CN113589287A - 合成孔径雷达稀疏成像方法、装置、电子设备及存储介质 - Google Patents

合成孔径雷达稀疏成像方法、装置、电子设备及存储介质 Download PDF

Info

Publication number
CN113589287A
CN113589287A CN202111147222.2A CN202111147222A CN113589287A CN 113589287 A CN113589287 A CN 113589287A CN 202111147222 A CN202111147222 A CN 202111147222A CN 113589287 A CN113589287 A CN 113589287A
Authority
CN
China
Prior art keywords
synthetic aperture
aperture radar
sparse
signal
doppler
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.)
Granted
Application number
CN202111147222.2A
Other languages
English (en)
Other versions
CN113589287B (zh
Inventor
徐刚
刘韬
张慧
洪伟
郭坤鹏
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.)
Southeast University
Nanjing Hawkeye Electronic Technology Co Ltd
Original Assignee
Southeast University
Nanjing Hawkeye Electronic Technology Co Ltd
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 Southeast University, Nanjing Hawkeye Electronic Technology Co Ltd filed Critical Southeast University
Priority to CN202111147222.2A priority Critical patent/CN113589287B/zh
Publication of CN113589287A publication Critical patent/CN113589287A/zh
Application granted granted Critical
Publication of CN113589287B publication Critical patent/CN113589287B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01SRADIO 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
    • G01S13/00Systems 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
    • G01S13/88Radar or analogous systems specially adapted for specific applications
    • G01S13/89Radar or analogous systems specially adapted for specific applications for mapping or imaging
    • G01S13/90Radar or analogous systems specially adapted for specific applications for mapping or imaging using synthetic aperture techniques, e.g. synthetic aperture radar [SAR] techniques
    • G01S13/9021SAR image post-processing techniques
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01SRADIO 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
    • G01S7/00Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/02Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
    • G01S7/41Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
    • YGENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02ATECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A10/00TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE at coastal zones; at river basins
    • Y02A10/40Controlling or monitoring, e.g. of flood or hurricane; Forecasting, e.g. risk assessment or mapping

Landscapes

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

Abstract

本发明实施例公开了一种合成孔径雷达稀疏成像方法、装置、电子设备和存储介质,所述方法包括:对采集到的线性调频信号的回波信号构建距离‑多普勒域内的多普勒模糊信号,对所述多普勒模糊信号进行聚焦处理,得到距离‑多普勒算法聚焦的信号,然后进行方位向逆匹配滤波处理以构建离散化图像信号,结合天线方向图先验知识,构造权值矩阵,并基于所述离散化图像信号以及所述权值矩阵建立联合加权稀疏约束的无模糊图像信号,并对杂波进行抑制处理,通过优化算法,根据已抑制杂波的无模糊图像信号重构稀疏合成孔径雷达图像,最后,对所述重构出的稀疏合成孔径雷达图像进行相干多普勒频谱合成。可以有效抑制合成孔径雷达稀疏成像的方位模糊。

