成像方法，无法解决稀疏采样的问题。近年来，用于稀疏驱动的SAR成像的自聚焦方法也得到了研究，在文献“Compressive Sensing Based SAR Imaging andAutofocus Using Improved Tikhonov Regularization”中，提出了一种基于改进的Tikhonov正则化的稀疏驱动SAR成像和自聚焦方法，该方法通过利用改进的Tikhonov正则项，提高了方法的鲁棒性和适用范围。但该方法需要手动设置参数，而参数的设置将对成像结果产生较大的影响，此外该方法采用迭代的方式对成像模型进行求解，这会导致计算效率的下降，无法满足实际的应用需求。

发明内容

针对现有技术存在的上述问题，本发明提出了一种面向稀疏采样与观测不准确的SAR成像方法。

本发明的技术方案为：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；