CN109975805B - 基于稀疏和全变差联合正则化的多平台星座sar成像方法 - Google Patents

基于稀疏和全变差联合正则化的多平台星座sar成像方法 Download PDF

Info

Publication number
CN109975805B
CN109975805B CN201910161796.1A CN201910161796A CN109975805B CN 109975805 B CN109975805 B CN 109975805B CN 201910161796 A CN201910161796 A CN 201910161796A CN 109975805 B CN109975805 B CN 109975805B
Authority
CN
China
Prior art keywords
imaging
platform
observation matrix
sparse
equal
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201910161796.1A
Other languages
English (en)
Other versions
CN109975805A (zh
Inventor
赵曜
黄永伟
陈如辉
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangdong University of Technology
Original Assignee
Guangdong University of Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Guangdong University of Technology filed Critical Guangdong University of Technology
Priority to CN201910161796.1A priority Critical patent/CN109975805B/zh
Publication of CN109975805A publication Critical patent/CN109975805A/zh
Application granted granted Critical
Publication of CN109975805B publication Critical patent/CN109975805B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/89—Radar or analogous systems specially adapted for specific applications for mapping or imaging
    • G01S13/90—Radar or analogous systems specially adapted for specific applications for mapping or imaging using synthetic aperture techniques, e.g. synthetic aperture radar [SAR] techniques
    • G01S13/904—SAR modes
    • G01S13/9058—Bistatic or multistatic SAR
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/89—Radar or analogous systems specially adapted for specific applications for mapping or imaging
    • G01S13/90—Radar or analogous systems specially adapted for specific applications for mapping or imaging using synthetic aperture techniques, e.g. synthetic aperture radar [SAR] techniques
    • G01S13/9094—Theoretical aspects

Landscapes

  • Engineering & Computer Science (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Physics & Mathematics (AREA)
  • Electromagnetism (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • General Physics & Mathematics (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本发明提供的一种基于稀疏和全变差联合正则化的多平台星座SAR成像方法，包括以下步骤：根据地面场景与回波数据的采样率，依靠观测平台与成像场景的几何关系，建立回波生成模型；根据回波生成模型，依靠回波数据、成像观测矩阵和地面场景三者之间的映射关系构建成像观测矩阵；根据成像观测矩阵，建立稀疏和全变差联合正则化的多平台星座SAR成像模型，得到最终SAR成像结果。本发明提供的一种基于稀疏和全变差联合正则化的多平台星座SAR成像方法，通过降低成像旁瓣、保持边缘尖锐、抑制相干斑，有效提高了成像质量。