Description

合成孔径雷达稀疏成像方法、装置、电子设备及存储介质
技术领域
本发明实施例涉及合成孔径雷达(Synthetic Aperture Radar,SAR)成像,更具体地,涉及一种SAR稀疏成像方法。
背景技术
合成孔径雷达(Synthetic Aperture Radar,SAR)是一种全天时、全天候工作的现 代遥感探测工具,在沿海渔业监视,船舶交通导航以及漏油检测等海上应用中发挥重要作 用。但在SAR对海洋舰船目标作业时,往往源于脉冲重复频率有限和天线方向图非理想旁瓣 等因素,使得SAR成像后的目标多普勒频谱范围大于脉冲重复频率( Pulse Repetition Frequency,PRF),超过
Figure DEST_PATH_IMAGE001
之外的多普勒频谱将被卷绕到
Figure DEST_PATH_IMAGE002
内,从而造成成像的方位模糊,这种方位模糊给SAR图像解译带 来困难,并严重降低了目标恒虚警检测性能。
发明内容
本发明实施例提供一种合成孔径雷达稀疏成像方法、装置、电子设备和存储介质,可以对合成孔径雷达稀疏成像的方位模糊起到抑制作用,从而实现方位无模糊合成孔径雷达图像。
本发明实施例提供一种合成孔径雷达稀疏成像方法,包括:步骤S1,采集以预设的速度沿直线轨迹运动的合成孔径雷达向目标区域发射的线性调频信号的回波信号;步骤S2,基于所述线性调频信号的回波信号构建距离-多普勒域内的多普勒模糊信号;步骤S3,对所述多普勒模糊信号进行聚焦处理,得到距离-多普勒算法聚焦的信号;步骤S4,对所述距离-多普勒算法聚焦的信号进行方位向逆匹配滤波处理,以构建离散化图像信号;步骤S5,结合天线方向图先验知识,构造权值矩阵,并基于所述离散化图像信号以及所述权值矩阵建立联合加权稀疏约束的无模糊图像信号;步骤S6,确定所述联合加权稀疏约束的无模糊图像信号中的杂波位置,并对杂波进行抑制处理;步骤S7,通过优化算法,根据已抑制杂波的所述联合加权稀疏约束的无模糊图像信号重构稀疏合成孔径雷达图像;步骤S8,对所述重构出的稀疏合成孔径雷达图像进行相干多普勒频谱合成,以获得无模糊的合成孔径雷达图像。
相应地,本发明实施例还提供一种合成孔径雷达成像装置,包括:数据采集模块、预处理模块、加权模块、图像重构模块和合成模块。
所述数据采集模块,用于采集以预设的速度沿直线轨迹运动的合成孔径雷达向目标区域发射的线性调频信号的回波信号;
所述预处理模块,用于基于所述线性调频信号的回波信号构建距离-多普勒域内的多普勒模糊信号,并对所述多普勒模糊信号进行聚焦处理,得到距离-多普勒算法聚焦的信号,随之对所述距离-多普勒算法聚焦的信号进行方位向逆匹配滤波处理以构建离散化图像信号;
所述加权模块,用于结合天线方向图先验知识,构造权值矩阵,并基于所述离散化图像信号以及所述权值矩阵建立联合加权稀疏约束的无模糊图像信号;
所述杂波抑制模块,用于确定所述联合加权稀疏约束的无模糊图像信号中的杂波位置,并对杂波进行抑制处理;
所述图像重构模块,用于通过优化算法,根据已抑制杂波的所述联合加权稀疏约束的无模糊图像信号重构稀疏合成孔径雷达图像;
所述合成模块,用于对所述重构出的稀疏合成孔径雷达图像进行相干多普勒频谱合成,以获得无模糊的合成孔径雷达图像。
相应地,本发明实施例还提供一种电子设备,包括存储器和处理器;所述存储器存储有计算机程序,所述处理器用于运行所述存储器内的计算机程序,以执行上述实施例中任一所述的合成孔径雷达稀疏成像方法中的步骤。
此外,本发明实施例还提供一种存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述实施例中任一所述的合成孔径雷达稀疏成像方法中的步骤。
本发明实施例采用对采集到的线性调频信号的回波信号构建距离-多普勒域内的多普勒模糊信号,对所述多普勒模糊信号进行聚焦处理,得到距离-多普勒算法聚焦的信号,然后进行方位向逆匹配滤波处理以构建离散化图像信号,结合天线方向图先验知识,构造权值矩阵,并基于所述离散化图像信号以及所述权值矩阵建立联合加权稀疏约束的无模糊图像信号,并对杂波进行抑制处理,通过优化算法,根据已抑制杂波的无模糊图像信号重构稀疏合成孔径雷达图像,最后,对所述重构出的稀疏合成孔径雷达图像进行相干多普勒频谱合成。可以有效抑制合成孔径雷达稀疏成像的方位模糊,获得无模糊的高分辨SAR图像。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的实施方式。
图1是本发明实施例提供的合成孔径雷达稀疏成像方法的流程示意图;
图2是本发明实施例提供一种构建SAR成像几何结构的具体结构示意图;
图3(a)为本发明实施例的RDA距离徙动校正后的距离包络结果图;
图3(b)为本发明实施例的RDA所成的SAR图像;
图3(c)为本发明实施例的距离包络结果图;
图3(d)为本发明实施例的SAR成像结果;
图4(a)为本发明实施例的RDA的合成孔径雷达成像结果;
图4(b)为本发明实施例的合成孔径雷达成像结果;
图4(c)为本发明实施例的RDA所成的合成孔径雷达图像的局部放大结果;
图4(d)为本发明实施例的合成孔径雷达成像的局部放大结果;
图5是本发明实施例提供的单通道合成孔径雷达成像装置的结构示意图;
图6是本发明实施例提供的一种电子设备的实体结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
为了消除合成孔径雷达成像的方位模糊,压缩感知类方法(CS)获得广泛应用,通常舰船目标具备较高的后向散射响应,其归一化雷达横截面积通常高于背景,因此SAR海洋舰船目标图像具备稀疏特征。压缩感知类方法通过设计非均匀采样策略,结合稀疏性的先验信息,在方位模糊抑制应用中有着良好的性能表现。但该类方法一方面并未有效的利用模糊信号分量,无法有效改善方位分辨率;另一方面,其测量矩阵不具备良好的限制等距特性,降低了稀疏成像的性能。
在对现有技术的研究和实践过程中,本发明的发明人发现,一种有效的改善合成孔径雷达成像方位模糊抑制性能的方式是利用SAR系统的天线方向图的先验知识。SAR系统的天线方向图一般具备如下先验知识:旁瓣图像中的目标响应小于主瓣图像中的目标响应,该理论表明在SAR图像中对于相同的像素,主瓣图像被重构的可能性更大。在这一基础上,可以自适应的构造稀疏成像的加权矩阵,有效利用方位模糊分量,从而实现方位无模糊图像重构。
因此,有鉴于现有技术中的合成孔径雷达成像方位模糊的问题,本发明提供的合成孔径雷达稀疏成像方法,通过利用天线方向图的先验信息构造权值矩阵,通过优化算法求解实现非模糊图像重构。同时通过对旁瓣信号的模糊分量进行相干积累,扩大了成像场景的方位多普勒无模糊频谱宽度,有效地提高了方位分辨率。
下面结合图1-图6描述本发明的合成孔径雷达成像方法、装置、电子设备及存储介质。
