[发明专利]基于压缩感知的宽幅星载合成孔径雷达成像方法

说明书

本申请提出一种基于压缩感知的宽幅星载合成孔径雷达成像方法，包括卫星上发射天线以Poisson Disk采样模式发射信号脉冲，并接受目标反射回波信号；构造回波模拟算子，建立雷达观测方程；根据雷达观测方程，建立基于模拟算子的雷达成像稀疏重构模型；利用软阈值迭代法求解稀疏重构模型，获得目标场景散射强度；本发明针对宽测绘带的成像应用场景，利用方位降采样回波数据借助压缩感知模型和阈值迭代算法，具有快速重建出高分辨率场景散射强度图像的有益效果。

技术领域

本发明涉及雷达成像技术领域，更具体地，涉及基于压缩感知的宽幅星载合成孔径雷达成像方法。

背景技术

合成孔径雷达(Synthetic Aperture Radar,SAR)是一种高分辨现代微波成像遥感技术，能够全天时、全天候地对目标进行主动观测，在军用和民用方面都有着广泛的应用。SAR的特点是将雷达设备置于星载或机载平台上，运载平台相对于地面运动的同时发射电磁波并接受目标反射回波，对回波数据进行信号处理后就能得到高分辨雷达图像。

现代的星载SAR应用对成像质量的要求不断提高，要求能同时实现高分辨率和宽测绘带成像，给成像算法及系统设计带来了挑战。一方面，星载SAR系统中测绘带宽度受系统参数的限制，为了满足奈奎斯特采样定理，测绘带宽度与方位分辨率之间需要一个折中。另一方面，随着分辨率要求的提高，现有的模/数转换器的性能已经难以满足不断增长的雷达系统高采样率的要求，星载SAR系统的下行数据链路带宽也限制了采样数据的规模，利用降采样数据的快速高分辨、宽测绘带成像方法成为了迫切的需求。

近年来，压缩感知(Compressive Sensing,CS)技术得到了快速发展，它利用信号的稀疏性，能在低于奈奎斯特采样率的条件下完成信号的准确重建。压缩感知的重建算法种类丰富，常见的算法包括凸优化方法和贪婪算法两大类。其中凸优化算法包括基追踪算法、共轭梯度法、阈值迭代法等，贪婪算法包括正交匹配追踪、子空间追踪算法等。利用压缩感知理论设计的新型SAR成像方法，能对低于传统奈奎斯特采样率的降采样数据进行处理来获得较高分辨的雷达图像。

近年来，雷达成像技术领域界开展了将压缩感知理论引入雷达成像应用的研究。单一维度的稀疏重构是一种经典的成像方法。该方法特点是对回波数据先用传统的匹配滤波的方法完成距离向脉冲压缩和距离徙动校正，然后对每一个距离单元的方位向数据采用压缩感知的方法进行方位聚焦。这种方法需要对回波数据进行满采样，完成距离向操作后抽取方位向数据进行稀疏重构，所以本质上并没有减少SAR系统处理的数据量，反而增大了系统复杂度。将二维数据进行向量化，然后利用L_q正则化进行稀疏恢复是另一种常用的稀疏SAR成像方法。然而，这种方法会带来非常庞大的储存开销和计算量，所以难以适用于大规模场景成像。下面重点介绍两个与本发明方法相关的压缩感知SAR成像方法的贡献及不足。

[1]Sun J P,Zhang Y X,Tian J H,et al.A novel spaceborne SAR wide-swathimaging approach based on Poisson disk-like nonuniform sampling andcompressive sensing[J].Science China Information Sciences,2012:1-12.上述文献[1]中提出一种基于压缩感知的宽幅星载SAR成像方法，方法的特点在于在方位向采用Poisson Disk随机采样，然后对回波数据先利用传统的方法完成距离向脉冲压缩和距离徙动校正，接着在方位向利用稀疏恢复的方法进行方位聚焦。该方法能在低于理论的脉冲重复频率(PRF)的条件下重建场景图像，从而可运用于宽测绘带场景。但本方法的主要缺点是仍然需要传统的匹配滤波处理，增大了系统复杂度，采用了时域的距离徙动校正，只适用于中等分辨率的应用，而且对每一个距离单元都需要进行稀疏恢复，时间开销较大。