[发明专利]一种基于改进SVA和CS的SAL数据旁瓣的压低方法

权利要求书

1.一种基于改进SVA和CS的SAL数据旁瓣的压低方法，其特征在于，包括有以下步骤：

步骤1，生成合成孔径激光雷达成像的初始数据矩阵：输入实测SAL回波复数数据，生成M×N维SAL成像初始数据矩阵X；

步骤2，构造改进SVA算法模型，在距离向应用该模型对SAL数据矩阵进行处理：对SAL初始数据矩阵进行距离向上的改进SVA处理，以非整数倍Nyquist重采样SVA处理获得具有信号稀疏性的M×N维SAL图像第一结果矩阵；

步骤3，构造CS所需稀疏信号：对M×N维SAL图像第一结果矩阵的每一M维距离向信号归一化处理后再进行稀疏表示；

步骤4，构造CS所需观测基矩阵：设置独立同分布的高斯随机矩阵作为M×N维SAL图像第一结果矩阵中每一M维信号的观测基矩阵，之后利用观测基矩阵对归一化处理后的每一M维距离向信号进行压缩处理，获得SAL图像每一M维压缩结果信号；

步骤5，求解压缩感知欠定方程：以线性规划求解方式对SAL图像每一M维压缩结果信号的CS欠定方程进行求解，获得SAL图像每一M维压缩感知估计向量，重构SAL图像原信号；

步骤6，生成SAL图像结果矩阵，成像处理：按每一M维压缩感知估计向量生成M×N维SAL图像第二结果矩阵，进行成像处理后得到基于改进SVA和CS的SAL数据旁瓣压低结果图像。

2.如权利要求1所述的一种基于改进SVA和CS的SAL数据旁瓣的压低方法，其特征在于，步骤2中所述的获得M×N维SAL图像第一结果矩阵的过程包括有：

2a)对初始SAL图像的M×N维数据矩阵X进行距离向的改进SVA算法处理，对每一列数据的实部和虚部分别进行相同的改进SVA算法处理，以实部为例，将每一列数据的实部记为M维信号向量I，M为正整数，对信号向量I进行非整数倍Nyquist重采样获得输出信号向量I₀：

I₀(n)＝I(n)+α(n)*(I(n-1/N_s)+I(n+1/N_s))

其中，I(n)表示信号向量I的第n个采样点数据，n是X行数的序号，1≤n≤M，n为正整数，1/N_s为非整数倍Nyquist采样率，0＜N_s＜1，α(n)为n前后等间隔数据项和的加权函数，I₀(n)为信号向量I中第n个采样点数据I(n)经非整数倍Nyquist重采样后的输出值；

2b)计算加权函数：

加权函数α(n)的求解表达式为：

α(n)＝-I(n)/(I(n-1/N_s)+I(n+1/N_s))

2c)构造改进SVA算法模型：

依据加权函数α(n)取值的不同，获取信号向量I中任一采样点数据I(n)经非整数倍Nyquist重采样改进SVA算法处理后的不同输出值I_0m(n)：

其中，γ_min为小于零的实数，γ_max为大于1/2的实数；

对初始SAL图像的M×N维数据矩阵X的N列信号向量的虚部进行相同处理，并生成M×N维SAL图像第一结果矩阵，M表示M×N维SAL图像第一结果矩阵的行数，N表示M×N维SAL图像第一结果矩阵的列数。

3.如权利要求1所述的一种基于改进SVA和CS的SAL数据旁瓣的压低方法，其特征在于，在步骤3中所述的构造CS所需稀疏信号的过程包括有：

3a)将M×N维SAL图像第一结果矩阵的全部M维信号向量进行相同的归一化处理，记全部M维信号其中之一M维信号向量为I'，对信号向量I'归一化处理的表达式为：

I”＝-orth(I')

其中，orth表示对向量的归一化操作，I”表示对信号向量I'归一化处理后的M维信号向量，|I”|＝1；

3b)信号表示稀疏化，将M维信号向量I”表达为：

I”＝ψ*s

其中，ψ表示M维信号向量I”的稀疏基矩阵，s表示I”在ψ上的稀疏系数，为M×1维向量。