图1是本发明实施例提供的合成孔径雷达稀疏成像方法的流程示意图,如图1所示,本发明实施例提供了一种合成孔径雷达成像方法,包括:
步骤S1,采集以预设的速度沿直线轨迹运动的合成孔径雷达向目标区域发射的线性调频信号的回波信号;
步骤S2,基于所述线性调频信号的回波信号构建距离-多普勒域内的多普勒模糊信号;
步骤S3,对所述多普勒模糊信号进行聚焦处理,得到距离-多普勒算法聚焦的信号;
步骤S4,对所述距离-多普勒算法聚焦的信号进行方位向逆匹配滤波处理,以构建离散化图像信号;
步骤S5,结合天线方向图先验知识,构造权值矩阵,并基于所述离散化图像信号以及所述权值矩阵建立联合加权稀疏约束的无模糊图像信号;
步骤S6,确定所述联合加权稀疏约束的无模糊图像信号中的杂波位置,并对杂波进行抑制处理;
步骤S7,通过优化算法,根据已抑制杂波的所述联合加权稀疏约束的无模糊图像信号重构稀疏合成孔径雷达图像;
步骤S8,对所述重构出的稀疏合成孔径雷达图像进行相干多普勒频谱合成,以获得无模糊的合成孔径雷达图像。
以下对上述步骤S1~S8进行具体描述。
图2是本发明实施例提供的一种构建SAR成像几何结构的具体结构示意图。如图2 所示,上述步骤S1中,采集以预设的速度沿直线轨迹运动的合成孔径雷达向目标区域发射 的线性调频信号的回波信号,具体包括:构建单通道合成孔径雷达的几何成像结构,该几何 成像结构包括:1a)雷达以速度
Figure DEST_PATH_IMAGE003
沿直线轨迹运动,发射线性调频(LFM)信号,例如,该线性 调频(LFM)信号的调频斜率为
Figure DEST_PATH_IMAGE004
;1b)在雷达发射信号期间,雷达波束的主瓣和第一对旁瓣 同时照射场景,且雷达波束沿航向的下方照射。
上述步骤S2中,根据SAR成像几何结构,雷达所接收的距离多普勒域内的多普勒模糊信号可表示为:
Figure DEST_PATH_IMAGE005
其中,
Figure DEST_PATH_IMAGE006
是目标的复后向散射系数,
Figure DEST_PATH_IMAGE007
Figure DEST_PATH_IMAGE008
分别代表距离窗和 方位窗,
Figure DEST_PATH_IMAGE009
是雷达脉冲重复频率,
Figure DEST_PATH_IMAGE010
表示虚数符号,
Figure DEST_PATH_IMAGE011
为载频,
Figure DEST_PATH_IMAGE012
是目标的 距离和方位位置,
Figure DEST_PATH_IMAGE013
表示第
Figure DEST_PATH_IMAGE014
个分量的多普勒中心时间,
Figure DEST_PATH_IMAGE015
是电磁波传播速度,
Figure DEST_PATH_IMAGE016
代表雷 达的速度,
Figure DEST_PATH_IMAGE017
Figure DEST_PATH_IMAGE018
Figure DEST_PATH_IMAGE019
分别指代三个部分:缠绕的负旁瓣、未缠绕的主 瓣和缠绕的正旁瓣。
上述步骤S3中的步骤,具体地包括:
第一步,将所构建的多普勒模糊信号的表达式进行泰勒级数展开:
Figure DEST_PATH_IMAGE020
其中,
Figure DEST_PATH_IMAGE021
第二步,对第一步得到的信号进行越距离单元徙动(Migration ThroughResolution Cell,MTRC)校正,该MTRC校正参考函数为:
Figure DEST_PATH_IMAGE022
其中,
Figure DEST_PATH_IMAGE023
为目标区域中心最近航距;
得到校正后的二维频域信号表示为:
Figure DEST_PATH_IMAGE024
其中,
Figure DEST_PATH_IMAGE025
第三步,再对越距离单元徙动校正后的二维频域信号做距离向逆傅里叶变换,将信号转换到距离时域,得到距离压缩后的信号:
Figure DEST_PATH_IMAGE026
其中,
Figure DEST_PATH_IMAGE027
可以发现在距离时域方位多普勒域中残留的线性MTRC。对于正负旁瓣分量,残余MTRC的主要差异是斜坡的指向,一个向上,另一个向下。
第四步,采用方位匹配滤波函数对所述距离压缩后的信号进行方位压缩,其中,在
Figure DEST_PATH_IMAGE028
的距离单元内的所述方位匹配滤波的参考函数为:
Figure DEST_PATH_IMAGE029
该方位匹配滤波后的信号为:
Figure DEST_PATH_IMAGE030
其中,旁瓣分量的第二个等式中第一个和第二个指数相位项分别为残留的MTRC项和匹配滤波失配相位项。由于信号中旁瓣分量存在不同斜率的残留线性相位,导致一个单目标产生不同方位偏移,形成两个虚影,在多普勒域内表现为方位模糊。
所述步骤S4进一步包括:对所述方位匹配滤波后的信号进行离散化处理,以构建所述离散化图像信号,即对距离多普勒算法聚焦的结果进行方位向逆匹配滤波处理,将合成孔径雷达信号转换到距离频域方位多普勒域中,并将信号离散化表示:
Figure DEST_PATH_IMAGE031
其中,
Figure DEST_PATH_IMAGE032
是表示在距离频域方位多普勒域中的离散信号(
Figure DEST_PATH_IMAGE033
Figure DEST_PATH_IMAGE034
分别是距 离和方位维的离散采样点数),
Figure DEST_PATH_IMAGE035
分别表示在不同斜视角下,由雷达主瓣波束和 旁瓣波束测得的合成孔径雷达复图像,
Figure DEST_PATH_IMAGE036
代表了杂波和噪声。
Figure DEST_PATH_IMAGE037
是二维频域 的残余MTRC,
Figure DEST_PATH_IMAGE038
Figure DEST_PATH_IMAGE039
分别表示距离和方位维度的傅里叶变换,
Figure DEST_PATH_IMAGE040
Figure DEST_PATH_IMAGE041
的离 散形式,
Figure DEST_PATH_IMAGE042
是存在多普勒模糊时合成孔径雷达观测矩阵。
需要说明的是,上述步骤S4的目的是为了将稀疏合成孔径雷达图像和距离多普勒聚焦的合成孔径雷达信号的关系表征出来,把距离多普勒算法聚焦的结果表示成能用(联合加权稀疏约束)稀疏信号处理方法求解的信号表达式。
上述步骤S5中,根据天线方向图的先验知识:主瓣具有比旁瓣更高的增益,主瓣的 回波数据响应比两个旁瓣的回波数据响应要强得多,两个旁瓣图像的强度小于主瓣图像的 强度,基于该天线方向图的先验知识,构造权值矩阵。具体地,所述构造权值矩阵的步骤包 括:使用迭代加权
