[发明专利]一种自适应的高分宽幅SAR清晰重构成像方法

权利要求书

1.一种自适应的高分宽幅SAR清晰重构成像方法，其特征是它包括以下步骤：

步骤1、初始化自适应的高分宽幅SAR清晰重构成像所需要的多通道SAR系统参数：

初始化自适应的高分宽幅SAR清晰重构成像所需要的多通道SAR系统参数，包括：多通道SAR的观测空间为地面三维坐标系，记为X-Y-Z，其中X表示水平面横轴，Y表示水平面纵轴，Z表示水平垂直轴；多通道SAR的载波频率f_cw，信号带宽B_s，距离向采样率f_sr，方位向带宽B_r；多通道SAR成像系统沿着Y轴平行方向进行匀速直线运动，平台速度矢量为平台飞行高度h；多通道SAR的通道数目为N，记第一个发射信号的通道为T_x，它同时也是接收回波的第一个通道R_x1；其余的通道与第一个通道同时接收回波，依次记为R_x2,R_x3,...,R_xN；雷达中心频率f_c，雷达系统发射信号的脉冲重复频率PRF，发射信号脉冲重复时间

设每个通道之间的距离为d，则第n个通道与第一个通道(参考通道)之间距离的基线长度可以表示为x_n＝(n-1)·d；通道的等效相位中心之间的间隔为d/2；当PRF，v和d满足EPC是均匀分布的；当EPC非均匀分布时，方位向上的第n个通道在第k次脉冲重复周期的采样时间点记为t_k,n＝kT_r+t_n,k＝1,2,...,K，其中，T_r为脉冲重复时间，K为方位向回波的采样周期总数，t_n＝(n-1)·T_b是第n个通道的采样时间偏差，即方位向空间上同时接收信号的N个通道可以分别等效为第一个发射/接收通道(T_x/R_x1)在(n-1)·T_b时间后运动的位置，T_b为两个相邻通道之间的采样时间间隔；

由于存在通道间隔引起的基线误差，设考虑误差后的通道间隔测量值为记满足均匀时间采样的第n′通道在第k′次脉冲重复周期的采样时间为其中，k′代表脉冲重复周期，取值k'＝1,2,...,K，n′代表通道，取值1,2,...,N；

记距离向压缩后回波为s_r(τ(t,m),t)，其中t为方位向慢时间，τ为在方位向慢时间t时的从EPC到第m个像素的回波的双程延迟的距离向快时间，m是图像域的第m个像素；则回波的非均匀时间采样可以表示为s_r(τ(t_k,n,m),t_k,n)，其中，t_k,n为方位向快时间，τ(t_k,n,m)为在方位向慢时间t_k,n时的从EPC到第m个像素的回波的双程延迟的距离向快时间；回波的均匀时间采样可以表示为s_r(τ(t_k′,n′,m),t_k′,n′)，其中，t_k′,n′为方位向快时间，τ(t_k′,n′,m)为在方位向慢时间t_k′,n′时的从EPC到第m个像素的回波的双程延迟的距离向快时间；

步骤2、初始化自适应的高分宽幅SAR清晰重构成像的观测场景目标空间参数：

初始化自适应的高分宽幅SAR清晰重构成像的场景空间参数，包括：以地平面作为IDR成像方法BP算法的投影空间，将图像空间划分为大小相等的单元网格点，根据处理区域选择对应数据段，数据段起始位置为天线波束进入处理区域时刻到天线波束滑出处理区域时刻，其总长度为处理区域长度加上合成孔径长度；初始化距离向像素数N_r，方位向像素数量N_a，距离向网格分辨率dr，方位向网格分辨率da，总网格数M个；

步骤3、生成原始回波数据，并进行距离向脉冲压缩，得到脉冲压缩后的回波数据：

生成多通道SAR的原始回波数据，采用标准合成孔径雷达回波数据距离向脉冲压缩方法对原始回波数据进行距离向脉冲压缩，得到距离向压缩后的多通道SAR回波数据，记作s_r(τ(t,m),t)，即步骤1中的距离向压缩后的回波，其中t为方位向慢时间，τ为在方位向慢时间t时的从EPC到第m个像素的回波的双程延迟的距离向快时间，m是图像域的第m个像素；

