[发明专利]基于加权L1优化与视觉显著注意的ISAR成像方法

说明书

本发明属于雷达成像技术领域，具体提供了一种基于加权L1优化与视觉显著注意的ISAR成像方法，包括如下步骤：步骤1.对雷达接收到的回波数据进行距离维匹配滤波；步骤2.对匹配滤波之后的回波信号作相干积分以提高信号的信噪比；步骤3.构造稀疏字典；步骤4.计算第一步权值；步骤5.求解优化问题得到用作先验的初步ISAR成像结果；步骤6.使用步骤5得到的初步ISAR成像结果求显著图，并得到显著区域；步骤7.利用显著区域更新权值，求解优化问题得到高分辨ISAR图像。本发明大幅度降低采样率，降低了短观测时间下的ISAR成像的实现难度，同时利用显著性先验进一步提高成像质量。

技术领域

本发明属于雷达成像技术领域，具体涉及一种基于加权L1优化与视觉显著注意的ISAR成像方法。

背景技术

高分辨逆合成孔径雷达(ISAR)成像因其相对于其他遥感成像方法的优势，例如对各种天气条件的鲁棒性，长距离观测的能力，对目标的高度识别可靠性和抗电子干扰能力，在商用和军用领域都有很大的价值。ISAR成像方法通过处理一个在不同空间位置传输和接受的宽频带信号，可以得到高分辨的二维的目标图像，然而，距离分辨率会受限于信号脉冲宽度的影响，方位分辨率同样受限于相干处理时间以及目标转动时与雷达的观测角度的变化。

对于高分辨成像，物体散射的响应可以近似的估计为一系列单独的反射体的累加，ISAR成像可以视为测量一定数量的反射体，其回波在时间域上是稀疏的，以此稀疏先验为基础，近来一种压缩采样(也称之为压缩感知)的理论被用来从很少的脉冲数得到高分辨的雷达图像。这些工作的基础是雷达数据的可压缩(稀疏)性，应用时不会有大的损失，也就是说目标在高分辨图像中相比于图像的像素数来说是很少的。然而，图像恢复的过程被简化为寻找一个欠定问题的稀疏解，这是非常困难的，因为即使是找到一个近似解也是一个NP难的问题。一些算法被用于避免穷举搜索地解这个问题，例如贪婪追踪算法，松弛算法，而其中贪婪追踪算法计算量庞大，收敛速度慢，并且对噪声的鲁棒性很低。

对近期的成像方法的研究可以发现，基于生物学启发的算法得到了越来越多的关注，这是一种计算领域的新方向。人类视觉系统可以在复杂场景中定位出感兴趣的物体，在心理学和计算神经学中，视觉的显著注意特性在各种视觉机制里是一种关键成分，因此，显著性可以作为一种解决复杂成像问题的先验知识。

发明内容

本发明的目的是克服上述现有技术中的不足，提出了一种基于加权L1优化与视觉显著注意的ISAR成像方法，以大幅度降低采样率，降低短观测时间下的ISAR成像的实现难度，同时利用显著性先验进一步提高成像质量。

为实现上述目的，本发明的技术方案是提供了一种基于加权L1优化与视觉显著注意的ISAR成像方法，包括如下步骤：

步骤1.对雷达接收到的回波数据进行距离维匹配滤波；

1a)设雷达传输线性调频信号为

其中T_p表示脉冲宽度,τ为快时间，f_c是载频，γ为调频率，代表单位矩形窗函数，j为虚数单位；

1b)雷达接收到的每个散射点回波信号为

其中B为目标的后向散射振幅，T_a为观测时间，c为光速，t为慢时间，R(t)表示散射点到雷达的瞬时距离；

1c)目标上多个散射点回波信号叠加得到接收到的回波数据，然后对接收到的回波数据进行传统的距离维匹配滤波，匹配滤波之后的回波信号为

步骤2.对匹配滤波之后的回波信号作相干积分以提高信号的信噪比；