CN112099007B - 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 - Google Patents

Abstract

一种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，包括以下步骤：构建基于观测矩阵的非理想天线方向图方位向多通道SAR稀疏观测模型；根据方位向多通道SAR的成像几何，构建主成像区和各模糊区的观测矩阵；利用主成像区和各模糊区之间的组稀疏特性，列出L_2，1正则化问题的求解公式；构建方位向多通道SAR数据处理算子，包括多通道成像算子和多通道回波模拟算子；利用多通道回波模拟算子代替观测矩阵，构建基于多通道SAR数据处理算子的非理想天线方向图方位向多通道SAR稀疏观测模型以及L_2，1正则化求解公式；利用稀疏重构方法进行图像重构，输出重构图像，实现模糊抑制。

Description

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

技术领域

本发明涉及微波成像技术领域，尤其涉及一种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。

背景技术

合成孔径雷达(Synthetic Aperture Radar，简称SAR)是一种主动微波遥感手段，与光学遥感相比，信号穿透力强，具有全天时全天候的对地观测能力，是对地观测的重要手段之一。然而，由于最小天线面积的约束，传统的单通道SAR不能同时实现高分辨率宽测绘带(High-Resolution Wide-Swath，简称HRWS)。方位向多通道(Azimuth Multichannel，简称AMC)SAR系统利用偏置相位中心技术，在方位向设置连续多个通道，这些通道同时接收信号，能够在低脉冲重复频率(Pulse Repetition Frequency，简称PRF)采样的情况下，采用增大空间维采样来弥补时间维采样的不足，从而可以同时实现HRWS成像。

稀疏信号处理是指从包含大量冗余信息的回波信号中提取尽可能少的采样数据，对原始信号进行有效恢复的信号处理技术。稀疏微波成像是将稀疏信号处理理论引入到微波成像中而形成的一种全新的微波成像体制、理论和方法。与匹配滤波方法相比，稀疏微波成像方法可以获得特征增强的雷达图像，有效地抑制噪声和杂波，提升图像质量，还可以在欠采样数据条件下实现雷达图像的无模糊重构。

现有技术中存在两种相关方法，分别为基于传递函数的方位向多通道SAR成像算法和基于L₁正则化的非均匀采样方位向多通道SAR成像方法，这两种方法都是建立在天线方向图是理想的矩形窗，频谱是带限的基础上的，即当有N个通道的时候，每个通道的PRF需要大于等于1/N多普勒带宽。但是对于实际的SAR系统，天线方向图不再是理想的矩形窗，回波信号的方位向频谱不再是带限的，每个通道的PRF小于1/N多普勒带宽，以有限的PRF在方位向进行采样将导致超出PRF的频谱折叠回主瓣，频谱会产生混叠，现有技术方案不再适用，重构后的图像有方位模糊。

为了描述方位向多通道SAR的系统特性，构建特性滤波器矩阵H(f)，该矩阵的具体构成为：

其中PRF为每个通道的方位向采样率。令U(f)表示单通道SAR信号，则U_j(f)＝H_j(f)·U(f)表示第j个接收通道的回波信号。当采样满足奈奎斯特定理时，重构滤波器满足下面的线性方程组：

将式(1.2)和式(1.3)组合成矩阵形式，重构滤波器矩阵P(F)可以由特性滤波器矩阵通过求逆运算得到：

但是对于非理想的天线方向图，采样不再满足奈奎斯特定理，从数学角度来看，这将导致线性方程组欠定，即式(1.2)和式(1.3)不再成立。因此，在天线方向图不是理想的情况下，由线性系统(1.4)表示的多普勒频谱重构过程不能实现方位向多通道SAR信号的无模糊重构，从而产生方位模糊。当N＝₂时，非理想天线方向图会造成+2，+1，-1，-2一共4个模糊区，如附图1所示，其中X₀表示主成像区，X_i(i＝-2，-1，+1，+2)表示模糊区。

