[发明专利]基于低秩和非局部自相似的稀疏ISAR成像方法及系统

说明书

本发明属于雷达成像技术领域，特别涉及一种基于低秩和非局部自相似的稀疏ISAR成像方法及系统，依据逆合成孔径雷达ISAR系统接收的回波信号重建图像的低秩性，将其低秩性作为重建图像的先验信息，利用先验信息及图像非局部自相似约束来构建稀疏成像模型；引入拉格朗日乘子对稀疏成像模型进行等价转化，并将稀疏成像问题分解为若干子问题进行迭代求解；依据迭代求解结果来获取最终的稀疏ISAR成像。本发明通过挖掘ISAR目标的结构相关性，结合ISAR目标的低秩先验和非局部自相似性来构建稀疏ISAR成像模型，以提高稀疏ISAR成像质量及成像效果。

技术领域

本发明属于雷达成像技术领域，特别涉及一种基于低秩和非局部自相似的稀疏ISAR成像方法及系统。

背景技术

逆合成孔径雷达(ISAR)利用物体和雷达之间的相对运动能够在方位向上合成更大的孔径，因此它可以将分辨率提高到超过真实孔径的衍射极限，在许多军事和民用领域具有广泛的应用前景。传统基于傅里叶变换的ISAR成像方法，观测间隔必须足够长才能获得高的方位向分辨率。然而在实际ISAR应用中，成像目标总是不合作或移动的，在长相干处理间隔中可能无法进行连续测量或某些时段采集的数据无效，因此往往很难获得良好聚焦的ISAR图像。此外，长相干处理时目标运动补偿要复杂得多，因此研究稀疏孔径ISAR成像策略具有重要意义。

为了克服稀疏孔径时ISAR成像存在的散焦问题，有研究将空间谱估计方法引入ISAR成像。与基于傅里叶变换的成像方法相比，空间谱估计方法可以获得更低的旁瓣和更高的分辨率，但对噪声和建模误差很敏感。压缩感知(CS)是一种基于模型的数据采集和信号恢复框架，如果待恢复目标满足稀疏性或可压缩性，CS能够以很高的概率从有限的采样中恢复出原始信号，在稀疏信号重建中具有显著优势。由于ISAR目标通常由有限数量的强散射中心组成，表现出很强的空间稀疏性。因此越来越多研究将稀疏ISAR成像与CS相结合来提高成像性能。然而CS法容易受噪声影响，在低信噪比下成像质量不高。为提高CS算法成像质量，各种稀疏先验信息被引入稀疏ISAR成像模型来提高成像质量。贝叶斯压缩感知法在成像过程中假设ISAR目标满足一定先验分布，利用贝叶斯估计来获得ISAR目标成像结果，但其计算负担重，且在低信噪比下成像质量不高。基于全变差的稀疏ISAR成像方法，在成像模型中对ISAR目标平滑性进行约束来提高成像质量，但其成像结果容易导致过平滑。低秩矩阵恢复是另一种信号处理路径，它寻求数据矩阵的全局最低秩表示，在图像处理、合成孔径雷达成像和ISAR图像去噪等领域获得了广泛应用。低秩矩阵恢复基于矩阵本质上是低秩的假设来恢复欠采样数据。目前大都是单纯利用ISAR目标图像稀疏性，没有挖掘图像内在的结构相关性，成像质量有待提高。

发明内容

为此，本发明提供一种基于低秩和非局部自相似的稀疏ISAR成像方法及系统，通过挖掘ISAR目标的结构相关性，结合ISAR目标的低秩先验和非局部自相似性来构建稀疏ISAR成像模型，以提高稀疏ISAR成像质量及成像效果。

按照本发明所提供的设计方案，提供一种基于低秩和非局部自相似的稀疏ISAR成像方法，包含如下内容：

依据逆合成孔径雷达ISAR系统接收的回波信号重建图像的低秩性，将其低秩性作为重建图像的先验信息，利用先验信息及图像非局部自相似约束来构建稀疏成像模型；

引入拉格朗日乘子对稀疏成像模型进行等价转化，并将稀疏成像问题分解为若干子问题进行迭代求解；依据迭代求解结果来获取最终的稀疏ISAR成像。

作为本发明基于低秩和非局部自相似的稀疏ISAR成像方法，进一步地，重建图像的低秩性表示为：其中，X表示重建图像，Φ为字典矩阵，S为距离像，K为成像场景中散射点数目。