[发明专利]基于广义最小最大凹惩罚的SAR成像方法

权利要求书

1.一种基于广义最小最大凹惩罚(GMC)的SAR成像方法，包括：

利用SAR回波数据构建基于GMC的SAR成像模型；

利用前向-后向算法求解基于GMC的SAR成像模型，在满足迭代终止条件时，终止迭代计算；以及

迭代终止后，得到关于SAR场景的表达式。

2.根据权利要求1所述的SAR成像方法，所述基于GMC的SAR成像模型为：

其中，y为SAR回波数据，x为SAR场景，Φ为回波和场景对应的观测矩阵，λ为正则化参数；ψ_B(·)为广义最小最大凹惩罚项，其定义为：

ψ_B(x)＝||x||₁-S_B(x)

其中，inf为下确界函数；v为下确界函数中的变量，x为下确界函数中的常量；γ为迭代效果调整参数；R表示实数。

3.根据权利要求2所述的SAR成像方法，其中，0≤γ≤1。

4.根据权利要求2所述的SAR成像方法，其中，所述利用前向-后向算法求解基于GMC的SAR成像模型，在满足迭代终止条件时，终止迭代计算的步骤包括：

子步骤B1，初始化迭代参数；

子步骤B2，利用前向-后向算法对基于GMC的SAR成像模型进行迭代；

子步骤B3，计算迭代参数；以及

子步骤B4，判断是否满足迭代终止条件，如果是，则执行步骤C，否则，执行子步骤B2。

5.根据权利要求4所述的SAR成像方法，其中，所述子步骤B1中：

雷达场景初始化为x⁰＝0，中间变量v⁰＝0，w⁰＝0，u⁰＝0；

设定最大迭代步数为T_max，令迭代步数初始值t＝0，ρ＝max{1，γ/(1-γ)}||Φ^HΦ||，迭代步长μ：0＜μ＜2/ρ，场景中预估目标数量为K，满足：1≤K≤N，N为向量x中有效元素个数。

6.根据权利要求5所述的SAR成像方法，其中，所述最大迭代步数T_max满足：T_max≥10²，所述场景中预估目标数量K满足：1≤K≤N，N为向量x中有效元素个数。

7.根据权利要求6所述的SAR成像方法，其中，所述利用前向-后向算法对基于GMC的SAR成像模型进行迭代的步骤包括：

利用下式进行迭代：

w^t＝x^t-μΦ^H(Φ(x^t+γ(v^t-x^t))-y)

u^t＝v^t-μγΦ^H(Φ(v^t-x^t))

λμ＝|x^t|_K+1

x^t＝f_λμ(w^t)

v^t＝f_λμ(μ^t)

其中，sgn(·)表示符号函数，|x^t|_K+1表示向量x^t的第K+1个最大值。

8.根据权利要求7所述的SAR成像方法，其中：

所述计算迭代参数的步骤中，迭代参数包括：Res＝||x^t+1-x^t||₂t＝t+1；

所述判断是否满足迭代终止条件的步骤中，迭代终止条件为同时满足：Res＞ε和t＜T_max，其中，ε为设定的收敛值。