Figure DEST_PATH_IMAGE043
范数最小化方法,其中,对较大的信号系数赋予较小的权重,而对较小的 信号系数赋予较大的权重。其中,权重矩阵具体设置为:当为目标时
Figure DEST_PATH_IMAGE044
,当 为噪声和杂波时
Figure DEST_PATH_IMAGE045
。其中,
Figure DEST_PATH_IMAGE046
Figure DEST_PATH_IMAGE047
中第
Figure DEST_PATH_IMAGE048
个元素的权值,
Figure DEST_PATH_IMAGE049
为一个大于0的 常数。
使用加权的
Figure DEST_PATH_IMAGE050
范数所述离散化图像信号进行联合加权稀疏约束,得到所述联合 加权稀疏约束的无模糊图像信号,所述联合加权稀疏约束的无模糊图像信号被表示为:
Figure DEST_PATH_IMAGE051
其中
Figure DEST_PATH_IMAGE052
Figure DEST_PATH_IMAGE053
Figure DEST_PATH_IMAGE054
分别是对
Figure DEST_PATH_IMAGE055
Figure DEST_PATH_IMAGE056
Figure DEST_PATH_IMAGE057
稀疏约束的权值矩阵。
在上述步骤S6中,确定所述联合加权稀疏约束的无模糊图像信号中的杂波位置,并对杂波进行抑制处理;示例性地,采用基于杂波聚类技术对所述无模糊图像信号进行杂波定位来抑制所述无模糊图像信号中的杂波,具体地:由所述无模糊图像信号组成的图像包括多个像素,并且所述基于杂波聚类技术对所述无模糊图像信号进行杂波定位的步骤包括:
第一步,建立一个以当前像素为中心的二维窗口(例如
Figure DEST_PATH_IMAGE058
大小的),通过所述 二维窗口选取所述图像中的任一像素区域,并将杂波像素进行标记,其中杂波标记为1,信 号标记为0。
第二步,计算所述二维窗口中被掩盖为杂波的像素的数量,所述被掩盖为杂波的像素的判定方式为:当一个像素在其周围的大多数像素都是杂波的情况下,将该像素视为杂波像素;
第三步,对所有像素进行聚类处理,以获取所述图像中的杂波位置,然后对杂波进行抑制处理。
在上述步骤S7中包括对已抑制杂波的所述联合加权稀疏约束的无模糊图像信号进行如下处理:
第一步,将加权
Figure 445456DEST_PATH_IMAGE050
范数近似值表示为:
Figure DEST_PATH_IMAGE059
其中,
Figure DEST_PATH_IMAGE060
Figure 969978DEST_PATH_IMAGE060
的第
Figure 989887DEST_PATH_IMAGE048
个元素且
Figure DEST_PATH_IMAGE061
是一个小的大于零的常量;
第二步,使用坐标下降法迭代计算共轭梯度
Figure DEST_PATH_IMAGE062
没有 封闭形式的解,并通过数值迭代的方式求出
Figure DEST_PATH_IMAGE063
。共轭梯度矩阵由下式给出:
Figure DEST_PATH_IMAGE064
其中,
Figure DEST_PATH_IMAGE065
这里的
Figure DEST_PATH_IMAGE066
是海赛(Hessian)矩阵。
第三步,采用基于拟牛顿法的坐标下降算法计算Hessian矩阵的近似值
Figure DEST_PATH_IMAGE067
,其中
Figure DEST_PATH_IMAGE068
Figure DEST_PATH_IMAGE069
Figure DEST_PATH_IMAGE070
是坐标下降算法的第l-1次 迭代过程中对
Figure DEST_PATH_IMAGE071
Figure DEST_PATH_IMAGE072
Figure DEST_PATH_IMAGE073
的估计值。其中,
Figure DEST_PATH_IMAGE074
的估计值求解参照下式:
Figure DEST_PATH_IMAGE075
第四步,通过共轭梯度方法来求解
Figure 382691DEST_PATH_IMAGE071
Figure 171656DEST_PATH_IMAGE056
Figure 368544DEST_PATH_IMAGE073
的估计值。
第五步,重复第一步至第四步,直至迭代结束,以重构出所述稀疏合成孔径雷达图像。
其中,规定迭代结束的条件为:
Figure DEST_PATH_IMAGE076
, 其中
Figure DEST_PATH_IMAGE077
为一个小的大于零的常数,或者迭代次数达到最大迭代次数。
上述步骤S8中的步骤具体包括:
第一步,对结合天线方向图的先验知识,对重构的稀疏合成孔径雷达图像进行方 位向傅里叶变换,将信号变换至距离多普勒域中。具体地,通过使用方位傅立叶变换将
Figure DEST_PATH_IMAGE078
Figure DEST_PATH_IMAGE079
Figure DEST_PATH_IMAGE080
变换到距离多普勒域中,得到如下形式的信号:
Figure DEST_PATH_IMAGE081
其中,
Figure DEST_PATH_IMAGE082
Figure DEST_PATH_IMAGE083
Figure DEST_PATH_IMAGE084
分别是
Figure DEST_PATH_IMAGE085
Figure DEST_PATH_IMAGE086
Figure 734803DEST_PATH_IMAGE080
的复数多普 勒谱的矩阵形式。
第二步,利用相位自聚焦技术提取出稀疏合成孔径雷达图像在距离多普勒域中的 相位误差
Figure DEST_PATH_IMAGE087
,并对稀疏合成孔径雷达图像进行相位误差补偿;
第三步,将经相位补偿后的
Figure DEST_PATH_IMAGE088
转换到二维时域,最终获取高分辨率的无 模糊SAR图像。
为说明本发明对方位模糊抑制的有效性,下面通过仿真数据和实测数据实验来进行进一步的论证:
基于MATLAB软件平台,单通道合成孔径雷达(SAR)仿真实验的系统参数如下表:
SAR系统仿真参数
Figure DEST_PATH_IMAGE089
同时进行距离多普勒算法(Range-Doppler Algorithm,RDA)成像实验,和本发明做对比,以说明本发明的有效性。下面结合附图3对本发明的仿真数据二维成像效果做进一步说明。
图3为本发明实施例的仿真实验结果图,其中,图3(a)为本发明实施例的RDA距离徙动校正后的距离包络结果图;图3(b)为本发明实施例的RDA所成的SAR图像;图3(c)为本发明实施例的距离包络结果图;图3(d)为本发明实施例的SAR成像结果。