基于L₁正则化的非均匀采样方位向多通道SAR成像方法能够有效抑制非均匀采样引起的模糊和背景噪声。但是，该方法只是对主成像区进行了建模，而没有考虑模糊区的分量，因此它只适用于处理满足奈奎斯特采样率的方位向非均匀采样数据，而不适用于非理想天线方向图的方位向多通道SAR的模糊抑制。因此，针对该问题，亟需一种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。

发明内容

有鉴于此，本发明的主要目的在于提供一种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，以期部分地解决上述技术问题中的至少之一。

为了实现上述目的，作为本发明的一方面，提供了一种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，包括以下步骤：

构建基于观测矩阵的非理想天线方向图方位向多通道SAR稀疏观测模型；

根据方位向多通道SAR的成像几何，构建主成像区和各模糊区的观测矩阵；

利用主成像区和各模糊区之间的组稀疏特性，列出L_2，1正则化问题的求解公式；

构建方位向多通道SAR数据处理算子，包括多通道成像算子和多通道回波模拟算子；

利用多通道回波模拟算子代替观测矩阵，构建基于多通道SAR数据处理算子的非理想天线方向图方位向多通道SAR稀疏观测模型以及L_2，1正则化求解公式；

利用稀疏重构方法进行图像重构，输出重构图像，实现模糊抑制。

其中，当通道数N＝2时，模糊区分量由第一模糊区(i＝-1，+1)和第二模糊区(i＝-2，+2)组成，因此建立如下的基于观测矩阵的非理想天线方向图方位向多通道SAR稀疏观测模型：

y＝[Φ_-2 Φ_-1 Φ₀ Φ₊₁ Φ₊₂][x_-2 x_-1 x₀ x₊₁ x₊₂]^T+n＝Φx+n；

其中

表示主成像区的后向散射系数矢量；

和

表示第一模糊区的后向散射系数矢量；

和

表示第二模糊区的后向散射系数矢量；

表示噪声矢量；Φ_i＝[φ_i ¹，φ_i ²](i＝-2，-1，0，+1，+2)，其中

分别表示主成像区(i＝0)第j个接收通道的观测矩阵和各模糊区(i≠0)第j个接收通道的观测矩阵。

其中，所述观测矩阵的组成元素表达式为：

其中，t和τ分别表示方位向慢时间和距离向快时间；p和q分别表示目标的方位向位置和距离向位置；s(τ)表示发射的线性调频信号，其载波波长为λ，R(p，q，t)和R_j(p，q，t)分别表示发射天线相位中心和第j个接收天线相位中心到目标的距离；v表示平台运动速度；ω_a(t)表示非理想的双程天线方向图，不再由矩形窗函数调制。

其中，所述利用主成像区和各模糊区之间的组稀疏特性，列出L_2，1正则化问题的求解公式的步骤中，通过求解L_2，1正则化问题，重构出场景的后向散射系数，如下式所示：

其中，λ₁和λ₂分别表示1-范数项||·||₁和2，1-范数项

的正则化参数；2，1-范数项

反映了组稀疏特性，将其定义为：

其中，所述构建方位向多通道SAR数据处理算子，包括多通道成像算子和多通道回波模拟算子，具体包括：

构造主成像区(i＝0)和各模糊区(i＝-2，-1，+1，+2)的多通道成像算子，如下式所示：

其中，Y_j表示第j个通道(j＝1，2)的二维回波数据矩阵；F_r和F_a表示距离向和方位向傅里叶变换；

和

为相应的距离向和方位向傅里叶逆变换；⊙表示哈达玛乘积；

和

分别表示chirp scaling算法中的补余距离徙动校正相位矩阵、一致距离徙动校正和距离压缩相位矩阵和方位向匹配滤波相位矩阵；f_τ表示距离向频率；

分别表示主成像区(i＝0)第j个接收通道的重构滤波器矩阵和各模糊区(i＝-2，-1，+1，+2)第j个接收通道的重构滤波器矩阵；f_a，i＝f_a+i·PRF分别表示主成像区(i＝0)和模糊区(i＝-2，-1，+1，+2)的方位向频率，其中f_a表示主成像区的方位向频率；

