[发明专利]一种视频SAR成像方法

说明书

本发明公开了一种视频SAR成像方法，本发明的方法首先完成视频SAR回波信号模型的构建；然后构建解耦观测模型，并将视频SAR成像问题建模为联合稀疏张量与低秩张量最小化问题，即秩和l₀范数联合最小化问题；接着将视频SAR的成像过程转化成l₁最小化和张量核范数联合最小化问题；最后利用张量交替方向乘子法进行场景重建，得到成像结果。本发明的方法利用张量交替方向乘子法对欠采样视频SAR回波进行联合低秩与稀疏恢复，与基于快速反投影的视频SAR成像方法相比可以大幅减少数据量；与基于低秩张量恢复的视频SAR成像方法相比，避免了强散射目标对重建性能的影响，提升了成像性能。

技术领域

本发明属于雷达成像技术领域，具体涉及一种视频SAR成像方法。

背景技术

合成孔径雷达(SAR)是一种全天时、全天候的高分辨率成像系统，通过发射大时宽积的线性调频信号，接收时经匹配滤波得到脉冲压缩信号，以获得距离向高分辨率，利用合成孔径技术实现方位向的高分辨率，成像质量不受天气条件(云层、光照)等影响，具有对远距离目标进行检测和定位的特点。

与传统SAR相比，视频SAR提供了独特的遥感探测能力，通过在一定的帧率下对场景进行观测，获得目标区域的视频。利用视频可以对地面进行长时间监控和动态监测，有利于动目标的检测和指示，因此视频合成孔径雷达成像具有广泛的应用前景。

视频SAR工作模式下，各帧之间有大量的重叠孔径，所需数据量巨大，从而给数据的存储，传输和处理都来了较大的困难，尤其是对于无人机平台和小型卫星平台。在文献Processing video-SAR data with the fast backprojection method，IEEETransactions on Aerospace and Electronic Systems，vol.52,no.6,pp.2838-2848,December 2016中，提出了一种快速后向反投影算法来获得多帧图，然而该方法仅能适用于满采样数据；在文献“Video SAR Imaging Based on Low-Rank Tensor Recovery，IEEETransactions on Neural Networks and Learning Systems,vol.32,no.1,pp.188-202,Jan.2021”中，针对欠采样条件下视频SAR成像问题，提出了一种基于低秩张量恢复的视频SAR成像方法，可大幅降低成像所需的回波数据量，但是当观测区域存在强散射目标时，会破坏场景的低秩特性，因此该方法性能严重下降。上述两种方法都无法在欠采样的情况下实现视频SAR的精确成像。

发明内容

针对现有技术存在的上述问题，本发明提出了一种视频SAR成像方法。

本发明的技术方案为：一种视频SAR成像方法，具体包括如下步骤：

步骤S0：建立视频SAR观测模型，

雷达平台沿着直线运动，雷达以固定频率发射线性调频脉冲信号并接收由观测区域反射的回波；取总帧数为T的成像过程，视频SAR在第t(t＝1,2,...T)帧成像过程中，假设每一帧成像区域为M×N的矩形，M是方位向像素点数，N是距离向像素点数，那么成像区域的反射矩阵以矩阵形式表示为其中，为其中(m,n)项，第t帧的回波表示为其中，P和Q分别表示方位向和距离向的总采样点数，表示P*Q大小的复数矩阵；

步骤S1：建立视频SAR回波模型，

建立第t帧，在第p个方位采样点，第q个距离采样点的回波模型如下：

其中，