Description

基于稀疏和全变差联合正则化的多平台星座SAR成像方法
技术领域
本发明涉及雷达成像技术领域，更具体的，涉及一种基于稀疏和全变差联合正则化的多平台星座SAR成像方法。
背景技术
提高成像质量一直是多平台星座SAR成像的重要需求，但是受成像旁瓣以及成像过程中产生的相干斑噪声等的影响，SAR成像结果常常无法满足后续目标识别、场景检测的需求。多平台星座SAR成像是一种新型的高分辨宽测绘带宽成像方法，在单一平台下，可以实现宽测绘带宽成像，但是由于其特殊的成像体制，其成像质量亟待提高。多平台星座SAR成像质量的提高将推动后续SAR数据应用的发展，具有重要的意义。
发明内容
本发明为克服现有多平台星座SAR成像中由于特殊成像体制导致的成像质量难以满足后续遥感应用的问题，提供一种基于稀疏和全变差联合正则化的多平台星座SAR成像方法。
为解决上述技术问题，本发明的技术方案如下：
基于稀疏和全变差联合正则化的多平台星座SAR成像方法，包括以下步骤：
S1：根据地面场景与回波数据的采样率，依靠观测平台与成像场景的几何关系，建立回波生成模型；
S2：根据回波生成模型，依靠回波数据、成像观测矩阵和地面场景三者之间的映射关系构建成像观测矩阵；
S3：根据成像观测矩阵，建立稀疏和全变差联合正则化的多平台星座SAR成像模型，得到最终SAR成像结果。
其中，所述步骤S1具体包括以下步骤：
S11：对于观测场景T，第m个平台的回波数据表示为：
Figure GDA0004083934560000011
其中，τ,η分别是距离向时间和方位向时间；p(τ)是发射波形，σ(x,y)表示地面后向散射系数，Rm(x,y,η)表示斜距，f0表示载波，c表示光速；
S12：将二维地面后向散射系数映射为一维向量，地面网格记为
Figure GDA0004083934560000012
相应的地面后向散射系数σ(xl,yk)，1≤l≤L,1≤k≤K，构建映射n＝Γ(l,k)＝(l-1)*K+k，1≤l≤L,1≤k≤K，因而用σ(n)，1≤n≤KL表示所有的地面后向散射系数；
S13：第m个平台的距离向的采样时刻表示为：
Figure GDA0004083934560000021
第m个平台的方位向的采样时刻表示为：
Figure GDA0004083934560000022
从而得到：
Figure GDA0004083934560000023
构建映射t＝Ξ(i,j)＝(i-1)*J(m)+j，1≤i≤I(m),1≤j≤J(m)，由此用sm(t)，1≤t≤I(m)J(m)表示所有的回波采样数据。
其中，所述步骤S2具体为：
根据回波生成模型，依靠回波数据、成像观测矩阵和地面场景三者之间的映射关系构建成像观测矩阵，观测矩阵的表达式为：
Figure GDA0004083934560000024
其中，Φm(1≤m≤M)表示第m个平台的观测矩阵，具体为：
Figure GDA0004083934560000025
其中，1≤i≤I(m),1≤j≤J(m),1≤n≤KL。
其中，所述步骤S3包括以下步骤：
S31：对m个平台的回波数据表示成矩阵形式：
S＝ΦX+Δ；
其中，X＝[σ(1),σ(2),,σ(KL)]H表示目标的后向散射系数，[]H表示转置；S＝[s1,s2,sM]H表示各个平台采集的回波，其中sm为sm(t)(1≤t≤I(m)J(m))的简记；Φ表示雷达观测矩阵；Δ表示系统噪声；
S32：对目标的后向散射系数x进行优化，具体优化方法为：
Figure GDA0004083934560000031
其中，λ，γ为正则化参数，
Figure GDA0004083934560000032
表示向量的L2范数，||·||1表示向量的L1范数，||·||TV表示向量的全变差范数，abs(·)表示向量的幅度；
S33：经过最优化处理得到SAR成像结果。
与现有技术相比，本发明技术方案的有益效果是：
本发明提供的一种基于稀疏和全变差联合正则化的多平台星座SAR成像方法，通过降低成像旁瓣、保持边缘尖锐、抑制相干斑，有效提高了成像质量。
附图说明
图1为本发明所述方法的流程示意图。
具体实施方式
附图仅用于示例性说明，不能理解为对本专利的限制；
为了更好说明本实施例，附图某些部件会有省略、放大或缩小，并不代表实际产品的尺寸；
对于本领域技术人员来说，附图中某些公知结构及其说明可能省略是可以理解的。
下面结合附图和实施例对本发明的技术方案做进一步的说明。
实施例1
如图1所示，基于稀疏和全变差联合正则化的多平台星座SAR成像方法，包括以下步骤：
S1：根据地面场景与回波数据的采样率，依靠观测平台与成像场景的几何关系，建立回波生成模型；
S2：根据回波生成模型，依靠回波数据、成像观测矩阵和地面场景三者之间的映射关系构建成像观测矩阵；
S3：根据成像观测矩阵，建立稀疏和全变差联合正则化的多平台星座SAR成像模型，得到最终SAR成像结果。
更具体的，所述步骤S1具体包括以下步骤：
S11：对于观测场景T，第m个平台的回波数据表示为：
Figure GDA0004083934560000033
其中，τ,η分别是距离向时间和方位向时间；p(τ)是发射波形，σ(x,y)表示地面后向散射系数，Rm(x,y,η)表示斜距，f0表示载波，c表示光速；
S12：将二维地面后向散射系数映射为一维向量，地面网格记为
Figure GDA0004083934560000041
相应的地面后向散射系数σ(xl,yk)，1≤l≤L,1≤k≤K，构建映射n＝Γ(l,k)＝(l-1)*K+k，1≤l≤L,1≤k≤K，因而用σ(n)，1≤n≤KL表示所有的地面后向散射系数；
S13：第m个平台的距离向的采样时刻表示为：
Figure GDA0004083934560000042
第m个平台的方位向的采样时刻表示为：
Figure GDA0004083934560000043
从而得到：
Figure GDA0004083934560000044
构建映射t＝Ξ(i,j)＝(i-1)*J(m)+j，1≤i≤I(m),1≤j≤J(m)，由此用sm(t)，1≤t≤I(m)J(m)表示所有的回波采样数据。
更具体的，所述步骤S2具体为：
根据回波生成模型，依靠回波数据、成像观测矩阵和地面场景三者之间的映射关系构建成像观测矩阵，观测矩阵的表达式为：
Figure GDA0004083934560000045
其中，Φm(1≤m≤M)表示第m个平台的观测矩阵，具体为：
Figure GDA0004083934560000046
其中，1≤i≤I(m),1≤j≤J(m),1≤n≤KL。
更具体的，所述步骤S3包括以下步骤：
S31：对m个平台的回波数据表示成矩阵形式：
S＝ΦX+Δ；
其中，X＝[σ(1),σ(2),…,σ(KL)]H表示目标的后向散射系数，[]H表示转置；S＝[s1,s2,sM]H表示各个平台采集的回波，其中sm为sm(t)(1≤t≤I(m)J(m))的简记；Φ表示雷达观测矩阵；Δ表示系统噪声；
S32：对目标的后向散射系数x进行优化，具体优化方法为：
Figure GDA0004083934560000051
其中，λ，γ为正则化参数，
Figure GDA0004083934560000052
表示向量的L2范数，||·||1表示向量的L1范数，||·||TV表示向量的全变差范数，abs(·)表示向量的幅度；
S33：经过最优化处理得到SAR成像结果。
在具体实施过程中，本发明提供的一种基于稀疏和全变差联合正则化的多平台星座SAR成像方法，通过降低成像旁瓣、保持边缘尖锐、抑制相干斑，有效提高了成像质量。
显然，本发明的上述实施例仅仅是为清楚地说明本发明所作的举例，而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明权利要求的保护范围之内。