对上式描述的多通道成像算子取逆，即能得到多通道回波模拟算子。对于第j个通道，主成像区(i＝0)和各模糊区(i＝-2，-1，+1，+2)的多通道回波模拟算子的数学表达式为：

其中

表示主成像区(i＝0)和各模糊区(i＝-2，-1，+1，+2)的二维后向散射系数矩阵；(·)^*表示取共轭转置操作。

其中，所述利用多通道回波模拟算子代替观测矩阵，构建基于多通道SAR数据处理算子的非理想天线方向图方位向多通道SAR稀疏观测模型以及L_2，1正则化求解公式分别如下式所示：

其中，

表示多通道回波模拟算子，

表示噪声矩阵，X＝[X_-2，X_-1，X₀，X₊₁，X₊₂]。

其中，所述稀疏重构方法利用组稀疏特性中的阈值函数，迭代求解基于多通道SAR数据处理算子的非理想天线方向图方位向多通道L_2，1正则化问题。

其中，所述利用组稀疏特性中的阈值函数，迭代求解基于多通道SAR数据处理算子的非理想天线方向图方位向多通道L_2，1正则化问题包括以下步骤：

估计残差，利用各个通道的回波数据、主成像区和各模糊区的多通道回波模拟算子以及后向散射系数，进行多通道回波数据残差的估计；

更新梯度方向，利用主成像区和各模糊区的多通道成像算子，分别更新主成像区和各模糊区的梯度方向；

主成像区和模糊区的软阈值函数迭代，利用软阈值函数分别执行主成像区和各模糊区的软阈值函数迭代过程；

更新组成像区域，同时考虑主成像区和各模糊区，构造组成像区域并进行更新；

稀疏组阈值函数迭代，利用稀疏组阈值函数实现主成像区和各模糊区后向散射系数的迭代更新。

其中，所述估计残差之前还包括：

输入多通道SAR回波数据矩阵Y；稀疏度K；多通道成像算子

和多通道回波模拟算子

初始化操作：令X_i ⁽⁰⁾＝0，U_i ⁽⁰⁾＝0，U_g ⁽⁰⁾＝0，迭代步数k＝0；设置迭代参数μ，误差参数ε，最大迭代步数k_max；

所述稀疏组阈值函数迭代的步骤之后还包括：

计算迭代误差：Reli＝||X₀ ^(k+1)-X₀ ^(k)||_F，其中||·||_F为F-范数；

更新迭代步数：k＝k+1；如果迭代步数k大于等于k_max或者迭代误差Reli小于ε，则输出重构后的图像；否则跳转至估计残差的步骤继续执行循环过程。

作为本发明的另一方面，本发明还提供了一种电子设备，包括：

一个或多个处理器；

存储器，用于存储一个或多个指令，

其中，当所述一个或多个指令被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如上所述的方法。

基于上述技术方案可知，本发明的适用于非理想天线方向图的方位向多通道SAR模糊抑制方法相对于现有技术至少具有如下有益效果之一或其中的一部分：

1、对于非理想的天线方向图，采样不再满足奈奎斯特定理，由线性系统表示的多普勒频谱重构过程不能实现方位向多通道SAR信号的无模糊重构，从而产生方位模糊。基于L₁正则化的非均匀采样方位向多通道SAR成像方法只是对主成像区进行了建模，而没有考虑模糊区的分量，因此它只适用于处理满足奈奎斯特采样率的方位向非均匀采样数据，而不适用于非理想天线方向图的方位向多通道SAR的模糊抑制。而本发明考虑了各模糊区与主成像区具有相同的支撑集，因此将组稀疏引入到天线方向图不是理想情况下的方位向多通道SAR系统中，在构建稀疏观测模型时不仅考虑了主成像区，也考虑了模糊区。