从图3(a)可以看出,RDA的成像结果中出现了方位多普勒频谱模糊,包括一个正模 糊、一个负模糊。图3(b)中的每个目标出现了两个虚影。本发明的成像结果中,重构了大于
Figure DEST_PATH_IMAGE090
的无模糊多普勒频谱并同时校正掉了残余模糊分量的线性相位。对比图3(a),图3 (c)中的方位模糊消除,目标的方位多普勒频谱得以展宽;对比图3(b),图3(d)的最终成像 结果中,目标模糊消失,图像分辨率得到改善。
为了说明本发明对合成孔径雷达稀疏成像的有效性,通过基于实测数据的实验进行进一步的论证:
实验采用一组舰船目标的实测数据。下面结合附图4对本发明实施例的实测数据二维成像效果做进一步说明。
其中,图4(a)为本发明实施例的RDA的合成孔径雷达成像结果;图4(b)为本发明实施例的合成孔径雷达成像结果;图4(c)为本发明实施例的RDA所成的合成孔径雷达图像的局部放大结果;图4(d)为本发明实施例的合成孔径雷达成像的局部放大结果。
从图4(a)可以看出,RDA的成像结果中出现了方位多普勒频谱模糊,图4(c)中图像散焦,舰船目标的几何不能分辨。对比图4(a),图4(b)中的目标的虚影(鬼影)得以消除;对比图4(c),图4(d)的最终成像结果中,目标模糊消失,舰船的几何能够分辨,图像分辨率得到较大改善。
通过上述仿真数据和测试数据实验结果表明,本发明的成像结果中,方位模糊得到了有效的抑制。本发明所提出的算法能够实现方位解模糊,并且通过实现多普勒频谱的扩宽实现高分辨成像。
根据本发明的又一方面,本发明实施例提供一种合成孔径雷达成像装置,可应用于单通道的合成孔径雷达稀疏成像。
图5是本发明实施例提供的单通道合成孔径雷达成像装置的结构示意图。如图5所示,一种合成孔径雷达成像装置1000,包括:数据采集模块1010、预处理模块1020、加权模块1030、杂波抑制模块1040、图像重构模块1050以及合成模块1060。
数据采集模块1010,用于采集以预设的速度沿直线轨迹运动的合成孔径雷达向目标区域发射的线性调频信号的回波信号。
处理模块1020,用于基于所述线性调频信号的回波信号构建距离-多普勒域内的多普勒模糊信号,并对所述多普勒模糊信号进行聚焦处理,得到距离-多普勒算法聚焦的信号,随之对所述距离-多普勒算法聚焦的信号进行方位向逆匹配滤波处理以构建离散化图像信号。
加权模块1030,用于结合天线方向图先验知识,构造权值矩阵,并基于所述离散化图像信号以及所述权值矩阵建立联合加权稀疏约束的无模糊图像信号。
杂波抑制模块1040,用于确定所述联合加权稀疏约束的无模糊图像信号中的杂波位置,并对杂波进行抑制处理;
图像重构模块1050,用于通过优化算法,根据已抑制杂波的所述联合加权稀疏约束的无模糊图像信号重构稀疏合成孔径雷达图像;
合成模块1060,用于对所述重构出的稀疏合成孔径雷达图像进行相干多普勒频谱合成,以获得无模糊的合成孔径雷达图像。
其中,关于所述预处理模块1020的具体步骤的其他方面与前面所描述的合成孔径雷达成像方法相同或相似,在此不再赘述。
图6是本发明实施例提供的一种电子设备的实体结构示意图,如图6所示,该电子设备可以包括:处理器(processor)1110、通信接口(CommunicationsInterface)1120、存储器(memory)1130和通信总线1140,其中,处理器1110,通信接口1120,存储器1130通过通信总线1140完成相互间的通信。处理器1110可以调用存储器1130中的逻辑指令,以执行上述合成孔径雷达稀疏成像方法。本发明实施例所提供的其他方面与前面所描述的合成孔径雷达稀疏成像方法相同或相似,在此不再赘述。
此外,上述的存储器1130中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-OnlyMemory)、随机存取存储器(RAM,RandomAccessMemory)、磁碟或者广盘等各种可以存储程序代码的介质。
根据本发明的又一方面,本发明实施例还提供一种计算机程序产品,所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序,所述计算机程序包括程序指令,当所述程序指令被计算机执行时,计算机能够执行上述各实施例所提供的所述合成孔径雷达稀疏成像方法。本实施例所提供的其他方面与前面所描述的合成孔径雷达稀疏成像方法相同或相似,在此不再赘述。
本领域普通技术人员可以理解,上述实施例的各种方法中的全部或部分步骤可以通过指令来完成,或通过指令控制相关的硬件来完成,该指令可以存储于一计算机可读存储介质中,并由处理器进行加载和执行。
为此,根据本发明的又一方面,本发明实施例还提供一种存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现以执行上述各实施例提供的所述合成孔径雷达稀疏成像方法。例如,该计算机程序可以执行如下步骤:
步骤S1,采集以预设的速度沿直线轨迹运动的合成孔径雷达向目标区域发射的线性调频信号的回波信号;
步骤S2,基于所述线性调频信号的回波信号构建距离-多普勒域内的多普勒模糊信号;
步骤S3,对所述多普勒模糊信号进行聚焦处理,得到距离-多普勒算法聚焦的信号;
步骤S4,对所述距离-多普勒算法聚焦的信号进行方位向逆匹配滤波处理,以构建离散化图像信号;
步骤S5,结合天线方向图先验知识,构造权值矩阵,并基于所述离散化图像信号以及所述权值矩阵建立联合加权稀疏约束的无模糊图像信号;
步骤S6,确定所述联合加权稀疏约束的无模糊图像信号中的杂波位置,并对杂波进行抑制处理;
步骤S7,通过优化算法,根据已抑制杂波的所述联合加权稀疏约束的无模糊图像信号重构稀疏合成孔径雷达图像;
步骤S8,对所述重构出的稀疏合成孔径雷达图像进行相干多普勒频谱合成,以获得无模糊的合成孔径雷达图像。
本发明实施例所提供的其他方面与前面所描述的合成孔径雷达稀疏成像方法相同或相似,在此不再赘述。
以上各个操作的具体实施可参见前面的实施例,在此不再赘述。
其中,该存储介质可以包括:只读存储器(ROM,Read Only Memory)、随机存取记忆体(RAM,Random Access Memory)、磁盘或光盘等。
由于该存储介质中所存储的计算机程序,可以执行本发明实施例所提供的任一种合成孔径雷达稀疏成像方法中的步骤,因此,可以实现本发明实施例所提供的任一种合成孔径雷达稀疏成像方法所能实现的有益效果,详见前面的实施例,在此不再赘述。
以上对本发明实施例所提供的一种合成孔径雷达稀疏成像方法、装置、电子设备和存储介质进行了详细介绍,本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。