步骤4、计算由非均匀采样回波重构的均匀采样回波：

采用公式计算重构系数Ψ_k,n(t_k′,n′)，其中，N为通道数目，t_k,n＝kT_r+t_n,k＝1,2,...,K是方位向上的第n个通道在第k次脉冲重复周期的采样时间点，T_r为脉冲重复时间，K为方位向回波的采样周期总数，t_n＝(n-1)·T_b是第n个通道的采样时间偏差，即方位向空间上同时接收信号的N个通道可以分别等效为第一个发射/接收通道(T_x/R_x1)在(n-1)·T_b时间后运动的位置，T_b为两个相邻通道之间的采样时间间隔；为满足均匀时间采样的第n′通道在第k′次脉冲重复周期的采样时间，k′代表脉冲重复周期，取值k'＝1,2,...,K，n′代表通道，取值1,2,...,N；t_n＝(n-1)·T_b，n＝1,2,...,N是第n个通道的采样时间偏差；t_q为第q个通道中的采样时间偏差，t_q＝(q-1)·T_b，q＝1,2,...,N；π为圆周率，PRF为脉冲重复频率，Π为累乘符号；

再采用公式计算得到由非均匀采样的信号重构获得的均匀采样的回波信号s_r(τ(t_k',n',m),t_k',n')，其中N为通道总数目，s_r(τ(t_k,n,m),t_k,n)是步骤1中的回波的非均匀时间采样，s_r(τ(t_k′,n′,m),t_k′,n′)为步骤1中的回波的均匀时间采样；t_k,n＝kT_r+t_n,k＝1,2,...,K是方位向上的第n个通道在第k次脉冲重复周期的采样时间点，T_r为脉冲重复时间，K为方位向回波的采样周期总数，t_n＝(n-1)·T_b是第n个通道的采样时间偏差，即方位向空间上同时接收信号的N个通道可以分别等效为第一个发射/接收通道(T_x/R_x1)在(n-1)·T_b时间后运动的位置，T_b为两个相邻通道之间的采样时间间隔；为满足均匀时间采样的第n′通道在第k′次脉冲重复周期的采样时间，k′代表脉冲重复周期，取值k'＝1,2,...,K，n′代表通道，取值1,2,...,N；L表示插值周期，为步骤1中回波的非均匀时间采样，其中，t_k,n为方位向快时间，τ(t_k,n,m)为在方位向慢时间t_k,n时的从EPC到第m个像素的回波的双程延迟的距离向快时间；s_r(τ(t_k′,n′,m),t_k′,n′)为步骤1中回波的均匀时间采样，其中，t_k′,n′为方位向快时间，τ(t_k′,n′,m)为在方位向慢时间t_k′,n′时的从EPC到第m个像素的回波的双程延迟的距离向快时间；Ψ_k,n(t_k′,n′)为步骤4声明的重构系数；

步骤5、计算第m个散射点在通道n中的子图像：

记k'与k的差值为l，k'＝k-l，则步骤4中计算的重构系数Ψ_k,n(t_k′,n′)可以记作与t_k',n'无关的l·n维度向量的重构系数Ψ_ln；

计算通道n中的子图像，其中，ω是发射信号中心角频率，m是图像域的第m个像素，s_r(τ(t_k,n,m),t_k,n)是步骤1中的回波的非均匀时间采样，τ(t_k,n,m)为在方位向慢时间t_k,n时的从EPC到第m个像素的回波的双程延迟的距离向快时间，t_k,n＝kT_r+t_n,k＝1,2,...,K是方位向上的第n个通道在第k次脉冲重复周期的采样时间点，T_r为脉冲重复时间，K为方位向回波的采样周期总数；τ(t_k′,n′,m)为在方位向慢时间t_k′,n′时，从EPC到第m个像素的回波的双程延迟的距离向快时间，为满足均匀时间采样的第n′通道在第k′次脉冲重复周期的采样时间，k′代表脉冲重复周期，取值k'＝1,2,...,K，n′代表通道，取值1,2,...,N；j为虚数单位；

步骤6、计算成像场景中第m个散射点在重构出的均匀采样通道n′中的BP成像分量：

将步骤4中计算出的由非均匀采样的信号重构获得的均匀采样的信号s_r(τ(t_k',n',m),t_k',n')，采用公式计算成像场景中第m个散射点在重构出的均匀采样通道n′中的BP成像分量，记为I_n′(m)，其中Ψ_ln为步骤5中的l·n维度向量的重构系数，I_ln(m)为步骤5中计算得到的通道n中的子图像，l＝k-k'，m取值为1,2,...,M，M为步骤2中定义的总网格数；

