[发明专利]基于近似消息传递的SAR稀疏特征增强成像方法

说明书

一种基于近似消息传递的SAR稀疏特征增强成像方法。其包括针对合成孔径雷达回波复数据信号建立Lasso成像数学模型；应用近似消息传递算法推导出Lasso成像数学模型中合成孔径雷达图像解析稀疏解；基于合成孔径雷达图像解析稀疏解利用高斯‑赛德尔方法获得稀疏特征增强的SAR图像等步骤。本发明优点：利用AMP算法求解Lasso优化的问题，其通过利用中心极限定理以及泰勒展开来进行近似，可以有效地降低消息传递导致的大计算量。另外，AMP算法相对于现有的算法来说，可以在不增加单步迭代的运算量情况下，将收敛速度提高很多，恢复图像的质量也非常好，因此非常适合涉及大观测矩阵的压缩感知问题。

技术领域

本发明属于合成孔径雷达(Synthetic Aperture Radar，简称SAR)成像技术领域，特别是涉及一种基于近似消息传递(Approximate Message Passing，简称AMP)的SAR稀疏特征增强成像方法。

背景技术

合成孔径雷达属于微波成像雷达，其可利用有限孔径天线实现对地面场景二维或三维高分辨成像，具有全天时、全天候的工作特点，目前已成为对地观测的重要手段之一。

为了获得高分辨SAR图像，需要获取并处理宽带雷达信号，但这同时意味着雷达的数据会大大地增加，为了解决大的雷达数据量，人们引入并应用了压缩感知技术。压缩感知技术是指，只要信号是可压缩的，或者信号在某个变换域是稀疏的，就可以用一个与变换基不相关的观测矩阵将变换所得的高维信号投影到低维空间上，从而得到稀疏解。稀疏恢复问题可以建模成典型的Lasso问题，通过求解Lasso优化的问题，我们就可以从低采样的数据中恢复原信号。

压缩感知雷达成像的实现是以目标具有稀疏性作为前提的，可以对稀疏特征进行增强。人们提出了很多方法来提高雷达成像的精确度，如OMP算法等，但是由于雷达成像中距离向与方位向的耦合，使得观测矩阵过于庞大，成像过程将面临大存储量和高计算量，因此这些压缩感知雷达成像方法难于实现，随后又产生了IST(Iterative ShrinkageThresholding)算法，该算法是基于近似观测模型的算法，雷达成像的质量更好，并且启发于传统成像算法的解耦合操作，将距离向和方位向分开进行解决，这样可以很快速且有效地降低雷达成像单步迭代的计算量，但是因为IST算法收敛速度很慢，且总体计算量也很大，因此急需解决该问题。

综上所述，如何利用现有的雷达IST算法进行改进，使得算法收敛速度加快也是一项新的挑战。

发明内容

为了解决上述问题，本发明的目的在于提供一种基于近似消息传递的SAR稀疏特征增强成像方法。

为了达到上述目的，本发明提供的基于近似消息传递的SAR稀疏特征增强成像方法包括按顺序进行的下列步骤：

步骤1，针对合成孔径雷达(SAR)回波复数据信号建立Lasso成像数学模型；

步骤2，应用近似消息传递算法推导出上述Lasso成像数学模型中合成孔径雷达图像解析稀疏解；

步骤3，基于上述合成孔径雷达图像解析稀疏解利用高斯-赛德尔方法获得稀疏特征增强的SAR图像。

在步骤1中，所述的针对合成孔径雷达回波复数据信号建立Lasso成像数学模型的方法是：载机接收到SAR回波数据后，利用回波建立稀疏表达模型，由于噪声存在，无法直接求解此模型，因此将误差项和L1范数结合，由此建立起Lasso成像数学模型来间接求解稀疏信号。

在步骤2中，所述的应用近似消息传递算法推导出上述Lasso成像数学模型中合成孔径雷达图像解析稀疏解的方法是：利用近似消息传递算法步骤中的软阈值项求解Lasso成像数学模型，在信号的相对稀疏度和罚约束都大于或等于0的情况下求得合成孔径雷达图像解析稀疏解。