2、由于基于L₁正则化的非均匀采样方位向多通道SAR成像方法只是对主成像区进行了建模，因此在构建多通道成像算子和多通道回波模拟算子的时候也只是考虑了主成像区；进行重构的时候也只是求解只包括1-范数项的L₁正则化问题。而本发明在构建多通道成像算子和多通道回波模拟算子时既考虑了主成像区，也考虑了模糊区；而且在进行场景重构的时候利用了稀疏组阈值函数，通过迭代求解基于多通道SAR数据处理算子的非理想天线方向图方位向多通道L_2，1正则化问题实现模糊的抑制。

3、相较于基于传递函数的方位向多通道SAR成像算法和基于L₁正则化的非均匀采样方位向多通道SAR成像方法，本发明提出的适用于非理想天线方向图的方位向多通道SAR模糊抑制方法能够有效地抑制方位模糊。本发明提出的方法能够有效地抑制方位模糊，将不同模糊区域的AASR数值降低10dB以上，可以应用于非理想天线方向图方位向多通道SAR系统。

附图说明

图1是本发明实施例提供的一种适用于非理想天线方向图的方位向多通道SAR模糊抑制方法的流程示意图；

图2是本发明实施例提供的非理想天线方向图的方位向多通道SAR模糊区域示意图(N＝2)；

图3是本发明实施例提供的不同方法的点目标成像结果，其中，图3(a)为基于传递函数的方位向多通道SAR成像算法的成像结果，图3(b)为基于L₁正则化的非均匀采样方位向多通道SAR成像方法的成像结果，图3(c)为本发明提出的方法的点目标成像结果，其中通道数N＝2，信噪比为20dB。

具体实施方式

本发明的主要目的在于提供一种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。在对场景进行稀疏重构时，如果重构向量具有一定的结构，在重构模型中利用结构约束可以提高重构的精度和鲁棒性。一种特殊的结构约束是重构向量中的元素分组出现，它们的支撑集一致，称为组稀疏约束。考虑到方位向多通道SAR的各模糊区与主成像区具有相同的支撑集，因此我们将组稀疏引入到天线方向图不是理想情况下的方位向多通道SAR系统中，实现模糊抑制。

为使本发明的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，以两通道(N＝2)为例，对本发明作进一步的详细说明。

如图1所示，本发明公开了一种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，包括以下步骤：

步骤S1：构建非理想天线方向图方位向多通道SAR稀疏观测模型。令

表示二维多通道回波数据矩阵；

表示一维多通道回波数据矢量，其中N₀＝N_a(方位向)×N_r(距离向)表示总的采样点数。当N＝2时，模糊区分量由第一模糊区(i＝-1，+1)和第二模糊区(i＝-2，+2)组成，如图2所示为非理想天线方向图的方位向多通道SAR模糊区域示意图，因此建立如下的稀疏观测模型：

y＝[Φ_-2 Φ_-1 Φ₀ Φ₊₁ Φ₊₂][x_-2 x_-1 x₀ x₊₁，x₊₂]^T+n＝Φx+n (2.1)

其中

表示主成像区的后向散射系数矢量；

和

表示第一模糊区的后向散射系数矢量；

和

表示第二模糊区的后向散射系数矢量；

表示噪声矢量。

步骤S2：根据方位向多通道SAR的成像几何，构建主成像区和各模糊区的观测矩阵。在式(2.1)中，Φ_i＝[φ_i ¹，φ_i ²](i＝-2，-1，0，+1，+2)，其中

分别表示主成像区(i＝0)第j个接收通道的观测矩阵和各模糊区(i≠0)第j个接收通道的观测矩阵，其组成元素表达式为：

其中t和τ分别表示方位向慢时间和距离向快时间；p和q分别表示目标的方位向位置和距离向位置；s(τ)表示发射的线性调频信号，其载波波长为λ，R(p，q，t)和R_j(p，q，t)分别表示发射天线相位中心和第j个接收天线相位中心到目标的距离；v表示平台运动速度；ω_a(t)表示非理想的双程天线方向图，不再由矩形窗函数调制。

步骤S3：利用主成像区和各模糊区之间的组稀疏特性，列出L_2，1正则化问题的求解公式。由于x_i(i＝-2，-1，0，+1，+2)具有相同的支撑集，因此组稀疏特性适用于式(2.1)表示的欠定稀疏观测模型。通过求解L_2，1正则化问题，可以重构出场景的后向散射系数：