步骤7、计算重构出的均匀采样回波的BP成像：

再采用公式计算第m个散射点的成像结果，其中，I_n'(m)是步骤6中计算得到的成像场景中第m个散射点的在重构出的均匀采样通道n′中的BP成像分量；

步骤8、计算图像熵目标函数：

步骤7中计算的由步骤6中的公式则与重构系数Ψ相关的第m个散射点的成像结果表达式为

采用j＝1,2,...,J代替n′ln，其中J＝N²L，k表示相干积累时回波的那个序号，考虑了不为负数，且要保证重构时取满原始回波ln个方位数；则I_n′ln(m)可写为I_j(m)，Ψ_n′ln记为一维向量Ψ＝[ψ₁,ψ₂,...,ψ_j,...,ψ_J]，

成像场景中第m个散射点的BP成像分量记为记为重构系数的变量估计，则图像熵目标函数可记为其中，m为成像场景中第m个散射点，为与重构系数的变量估计相关的第m个散射点的成像结果，M为步骤2中所声明的总网格数，|·|为复数取模运算；

步骤9、计算图像熵目标函数的梯度下降方向：

采用公式计算目标函数图像熵的梯度下降方向其中，是梯度运算，为偏导数运算，为步骤8中重构系数的变量估计，j＝1,2,...,J，J＝N²L为步骤8中定义；

步骤10、设定基于共轭梯度法的最优求解算法的初始参数：

初始化基于共轭梯度法的最优求解算法参数包括：最大迭代次数，记为N_itermax；重构出的子图像，记第m个散射点的BP成像后子图像为I_j(m)，j＝1,2,...,J，将步骤8中定义的重构系数的初始迭代值记为搜索方向的迭代初始值记为d⁽⁰⁾，d⁽⁰⁾的值选择为目标函数图像熵的负梯度方向，其中为梯度运算；n表示Armijo算法中的第n次迭代次数，设n的初始值n＝0；第n次迭代的搜索方向记为d⁽ⁿ⁾；

在满足n＜N_itermax条件下，重复执行步骤11-步骤13，第n次迭代过程中将会更新值为且n＝n+1；直到n＝N_itermax时，输出作为最优重构系数估计结果，记为

步骤11、采用Armijo线性搜索算法计算搜索步长：

求解公式计算出当前第n次迭代的搜索步长λ⁽ⁿ⁾，其中，为所求目标函数，min为求解其最小值，d⁽ⁿ⁾为步骤10中定义的第n次迭代的搜索方向，为步骤10中定义的第n次迭代过程中更新的值，ε(·)为图像熵；

步骤12、计算下次迭代的重构系数

当n＜N_itermax-1时，采用公式计算下次迭代用的重构系数其中，λ⁽ⁿ⁾为步骤11中计算出的第n次迭代的搜索步长，为步骤10中定义的第n次迭代过程中更新的值，n为步骤10中定义的第n次迭代，N_itermax为步骤10中定义的最大迭代次数；

当n＝N_itermax-1时，记最优重构系数估计结果返回步骤10，输出作为最优重构系数估计结果，其中，n为步骤10中定义的第n次迭代，N_itermax为步骤10中定义的最大迭代次数，为步骤10中定义的第n次迭代过程更新后的值；

步骤13、更新搜索方向：

采用公式计算更新后的搜索方向d⁽ⁿ⁺¹⁾，并更新n＝n+1，其中为步骤10中定义的第n次迭代过程更新后的值，为梯度方向，||·||为矩阵范数；

步骤14、计算重构后的清晰图像：

采用步骤8中推导的公式其中，j为步骤8中定义的代替n′ln的变量，j＝1,2,...,J，J＝N²L，将步骤10中计算得到的最优重构系数估计结果中的ψ₁,ψ₂,...,ψ_j,...,ψ_J，分别作为中的ψ_j带入公式计算第m个散射点重构后获得的清晰图像I_Ψ(m)，其中，I_j(m)为步骤8中定义的用j代替n′ln后的第m个散射点在满足均匀时间采样的第n′通道的图像I_n′ln(m)，n′代表通道，取值1,2,...,N；

经过以上步骤后就得到本发明的第m个散射点重构后获得的清晰图像I_Ψ(m)。