[发明专利]一种贝叶斯迭代重加权稀疏自聚焦阵列SAR成像方法

说明书

本发明公开了一种贝叶斯迭代重加权稀疏自聚焦阵列SAR成像方法，它是针对阵列SAR回波信号中存在的相位误差对成像结果的影响，基于传统的贝叶斯迭代最小化自聚焦稀疏成像(SAFBRIM)算法的基础上，通过建立阵列SAR原始回波信号与观测场景目标空间中散射系数的线性测量矩阵，对算法中代价函数中的范数项进行迭代自适应重加权处理，对距离向进行脉冲压缩、划分等距离面，然后再对每一个等距离的二维平面进行估计。本发明对每一个范数项赋予了不同的加权系数，然后对图像进行重构，能获得更高质量的阵列SAR成像结果。本发明具有重构精度高、有效降低相位误差的优势，可适用于阵列合成孔径雷达成像等领域。

技术领域

本发明属于雷达技术领域，它特别涉及了合成孔径雷达(SAR)成像技术领域。

背景技术

作为一种工作在微波波段的有源雷达，合成孔径雷达(Synthetic ApertureRadar,SAR)具有全天时、全天候的成像能力，即无论是白天或黑夜、晴天还是雷雨风雪天气，都可以随时随地成像，克服了光学和红外系统不能在晚上和复杂天气条件进行成像的缺点。传统的SAR成像一般只具有二维成像分辨率，在一些起伏比较大的地方比如陡峭的山峰、峡谷以及城市中矗立挺拔的高楼时，传统SAR成像存在的失真(阴影遮挡效应、空间模糊、顶底倒置等)导致空间的一些重要信息(比如高度)丢失，所以能对目标进行三维成像是非常有必要的，为了适应这种需求，目前常见的三维成像技术有圆周SAR(Circular SAR)三维成像、层析SAR(Tomography SAR)三维成像、阵列SAR(Array SAR，ASAR)三维成像。

阵列SAR三维成像的基本原理是在切行迹向添加阵列天线，通过沿航迹向平台的飞行形成虚拟的面阵进而获得二维分辨率，距离向再通过脉冲压缩技术获得第三维的分辨率。相比于圆周SAR三维成像，阵列SAR三维成像不需要圆周运动的轨迹；相比于层析SAR三维成像需要航过多次，阵列SAR三维成像只需一次航过，所以阵列SAR三维成像相对于层析SAR和圆周SAR三维成像有更强的灵活性。目前阵列SAR三维成像技术在地形测绘、城市测绘、灾难救援、军事探测等领域发挥着重要的作用。

传统基于匹配滤波的SAR成像方法的分辨率受到限制，具体来说就是距离向的分辨率受信号带宽的影响，沿航迹分辨率受合成孔径长度的影响，切航迹的分辨率受阵列天线的影响。尤其是切航迹的分辨率，如果按照传统的方法很难提高。如果一个信号是稀疏的或者是可压缩的，那么这个信号就能以低于Nyquist采样定理要求的采样率精确的重构出该信号，这就是压缩感知(Compressed Sensing，CS)的基本思想。针对压缩感知理论用于SAR成像，目前的重构算法大概可以分为以下几类：贪婪追踪算法、凸松弛算法、贝叶斯框架算法、组合算法。

在实际阵列三维SAR回波数据获取过程中，由于系统外部和内部测量的不确定性，如平台受气流扰动和GPS/IMU导航定位精度的影响，即使使用代价昂贵的测量设备，运动平台与天线的位置测量仍不可避免存在误差，而测量参数精度值往往达不到稀疏成像的要求。为了实现高分辨阵列三维SAR稀疏成像，除了利用外部测量参数进行补偿，还必须校正测量数据中残余的相位误差。然而，目前大多数CS稀疏成像算法很少考虑测量矩阵中的误差或不确定影响。因此，研究阵列三维SAR回波信号的相位误差表示模型，实现高精度稀疏自聚焦成像，是阵列三维SAR稀疏成像中的迫切问题。

为了降低回波信号中相位误差对高精度稀疏成像的影响，本发明提出了一种基于贝叶斯迭代自适应重加权范数最小化的稀疏自聚焦(An Iterative Adaptive ReweightedNorm Minimization Sparsity Autofocus Algorithm via Bayesian Recovery，IARNSABR)阵列SAR成像算法。

发明内容