Claims (13)

1.一种合成孔径雷达稀疏成像方法,其特征在于,包括以下步骤:
步骤S1,采集以预设的速度沿直线轨迹运动的合成孔径雷达向目标区域发射的线性调频信号的回波信号;
步骤S2,基于所述线性调频信号的回波信号,构建距离-多普勒域内的多普勒模糊信号;
步骤S3,对所述多普勒模糊信号进行聚焦处理,得到距离-多普勒算法聚焦的信号;
步骤S4,对所述距离-多普勒算法聚焦的信号进行方位向逆匹配滤波处理,以构建离散化图像信号;
步骤S5,结合天线方向图先验知识,构造权值矩阵,并基于所述离散化图像信号以及所述权值矩阵建立联合加权稀疏约束的无模糊图像信号;
步骤S6,确定所述联合加权稀疏约束的无模糊图像信号中的杂波位置,并对杂波进行抑制处理;
步骤S7,通过优化算法,根据已抑制杂波的所述联合加权稀疏约束的无模糊图像信号重构稀疏合成孔径雷达图像;
步骤S8,对所述重构出的稀疏合成孔径雷达图像进行相干多普勒频谱合成,以获得无模糊的合成孔径雷达图像。
2.根据权利要求1所述的合成孔径雷达稀疏成像方法,其特征在于,所述步骤S2包括:根据下式构建所述距离-多普勒域内的多普勒模糊信号:
Figure 997402DEST_PATH_IMAGE001
其中,
Figure 52559DEST_PATH_IMAGE002
是目标的复后向散射系数,
Figure 97875DEST_PATH_IMAGE003
Figure 758663DEST_PATH_IMAGE004
分别代表距离窗和方 位窗,
Figure 838615DEST_PATH_IMAGE005
是雷达脉冲重复频率,
Figure 661077DEST_PATH_IMAGE006
表示虚数符号,
Figure 69056DEST_PATH_IMAGE007
为载频,
Figure 533535DEST_PATH_IMAGE008
是目标的距 离和方位位置,
Figure 202414DEST_PATH_IMAGE009
表示第
Figure 461357DEST_PATH_IMAGE010
个分量的多普勒中心时间,
Figure 481266DEST_PATH_IMAGE011
是电磁波传播速度,
Figure 359223DEST_PATH_IMAGE012
代表雷达 的速度,
Figure 882608DEST_PATH_IMAGE013
Figure 578032DEST_PATH_IMAGE014
Figure 85237DEST_PATH_IMAGE015
分别指代三个部分:缠绕的负旁瓣、未缠绕的主瓣 和缠绕的正旁瓣。
3.根据权利要求2所述的合成孔径雷达稀疏成像方法,其特征在于:所述步骤S3包括:
第一步,将所构建的多普勒模糊信号的表达式进行泰勒级数展开,得到:
Figure 625939DEST_PATH_IMAGE016
其中,
Figure 269410DEST_PATH_IMAGE017
第二步,对第一步得到的信号进行MTRC校正,其中,所述MTRC校正的参考函数为:
Figure 745522DEST_PATH_IMAGE018
其中,
Figure 740023DEST_PATH_IMAGE019
为目标区域中心最近航距;
得到校正后的二维频域信号:
Figure 84417DEST_PATH_IMAGE020
其中,
Figure 582394DEST_PATH_IMAGE021
第三步,对所述校正后的二维频域信号进行距离向逆傅里叶变换,得到距离压缩后的信号:
Figure 619620DEST_PATH_IMAGE022
其中,
Figure 711204DEST_PATH_IMAGE023
第四步,采用方位匹配滤波函数对所述距离压缩后的信号进行方位压缩,其中,在
Figure 859289DEST_PATH_IMAGE024
的距离单元内的所述方位匹配滤波的参考函数为:
Figure 477352DEST_PATH_IMAGE025
得到方位匹配滤波后的信号为:
Figure 419900DEST_PATH_IMAGE027
其中,对于上式中的旁瓣分量,等式中第一个和第二个指数相位项分别为残留的MTRC项和匹配滤波失配相位项。
4.根据权利要求3所述的合成孔径雷达稀疏成像方法,其特征在于,所述步骤S4进一步包括:对方位匹配滤波后的信号进行离散化处理,以构建所述离散化图像信号,所述离散化图像信号被表示为:
Figure 123414DEST_PATH_IMAGE028
其中,
Figure 684976DEST_PATH_IMAGE029
表示在距离频域方位多普勒域中的离散信号,
Figure 423125DEST_PATH_IMAGE030
Figure 802154DEST_PATH_IMAGE031
分别是 距离和方位维的离散采样点数,
Figure 992964DEST_PATH_IMAGE032
分别表示在不同斜视角下,由雷达主瓣波束 和旁瓣波束测得的合成孔径雷达复图像,
Figure 217272DEST_PATH_IMAGE033
表示杂波和噪声,
Figure 419714DEST_PATH_IMAGE034
是二维频域 的残余MTRC,
Figure 969644DEST_PATH_IMAGE035
Figure 647750DEST_PATH_IMAGE036
分别表示距离和方位维度的傅里叶变换,
Figure 675749DEST_PATH_IMAGE037
Figure 122911DEST_PATH_IMAGE038
的离散形式,
Figure 453529DEST_PATH_IMAGE039
是存在多普勒模糊时的合成孔径雷达观测矩阵。
5.根据权利要求4所述方法,其特征在于:所述步骤S5包括:
使用迭代加权
Figure 618931DEST_PATH_IMAGE040
范数最小化方法,构造所述权值矩阵,其中,对较大的信号系数赋予较 小的权重,而对较小的信号系数赋予较大的权重。
6.根据权利要求5所述的方法,其特征在于:所述步骤S5还包括:
使用加权的
Figure 185042DEST_PATH_IMAGE041
范数对所述离散化图像信号进行联合加权稀疏约束,得到所述联合加 权稀疏约束的无模糊图像信号,所述联合加权稀疏约束的无模糊图像信号被表示为:
Figure 752289DEST_PATH_IMAGE042
其中,
Figure 378443DEST_PATH_IMAGE043
Figure 765562DEST_PATH_IMAGE044
Figure 279238DEST_PATH_IMAGE045
分别是对
Figure 435413DEST_PATH_IMAGE046
Figure 498047DEST_PATH_IMAGE047
Figure 372462DEST_PATH_IMAGE048
进行加权稀疏约束的权值矩阵。