Claims (3)

1.基于稀疏和全变差联合正则化的多平台星座SAR成像方法，其特征在于，包括以下步骤：
S1：根据地面场景与回波数据的采样率，依靠观测平台与成像场景的几何关系，建立回波生成模型；
所述步骤S1具体包括以下步骤：S11：对于观测场景T，第m个平台的回波数据表示为：
Figure FDA0004083934550000011
其中，τ,η分别是距离向时间和方位向时间；p(τ)是发射波形，σ(x,y)表示地面后向散射系数，Rm(x,y,η)表示斜距，f0表示载波，c表示光速；
S12：将二维地面后向散射系数映射为一维向量，地面网格记为
Figure FDA0004083934550000012
相应的地面后向散射系数σ(xl,yk)，1≤l≤L,1≤k≤K，构建映射n＝Γ(l,k)＝(l-1)*K+k，1≤l≤L,1≤k≤K，因而用σ(n)，1≤n≤KL表示所有的地面后向散射系数；
S13：第m个平台的距离向的采样时刻表示为：
Figure FDA0004083934550000013
第m个平台的方位向的采样时刻表示为：
Figure FDA0004083934550000014
从而得到：
Figure FDA0004083934550000015
构建映射t＝Ξ(i,j)＝(i-1)*J(m)+j，1≤i≤I(m),1≤j≤J(m)，由此用sm(t)，1≤t≤I(m)J(m)表示所有的回波采样数据；
S2：根据回波生成模型，依靠回波数据、成像观测矩阵和地面场景三者之间的映射关系构建成像观测矩阵；
S3：根据成像观测矩阵，建立稀疏和全变差联合正则化的多平台星座SAR成像模型，得到最终SAR成像结果。
2.根据权利要求1所述的基于稀疏和全变差联合正则化的多平台星座SAR成像方法，其特征在于，所述步骤S2具体为：
根据回波生成模型，依靠回波数据、成像观测矩阵和地面场景三者之间的映射关系构建成像观测矩阵，观测矩阵的表达式为：
Figure FDA0004083934550000021
其中，Φm(1≤m≤M)表示第m个平台的观测矩阵，具体为：
Figure FDA0004083934550000022
Figure FDA0004083934550000023
其中，1≤i≤I(m),1≤j≤J(m),1≤n≤KL。
3.根据权利要求2所述的基于稀疏和全变差联合正则化的多平台星座SAR成像方法，其特征在于，所述步骤S3包括以下步骤：
S31：对m个平台的回波数据表示成矩阵形式：
S＝ΦX+Δ；
其中，X＝[σ(1),σ(2),…,σ(KL)]H表示目标的后向散射系数，[]H表示转置；S＝[s1,s2,…sM]H表示各个平台采集的回波，其中sm为sm(t)(1≤t≤I(m)J(m))的简记；Φ表示雷达观测矩阵；Δ表示系统噪声；
S32：对目标的后向散射系数X进行优化，具体优化方法为：
Figure FDA0004083934550000024
其中，λ，γ为正则化参数，
Figure FDA0004083934550000025
表示向量的L2范数，||·||1表示向量的L1范数，||·||TV表示向量的全变差范数，abs(·)表示向量的幅度；
S33：经过最优化处理得到SAR成像结果。
CN201910161796.1A 2019-03-04 2019-03-04 基于稀疏和全变差联合正则化的多平台星座sar成像方法 Active CN109975805B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910161796.1A CN109975805B (zh) 2019-03-04 2019-03-04 基于稀疏和全变差联合正则化的多平台星座sar成像方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910161796.1A CN109975805B (zh) 2019-03-04 2019-03-04 基于稀疏和全变差联合正则化的多平台星座sar成像方法

Publications (2)

