[发明专利]一种基于SLIM算法的SAR成像实现方法

说明书

技术领域

本发明属于图像处理领域，涉及一种SAR成像实现方法，特别涉及运用稀疏学习迭代最小化(SLIM)算法的SAR成像实现方法。

背景技术

合成孔径雷达(SAR)卫星由于不受天气、地理、时间等因素的限制，能够实现全天时、全天候的对地观测，且具有一定的穿透力，因而被广泛的应用于军事侦察、地形测绘、资源探测、海洋观测、生态监测、自然灾害监测、快速救援等方面。

和光学雷达不同，SAR系统是通过发射线性调频信号，并接收地面目标反射的回波信号，来完成对地观测。通过后续的成像处理获得对应的雷达图像。因此，与光学雷达相比，SAR系统多一个处理步骤，需要将二维回波数据通过一定的处理算法转换成地面目标的后向散射系数图。

随着SAR技术的发展，各种成像方法被不断提出。目前常用的成像算法主要依托于匹配滤波处理来展开，典型的成像处理算法包括距离-多普勒(R-D)算法、Chirp Scaling(CS)算法、ωK算法等等。

1、距离-多普勒(R-D)算法

距离-多普勒(R-D)算法通过距离和方位上的频域操作，达到了高效的模块化处理要求，同时又具有一维操作的简便性。该算法根据距离和方位上的大尺度时间差异，在两个一维操作之间使用距离徙动校正(RCMC)，对距离和方位进行了近似的分离处理。

2、Chirp Scaling(CS)算法

CS成像处理算法是一种精确的成像算法，它通过频域相位补偿完成成像处理，是一种具有良好相位保持特性的成像处理方法。CS算法从原始回波信号入手，精确推导回波信号在距离-多普勒域的表达式，利用CS原理来完成不同距离门距离徙动曲线的修正，通过二维频域内的相位补偿来完成距离徙动校正、距离压缩处理及二次距离脉压，最后通过在方位多普勒域内补偿方位相位和方位向傅立叶逆变换来获得最终的成像处理结果

3、ωK算法

ωK算法是一种将电磁波传播方式等效成地震波传播方式而导出的一种合成孔径雷达成像算法。在算法的推导过程中没有进行任何近似，是一种优秀的成像算法，具有很高的成像处理精度。由于处理算法在进行变量替换处理过程中需要采用插值处理，这不仅增加了成像处理的运算量，也影响成像处理的精度

然而不管是距离-多普勒(R-D)算法、Chirp Scaling算法还是ωK算法，均是依托于匹配滤波器来完成图像聚焦。虽然能从回波信号中反演出场景目标的散射系数，但是具有较高的旁瓣。过高的旁瓣能量会淹没图像中的弱目标，降低图像质量，进而影响图像判读。

发明内容

本发明提出了一种基于SLIM算法的SAR成像实现方法，该成像方法以SAR回波模型为基础，根据SAR雷达与地面场景目标的空间几何关系，建立SAR回波数据估计矩阵，并通过SLIM算法进行迭代计算，完成对SAR回波数据的成像处理，获得地面目标后向散射系数的精细估计结果，并有效抑制旁瓣能量。

一种基于SLIM算法的SAR成像实现方法，包括以下几个步骤：

步骤一：读入相关参数和回波数据，具体步骤又分为：

A、读入成像参数，包括斜距参数、多普勒参数和雷达信号参数：参考斜距R_ref、各个距离门y的多普勒中心频率f_d,y、各个距离门y的多普勒调频率f_r,y、距离向调频率K_r、波长λ、信号采样率f_s、脉冲重复频率f_prf、脉冲持续时间T_r、雷达速度v、雷达照射中心时刻t₀、天线方位向长度L_a；

B、读入SAR回波信号数据Echo和SAR回波大小X×Y(表示Echo为一个X行Y列的数据矩阵)；

步骤二：根据SAR回波模型及相关参数，计算出场景中每个点(x,y)在每个脉冲发射时刻η_a的斜距R_x,y(η_a)、方位向包络w_a,x,y(η_a)和每个点(x,y)的零多普勒时刻η_c,x,y，以及每个点(x,y)在每个脉冲发射时刻η_a、每个距离向采样时刻τ_r的距离向包络w_r,x,y(η_a,τ_r)，其中x表示目标位于第x行(方位向)，y表示目标位于第y列(距离向)。