其中λ₁和λ₂分别表示1-范数项||·||₁和2，1-范数项

的正则化参数。在式(2.3)中，2，1-范数项

反映了组稀疏特性，定义为：

步骤S4：构建方位向多通道SAR数据处理算子，用来代替观测矩阵及其共轭转置。直接求解式(2.3)包括二维原始回波数据矩阵矢量化过程和矩阵-向量乘法过程，会造成巨大的计算和存储开销，因此不能应用于大规模场景。为了降低计算复杂度，需要引入多通道回波模拟算子和多通道成像算子来分别代替观测矩阵及其共轭转置。

在本发明中，由于利用组稀疏特性进行L_2，1正则化问题的求解，因此需要分别构造主成像区(i＝0)和各模糊区(i＝-2，-1，+1，+2)的多通道成像算子，其数学表达式为：

其中本发明选择chirp scaling算法作为单通道SAR成像算法，但并不限于chirpscaling算法，其它的单通道SAR成像算法包括距离多普勒算法、ω-K算法、extended chirpscaling算法和后向投影算法等；Y_j表示第j个通道(j＝1，2)的二维回波数据矩阵；F_r和F_a表示距离向和方位向傅里叶变换；

和

为相应的距离向和方位向傅里叶逆变换；⊙表示哈达玛乘积；

和

分别表示chirp scaling算法中的补余距离徙动校正相位矩阵、一致距离徙动校正和距离压缩相位矩阵和方位向匹配滤波相位矩阵；f_τ表示距离向频率；

分别表示主成像区(i＝0)第j个接收通道的重构滤波器矩阵和各模糊区(i＝-2，-1，+1，+2)第j个接收通道的重构滤波器矩阵；f_a，i＝f_a+i·PRF分别表示主成像区(i＝0)和模糊区(i＝-2，-1，+1，+2)的方位向频率，其中f_a表示主成像区的方位向频率。回波模拟算子是成像算子的逆过程，因此，根据逆成像回波仿真思想，对式(2.5)描述的多通道成像算子取逆，即能得到多通道回波模拟算子。对于第j个通道，主成像区(i＝0)和各模糊区(i＝-2，-1，+1，+2)的多通道回波模拟算子的数学表达式为：

其中

表示主成像区(i＝0)和各模糊区(i＝-2，-1，+1，+2)的二维后向散射系数矩阵；(·)^*表示取共轭转置操作。

步骤S5：利用多通道回波模拟算子代替观测矩阵，构建基于多通道SAR数据处理算子的非理想天线方向图方位向多通道SAR稀疏观测模型以及L_2，1正则化求解公式。式(2.1)表示的观测模型可以改写为：

其中

表示噪声矩阵。式(2.3)表示的L_2，1正则化求解公式可以对应改写为：

其中X＝[X_-2，X_-1，X₀，X₊₁，X₊₂]。

步骤S6：利用稀疏组阈值函数，迭代求解基于多通道SAR数据处理算子的非理想天线方向图方位向多通道L_2，1正则化问题，输出重构图像，实现模糊抑制。其中，该步骤的迭代求解过程伪代码如表1所示。

步骤S601：输入多通道SAR回波数据矩阵Y；稀疏度K；多通道成像算子

和多通道回波模拟算子

步骤S602：初始化操作：令X_i ⁽⁰⁾＝0，U_i ⁽⁰⁾＝0，U_g ⁽⁰⁾＝0，迭代步数k＝0；设置迭代参数μ，误差参数ε，最大迭代步数k_max。

步骤S603：估计残差：

步骤S604：更新梯度方向：

步骤S605：更新1-范数项的正则化参数：λ₂＝|U₀ ^(k+1)|_K+1/μ。

步骤S606：主成像区和模糊区的软阈值函数迭代：

其中

为软阈值函数。

步骤S607：更新组成像区域：

步骤S608：更新2，1-范数项的正则化参数：λ₁＝|U_g ^(k+1)|_K+1/μ。(2.13)