Publication Number Publication Date
CN109975805A CN109975805A (zh) 2019-07-05
CN109975805B true CN109975805B (zh) 2023-04-11

Family

ID=67077900

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910161796.1A Active CN109975805B (zh) 2019-03-04 2019-03-04 基于稀疏和全变差联合正则化的多平台星座sar成像方法

Country Status (1)

Country Link
CN (1) CN109975805B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112099007B (zh) * 2020-09-15 2022-03-18 中国科学院空天信息创新研究院 适用于非理想天线方向图的方位向多通道sar模糊抑制方法
CN114720984B (zh) * 2022-03-08 2023-04-25 电子科技大学 一种面向稀疏采样与观测不准确的sar成像方法

Family Cites Families (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7928893B2 (en) * 2006-04-12 2011-04-19 William Marsh Rice University Apparatus and method for compressive sensing radar imaging
CN102254054A (zh) * 2010-05-19 2011-11-23 中国科学院电子学研究所 一种稀疏微波成像处理的模型构建方法
CN102565799B (zh) * 2012-01-31 2013-12-18 北京航空航天大学 一种多平台多模式sar回波的统一仿真实现方法
US9335410B2 (en) * 2013-02-19 2016-05-10 Mitsubishi Electric Research Laboratories, Inc. System and method for multiple spotlight synthetic radar imaging using random beam steering
CN103197312B (zh) * 2013-04-07 2014-11-05 中国科学院电子学研究所 装载于慢速平台上的成像雷达的稀疏微波成像方法及装置
CN103399315B (zh) * 2013-07-13 2015-06-17 西安电子科技大学 实孔径相控阵雷达高分辨探测成像方法
CN103439693B (zh) * 2013-08-16 2015-10-28 电子科技大学 一种线阵sar稀疏重构成像与相位误差校正方法
CN103760559A (zh) * 2014-01-24 2014-04-30 中国科学院电子学研究所 一种基于在线观测的稀疏微波成像方法
CN104483671B (zh) * 2014-12-25 2017-02-22 西安电子科技大学 基于稀疏表示理论的合成孔径雷达成像方法
CN107462887B (zh) * 2017-07-07 2019-08-09 清华大学 基于压缩感知的宽幅星载合成孔径雷达成像方法
CN108508498A (zh) * 2018-04-08 2018-09-07 重庆邮电大学 一种基于加权全变差和参考先验的毫米波稀疏成像算法

Also Published As

Publication number Publication date
CN109975805A (zh) 2019-07-05

Similar Documents

Publication Publication Date Title
CN111965643B (zh) 一种斜视sar bp图像中运动舰船目标重聚焦方法
WO2023045431A1 (zh) 逆合成孔径雷达成像方法、装置、电子设备及存储介质
CN109975805B (zh) 基于稀疏和全变差联合正则化的多平台星座sar成像方法
CN104698457B (zh) 一种迭代曲面预测InSAR成像及高度估计方法
Ran et al. An adaptive fast factorized back-projection algorithm with integrated target detection technique for high-resolution and high-squint spotlight SAR imagery
CN113567982B (zh) 一种基于混合范数的方位向周期采样数据稀疏sar成像方法及装置
CN111007509B (zh) 一种逆合成孔径雷达二维超分辨成像方法
CN110728706A (zh) 基于深度学习的sar图像精细配准方法
CN113655478B (zh) 一种成像方法及装置
CN111766577A (zh) 一种基于三阶段算法p波段的输电线路通道树木高度反演方法
CN112147608A (zh) 一种快速高斯网格化非均匀fft穿墙成像雷达bp方法
CN110109098B (zh) 一种扫描雷达快速超分辨成像方法
US20130216151A1 (en) Systems and methods for image sharpening
Liu et al. Parameter design and imaging method of spaceborne azimuth interrupted FMCW SAR
CN107479052B (zh) 基于广义高斯分布模型的地面隐蔽目标检测方法
CN105974413B (zh) 多基地外辐射源雷达成像系统的自聚焦方法
CN117491998A (zh) 一种步进频率合成孔径成像方法及系统
CN116699592A (zh) 一种慢旋空间目标在轨姿态及旋转参数反演方法
CN109886132A (zh) 一种云海背景飞机目标检测方法、装置及系统
CN115902886A (zh) 基于Renyi熵的ITR-DTV雷达前视超分辨成像方法
CN111538003B (zh) 一种单比特压缩采样合成孔径雷达成像方法
CN113030943B (zh) 基于单脉冲雷达信号采集方位距离像的多目标跟踪算法
CN110703248A (zh) 一种基于低秩和一维稀疏分解的sar-gmti方法
CN110082765B (zh) 基于三维重构的空间目标姿态外推方法
CN110045374B (zh) 一种基于Chirp Scaling的多角度超长聚束SAR超分辨率成像算法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant