[发明专利]基于L1/2正则化的合成孔径雷达成像方法

说明书

技术领域

本发明涉及雷达二维成像技术领域，是一种基于L_1/2正则化的合成孔径雷达成像方法，基于现代稀疏信号处理方法的成像处理技术。

背景技术

合成孔径雷达(Synthetic Aperture Radar，SAR)作为一种主动式微波成像系统，具有全天时、全天候和高分辨率成像特点。它已经被广泛应用于军事及国民经济的许多领域，如军事侦察、环境监测、土地资源管理等方面。随着SAR技术的发展，要求雷达系统的分辨率和测绘带宽不断提高，大数据量的瓶颈效应也越发明显。

传统SAR成像的采样数据是按照Nyquist率进行采样。Nyquist采样定理指出，对于有限带宽的实信号，为了保证无失真的恢复信号所需要的采样率应不低于两倍的信号带宽。基于Nyquist率的采样不可避免地产生大量数据，从而难以存储、处理和传输。然而，许多SAR场景在某些特定的基底下具有稀疏性。对于稀疏场景的成像技术已经有了许多的研究。Cetin提出了一种基于非二次正则化SAR成像方法用于稀疏场景的重建。该方法利用整个相位历史进行重建，且正则化的模型参数需要人工事先选取。最近兴起的压缩感知技术获得了大量的关注。它主要通过随机测量，采用非线性重建算法得到线性反问题的稀疏解。不同于传统的采样方式，压缩感知利用信号的稀疏性，将压缩与采样合并，从而以低于传统Nyquist率进行采样，实现信号的恢复。近年来，压缩感知被广泛应用于SAR成像。近期中国科学院电子学研究所提出稀疏微波成像新体制。目前压缩感知成像算法主要是基于L₁正则化实现对观测场景后向散射系数的恢复。和传统的SAR成像方法相比，基于L₁正则化的压缩感知的成像方法能大大降低SAR系统所需的数据量。然而基于L₁正则化的成像方法所需的采样量仍然相对较高。

近期，Xu建立了L_1/2正则化框架，给出了L_1/2正则化模型解的解析表达式，提出了一种求解L_1/2正则化模型的快速算法。通过相变图研究，揭示了L_1/2正则化在L_q(0＜q＜1)正则化中具有代表性。相比于L₁正则化，L_1/2正则化具有更强的稀疏能力。

对背景技术的了解可以参考下面三篇文章以及它们的引用文章。

[1]M.Cetin and W.Karl，Feature-enhanced synthetic aperture radar image formation based on non-quadratic regularization，IEEE Trans.on Image Processing，vol.10，no.4，pp.623-631，2001.

[2]D.L.Donoho，“Compressed sensing，”IEEE Trans.Inform.Theory，2006，52，(4)，pp.1289-1306.

[3]Z.B.Xu，“Data modeling：Visual psychology approach and L1/2regularization theory，”Proceedings of International Congress of Mathematicians，Switzerland：European Mathematical Society Publishing House，2010.

发明内容

本发明提供了一种基于L_1/2正则化的合成孔径雷达成像方法，根据雷达观测模型，建立基于L_1/2正则化的合成孔径雷达成像模型；采用迭代Half阈值算法实现对观测区域目标场景后向散射系数的重建。本发明方法相比于传统的合成孔径雷达成像方法，可降低正确重建目标场景所需的采样量，实现合成孔径雷达数据有效成像。

为实现上述目的，本发明的技术解决方案是：

一种基于L_1/2正则化的合成孔径雷达成像方法，其包括步骤：

A)根据合成孔径雷达观测模型，建立基于L_1/2正则化的SAR成像模型；

B)采用迭代Half阈值算法重建观测场景后向散射系数。

所述的合成孔径雷达成像方法，其所述A)步，包括：

a、根据雷达观测模型建立基于L_1/2正则化的合成孔径雷达成像模型：