步骤S609：稀疏组阈值函数迭代：

其中

为稀疏组阈值函数。

步骤S610：计算迭代误差：Reli＝||X₀ ^(k+1)-X₀ ^(k)||_F，其中||·||_F为F-范数。

步骤S611：更新迭代步数：k＝k+1。如果迭代步数k大于等于k_max或者迭代误差Reli小于ε，则执行步骤S612；否则跳转至步骤S603继续执行循环过程。

步骤S612：输出重构后的图像X₀ ^(k)。

为了定量地评价不同方法的方位模糊抑制能力，我们选择方位模糊-信号比(Azimuth Ambiguity-to-Signal Ratio，简称AASR)作为评价指标，其定义为：

其中

表示主成像区域；N_A表示

中的像素点数；M_i表示第i个模糊区域；N_G表示M_i中的像素点数。通过仿真实验对本发明提出的方法进行了验证，实验结果如图3所示，其中，图3(a)为基于传递函数的方位向多通道SAR成像算法的结果，AASR_-1和AASR_-2分别为-15.88dB和-11.24dB，图3(b)为基于L₁正则化的非均匀采样方位向多通道SAR成像方法的结果，AASR_-1和AASR_-2分别为-17.94dB和-12.53dB，图3(c)为本发明所提的方法的结果，AASR_-1和AASR_-2分别为-30.54dB和-21.76dB。

表1

以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步详细说明，应理解的是，以上所述仅为本发明的具体实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (7)

1.一种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，其特征在于，包括以下步骤：

构建基于观测矩阵的非理想天线方向图方位向多通道SAR稀疏观测模型；

根据方位向多通道SAR的成像几何，构建主成像区和各模糊区的观测矩阵；

利用主成像区和各模糊区之间的组稀疏特性，列出L_2，1正则化问题的求解公式；

构建方位向多通道SAR数据处理算子，包括多通道成像算子和多通道回波模拟算子；

利用多通道回波模拟算子代替观测矩阵，构建基于多通道SAR数据处理算子的非理想天线方向图方位向多通道SAR稀疏观测模型以及L_2，1正则化求解公式；

利用稀疏重构方法进行图像重构，输出重构图像，实现模糊抑制；

其中，所述利用主成像区和各模糊区之间的组稀疏特性，列出L_2，1正则化问题的求解公式的步骤中，通过求解L_2，1正则化问题，重构出场景的后向散射系数，如下式所示：

其中，λ₁和λ₂分别表示1-范数项||·||₁和2，1-范数项

的正则化参数；2，1-范数项

反映了组稀疏特性，将其定义为：

其中，所述构建方位向多通道SAR数据处理算子，包括多通道成像算子和多通道回波模拟算子，具体包括：

构造主成像区(i＝0)和各模糊区(i＝-2，-1，+1，+2)的多通道成像算子，如下式所示：

其中，Y_j表示第j个通道(j＝1，2)的二维回波数据矩阵；F_r和F_a表示距离向和方位向傅里叶变换；

和

为相应的距离向和方位向傅里叶逆变换；⊙表示哈达玛乘积；

和

分别表示chirp scaling算法中的补余距离徙动校正相位矩阵、一致距离徙动校正和距离压缩相位矩阵和方位向匹配滤波相位矩阵；f_τ表示距离向频率；

分别表示主成像区(i＝0)第j个接收通道的重构滤波器矩阵和各模糊区(i＝-2，-1，+1，+2)第j个接收通道的重构滤波器矩阵；f_a，i＝f_a+i·PRF分别表示主成像区(i＝0)和模糊区(i＝-2，-1，+1，+2)的方位向频率，其中f_a表示主成像区的方位向频率；

对上式描述的多通道成像算子取逆，即能得到多通道回波模拟算子；对于第j个通道，主成像区(i＝0)和各模糊区(i＝-2，-1，+1，+2)的多通道回波模拟算子的数学表达式为：