7.根据权利要求6所述的合成孔径雷达稀疏成像方法,其特征在于:所述步骤S6包括:
基于杂波聚类技术对所述无模糊图像信号进行杂波定位,以抑制所述无模糊图像信号中的杂波。
8.根据权利要求7所述的合成孔径雷达稀疏成像方法,其特征在于:由所述无模糊图像信号组成的图像包括多个像素,并且所述基于杂波聚类技术对所述无模糊图像信号进行杂波定位的步骤包括:
第一步,建立一个以当前像素为中心的二维窗口,通过所述二维窗口选取所述图像中的任一像素区域,并将杂波像素进行标记;
第二步,计算所述二维窗口中被掩盖为杂波的像素的数量,所述被掩盖为杂波的像素的判定方式为:当一个像素在其周围的大多数像素都是杂波的情况下,将该像素视为杂波像素;
第三步,对所有像素进行聚类处理,以获取所述图像中的杂波位置。
9.根据权利要求1所述的合成孔径雷达稀疏成像方法,其特征在于:所述步骤S7包括对已抑制杂波的所述联合加权稀疏约束的无模糊图像信号进行如下处理:
第一步,将加权
Figure 545955DEST_PATH_IMAGE041
范数表示为其近似值:
Figure 697581DEST_PATH_IMAGE049
其中,
Figure 931117DEST_PATH_IMAGE050
Figure 27249DEST_PATH_IMAGE050
的第
Figure 4432DEST_PATH_IMAGE051
个元素且
Figure 135199DEST_PATH_IMAGE052
是一个小的大于零的常数;
第二步,使用坐标下降法迭代计算共轭梯度方程
Figure 274056DEST_PATH_IMAGE053
的 无封闭形式的解,并通过数值迭代的方式求出
Figure 998430DEST_PATH_IMAGE054
,得到
Figure 513725DEST_PATH_IMAGE055
,其中, 共轭梯度矩阵由下式给出:
Figure 764578DEST_PATH_IMAGE056
Figure 74336DEST_PATH_IMAGE057
其中,
Figure 410640DEST_PATH_IMAGE058
是海赛矩阵;
第三步,采用基于拟牛顿法计算海赛矩阵的近似值
Figure 604992DEST_PATH_IMAGE059
以 替代
Figure 710351DEST_PATH_IMAGE060
矩阵,其中,
Figure 191011DEST_PATH_IMAGE061
Figure 749031DEST_PATH_IMAGE062
Figure 871708DEST_PATH_IMAGE063
是坐标下降算法的第l-1次迭 代过程中对
Figure 565994DEST_PATH_IMAGE064
Figure 358501DEST_PATH_IMAGE047
Figure 669397DEST_PATH_IMAGE048
的估计值;
第四步,通过共轭梯度方法来求解
Figure 330185DEST_PATH_IMAGE064
Figure 878978DEST_PATH_IMAGE065
Figure 232599DEST_PATH_IMAGE048
的估计值;
第五步,重复第一步至第四步,直至迭代结束,以重构出所述稀疏合成孔径雷达图像。
10.根据权利要求1所述的合成孔径雷达稀疏成像方法,其特征在于:所述步骤S8包括:
第一步,使用方位傅立叶变换将所述重构出的稀疏合成孔径雷达图像中的
Figure 640578DEST_PATH_IMAGE066
Figure 839478DEST_PATH_IMAGE067
Figure 508357DEST_PATH_IMAGE068
变换到距离多普勒域中,得到如下形式的信号:
Figure 32879DEST_PATH_IMAGE069
其中,
Figure 52788DEST_PATH_IMAGE070
,
Figure 930745DEST_PATH_IMAGE071
Figure 719709DEST_PATH_IMAGE072
分别是
Figure 149554DEST_PATH_IMAGE073
Figure 391179DEST_PATH_IMAGE067
Figure 197461DEST_PATH_IMAGE068
的复数多普勒谱 的矩阵形式;
第二步,利用相位自聚焦技术提取出所述稀疏合成孔径雷达图像在距离多普勒域中的 相位误差,所述相位误差标记为
Figure 981878DEST_PATH_IMAGE074
,并对所述稀疏合成孔径雷达图像进行相位误差补偿;
第三步,将经相位补偿后的
Figure 317044DEST_PATH_IMAGE075
转换到二维时域,以获得所述无模糊的合成孔径 雷达图像。
11.一种合成孔径雷达成像装置,其特征在于,包括:
数据采集模块,用于采集以预设的速度沿直线轨迹运动的合成孔径雷达向目标区域发射的线性调频信号的回波信号;
预处理模块,用于基于所述线性调频信号的回波信号构建距离-多普勒域内的多普勒模糊信号,并对所述多普勒模糊信号进行聚焦处理,得到距离-多普勒算法聚焦的信号,随之对所述距离-多普勒算法聚焦的信号进行方位向逆匹配滤波处理以构建离散化图像信号;
加权模块,用于结合天线方向图先验知识,构造权值矩阵,并基于所述离散化图像信号以及所述权值矩阵建立联合加权稀疏约束的无模糊图像信号;
杂波抑制模块,用于确定所述联合加权稀疏约束的无模糊图像信号中的杂波位置,并对杂波进行抑制处理;
图像重构模块,用于通过优化算法,根据已抑制杂波的所述联合加权稀疏约束的无模糊图像信号重构稀疏合成孔径雷达图像;
合成模块,用于对所述重构出的稀疏合成孔径雷达图像进行相干多普勒频谱合成,以获得无模糊的合成孔径雷达图像。
12.一种电子设备,其特征在于,包括存储器和处理器;所述存储器存储有计算机程序,所述处理器用于运行所述存储器内的计算机程序,以执行权利要求1至10中任一项所述的合成孔径雷达稀疏成像方法中的步骤。
13.一种存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至10中任一项所述的合成孔径雷达稀疏成像方法中的步骤。
CN202111147222.2A 2021-09-29 2021-09-29 合成孔径雷达稀疏成像方法、装置、电子设备及存储介质 Active CN113589287B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111147222.2A CN113589287B (zh) 2021-09-29 2021-09-29 合成孔径雷达稀疏成像方法、装置、电子设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111147222.2A CN113589287B (zh) 2021-09-29 2021-09-29 合成孔径雷达稀疏成像方法、装置、电子设备及存储介质

