[发明专利]一种高分辨率聚束SAR二维缺失数据成像处理方法

说明书

本发明公开了一种高分辨率聚束SAR二维缺失数据成像处理方法，实际数据采集过程中，空气扰动、无线频段干扰等因素均有可能导致数据在某些频点或者某些位置处的缺失。此时，FFT类方法重建SAR图像会不可避免的存在点目标响应函数畸变、模糊以及混叠等现象，进而影响后续目标识别和检测工作。针对此问题，本发明提出基于矩阵完备理论的聚束SAR缺失数据成像；在得到含有缺失的回波数据之后进行去调频处理，去除回波信号中的二次相位；然后，利用矩阵完备理论恢复出完整数据，利用恢复的完整数据二维IFFT实现成像。与现有利用含有缺失数据的回波成像算法相比，本发明考虑到二维数据缺失的情况，并实现了和聚束SAR相同的分辨率。

技术领域

本发明涉及雷达技术领域，特别是一种高分辨率聚束SAR二维缺失数据成像处理方法。

背景技术

机载聚束合成孔径雷达(Synthetic Aperture Radar,SAR)是一种先进的高分辨率二维遥感成像工作模式。聚束SAR雷达天线在孔径合成期间始终照射目标区域，增加相干积累时间，从而改善方位向分辨率。然后，实际数据采集过程中，空气扰动、无线频段干扰等因素均有可能导致数据在某些频点或者某些采样位置处的缺失和损毁现象。此时，FFT类方法重建SAR图像会不可避免的存在点目标响应函数畸变、模糊以及混叠等现象，进而影响后续目标识别和检测工作。因此，研究高分辨率条件下二维缺失数据的高精度聚焦成像十分必要。

目前，关于二维数据存在缺失情况下SAR成像的文章比较少，其中大多数是对其中一个维度数据缺失的情况进行处理，有几篇文献是利用谱估计或者线性预测和递推的方法恢复缺失数据，但此类算法对信噪比比较敏感，在强噪声环境中性能较差，当数据缺失较多时，其对缺失数据的恢复呈指数级衰减。另外有文献是利用压缩感知可以有效处理稀疏信号的特点来恢复数据，但压缩感知方法在应用时要设计观测矩阵，而且数据连续缺失的情况下，不满足压缩感知的RIP(Restricted Isometry Property)规则，无法使用压缩感知。而对于二维数据存在缺失情况下SAR成像，徐建平教授提出一种基于贝叶斯压缩感知针对二维数据缺失的SAR成像方法，算法在恢复数据时将所有留存的数据重排成一个一维向量，并进行恢复。对于杂波和噪声环境能够取得比传统压缩感知更好的效果。但和传统压缩感知方法一样，在恢复完整信号时是对一维向量进行处理，不能直接对回波矩阵处理。另外，观测矩阵的设计也会影响恢复性能。刘启教授提出一种2维缺失数据自适应幅相估计(Adaptive Tuning Missing-data Amplitude and Phase Estimation,ATMAPES)方法，将tuning因子引入数据外推过程，算法得到最优外推估计结果填补回原始数据得到完整2维频域数据，通过循环迭代得到目标位置及幅度的准确估计结果。本方法能获得准确目标幅度及位置估计结果，且具有高分辨率。但在数据缺失60％以上时，估计结果明显变差，如果数据缺失比较严重，恢复性能下降明显。近年来，数学家Candès提出并研究了低秩矩阵恢复理论(Matrix Completion,MC)(在有些文献里也被称为矩阵完备理论)。MC理论可以对存在缺失数据的低秩矩阵进行恢复，在观测值矩阵和待恢复矩阵满足线性变换并且矩阵低秩的情况下，可以通过求解一个简单的凸优化问题以高概率恢复出缺失数据。它被大量应用在图像恢复以及视频降噪等方面。MC理论在恢复数据方面的优点是可以直接对二维矩阵进行处理，另外在恢复数据时不需要设计观测矩阵。目前MC理论在SAR成像方面应用比较少。其中，主要研究SAR回波数据在某个维度上存在数据缺失，然后利用MC恢复完整数据，最后利用传统FFT方法成像，并没有提及二维数据缺失的情况。学者闫慧辰首先随机获得部分原始数据，继而形成场景的部分成像，而后利用MC理论对场景进行恢复。但最终成像质量并不理想。

发明内容

本发明所要解决的技术问题是克服现有技术的不足而提供一种高分辨率聚束SAR二维缺失数据成像处理方法，本发明采用矩阵完备理论在缺失数据的回波矩阵基础上恢复出完整数据，然后根据恢复的数据利用二维IFFT实现高分辨率成像；此外，在得到回波数据之后去调频处理，去除线性调频信号中的二次相位，使相位满足低秩特性。