其中

表示主成像区(i＝0)和各模糊区(i＝-2，-1，+1，+2)的二维后向散射系数矩阵；(·)^*表示取共轭转置操作；

其中，所述利用多通道回波模拟算子代替观测矩阵，构建基于多通道SAR数据处理算子的非理想天线方向图方位向多通道SAR稀疏观测模型以及L_2，1正则化求解公式分别如下式所示：

其中，

表示多通道回波模拟算子，

表示噪声矩阵，X＝[X_-2，X_-1，X₀，X₊₁，X₊₂]。

2.根据权利要求1所述的方位向多通道SAR模糊抑制方法，其特征在于，当通道数N＝2时，模糊区分量由第一模糊区(i＝-1，+1)和第二模糊区(i＝-2，+2)组成，因此建立如下的基于观测矩阵的非理想天线方向图方位向多通道SAR稀疏观测模型：

y＝[Φ_-2 Φ_-1 Φ₀ Φ₊₁ Φ₊₂][x_-2 x_-1 x₀ x₊₁ x₊₂]^T+n＝Φx+n；

其中

表示主成像区的后向散射系数矢量；

和

表示第一模糊区的后向散射系数矢量；

和

表示第二模糊区的后向散射系数矢量；

表示噪声矢量；

其由

分别表示主成像区(i＝0)第j个接收通道的观测矩阵和各模糊区(i≠0)第j个接收通道的观测矩阵。

3.根据权利要求2所述的方位向多通道SAR模糊抑制方法，其特征在于，所述观测矩阵的组成元素表达式为：

其中，t和τ分别表示方位向慢时间和距离向快时间；p和q分别表示目标的方位向位置和距离向位置；s(τ)表示发射的线性调频信号，其载波波长为λ，R(p，q，t)和R_j(p，q，t)分别表示发射天线相位中心和第j个接收天线相位中心到目标的距离；v表示平台运动速度；ω_a(t)表示非理想的双程天线方向图，不再由矩形窗函数调制。

4.根据权利要求1所述的方位向多通道SAR模糊抑制方法，其特征在于，所述稀疏重构方法为利用组稀疏特性中的阈值函数，迭代求解基于多通道SAR数据处理算子的非理想天线方向图方位向多通道L_2，1正则化问题。

5.根据权利要求4所述的方位向多通道SAR模糊抑制方法，其特征在于，所述利用组稀疏特性中的阈值函数，迭代求解基于多通道SAR数据处理算子的非理想天线方向图方位向多通道L_2，1正则化问题包括以下步骤：

估计残差，利用各个通道的回波数据、主成像区和各模糊区的多通道回波模拟算子以及后向散射系数，进行多通道回波数据残差的估计；

更新梯度方向，利用主成像区和各模糊区的多通道成像算子，分别更新主成像区和各模糊区的梯度方向；

主成像区和模糊区的软阈值函数迭代，利用软阈值函数分别执行主成像区和各模糊区的软阈值函数迭代过程；

更新组成像区域，同时考虑主成像区和各模糊区，构造组成像区域并进行更新；

稀疏组阈值函数迭代，利用稀疏组阈值函数实现主成像区和各模糊区后向散射系数的迭代更新。

6.根据权利要求5所述的方位向多通道SAR模糊抑制方法，其特征在于，所述估计残差之前还包括：

输入多通道SAR回波数据矩阵Y；稀疏度K；多通道成像算子

和多通道回波模拟算子

初始化操作：令

迭代步数k＝0；设置迭代参数μ，误差参数ε，最大迭代步数k_max；

所述稀疏组阈值函数迭代的步骤之后还包括：

计算迭代误差：

其中||·||_F为F-范数；

更新迭代步数：k＝k+1；如果迭代步数k大于等于k_max或者迭代误差Reli小于ε，则输出重构后的图像；否则跳转至估计残差的步骤继续执行循环过程。

7.一种电子设备，其特征在于，包括：

一个或多个处理器；

存储器，用于存储一个或多个指令，

其中，当所述一个或多个指令被所述一个或多个处理器执行时，使得所述一个或多个处理器实现权利要求1至6中任一项所述的方法。

Images