Publications (2)

Publication Number Publication Date
CN113589287A true CN113589287A (zh) 2021-11-02
CN113589287B CN113589287B (zh) 2021-12-10

Family

ID=78242588

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111147222.2A Active CN113589287B (zh) 2021-09-29 2021-09-29 合成孔径雷达稀疏成像方法、装置、电子设备及存储介质

Country Status (1)

Country Link
CN (1) CN113589287B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114442080A (zh) * 2022-01-29 2022-05-06 南京隼眼电子科技有限公司 运动目标速度解模糊方法、装置、电子设备及存储介质
CN114488148A (zh) * 2022-01-12 2022-05-13 南京航空航天大学 一种基于稀疏tops-sar成像模式实现方法
CN117970330A (zh) * 2024-03-29 2024-05-03 月明星(北京)科技有限公司 基于聚合像素的时序干涉sar滤波方法和装置

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103439693A (zh) * 2013-08-16 2013-12-11 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
CN103605116A (zh) * 2013-12-04 2014-02-26 西安电子科技大学 基于稀疏分析的成像雷达通道参数在线补偿方法
CN103698763A (zh) * 2013-12-12 2014-04-02 电子科技大学 基于硬阈值omp的线阵sar稀疏成像方法
CN108226928A (zh) * 2017-12-18 2018-06-29 西安电子科技大学 基于期望传播算法的逆合成孔径雷达成像方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103439693A (zh) * 2013-08-16 2013-12-11 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
CN103605116A (zh) * 2013-12-04 2014-02-26 西安电子科技大学 基于稀疏分析的成像雷达通道参数在线补偿方法
CN103698763A (zh) * 2013-12-12 2014-04-02 电子科技大学 基于硬阈值omp的线阵sar稀疏成像方法
CN108226928A (zh) * 2017-12-18 2018-06-29 西安电子科技大学 基于期望传播算法的逆合成孔径雷达成像方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
侯育星等: "《InSAR通道联合稀疏贝叶斯特征化成像》", 《雷达学报》 *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114488148A (zh) * 2022-01-12 2022-05-13 南京航空航天大学 一种基于稀疏tops-sar成像模式实现方法
CN114488148B (zh) * 2022-01-12 2024-03-29 南京航空航天大学 一种基于稀疏tops-sar成像模式实现方法
CN114442080A (zh) * 2022-01-29 2022-05-06 南京隼眼电子科技有限公司 运动目标速度解模糊方法、装置、电子设备及存储介质
CN114442080B (zh) * 2022-01-29 2023-10-20 南京隼眼电子科技有限公司 运动目标速度解模糊方法、装置、电子设备及存储介质
CN117970330A (zh) * 2024-03-29 2024-05-03 月明星(北京)科技有限公司 基于聚合像素的时序干涉sar滤波方法和装置
CN117970330B (zh) * 2024-03-29 2024-06-11 月明星(北京)科技有限公司 基于聚合像素的时序干涉sar滤波方法和装置

Also Published As

Publication number Publication date
CN113589287B (zh) 2021-12-10

Similar Documents

Publication Publication Date Title
CN113589287B (zh) 合成孔径雷达稀疏成像方法、装置、电子设备及存储介质
Di Martino et al. Filtering of azimuth ambiguity in stripmap synthetic aperture radar images
CN110275166B (zh) 基于admm的快速稀疏孔径isar自聚焦与成像方法
CN108051809B (zh) 基于Radon变换的运动目标成像方法、装置及电子设备
Guarnieri Adaptive removal of azimuth ambiguities in SAR images
CN104698457B (zh) 一种迭代曲面预测InSAR成像及高度估计方法
CN108279404B (zh) 一种基于空间谱估计的双通道sar相位误差校正方法
CN106772376B (zh) 基于改进的rda进行合成孔径雷达图像目标旁瓣抑制的方法
CN111624574A (zh) 弱目标探测的目标检测方法、系统、存储介质和装置
CN111142105A (zh) 复杂运动目标isar成像方法
CN109669182B (zh) 无源双基地sar动/静目标联合稀疏成像方法
CN112415515B (zh) 一种机载圆迹sar对不同高度目标分离的方法
Martorella Introduction to inverse synthetic aperture radar
Peng et al. Inverse synthetic aperture radar rotation velocity estimation based on phase slope difference of two prominent scatterers
Wei et al. CARNet: An effective method for SAR image interference suppression
CN108020834B (zh) 基于改进edpca的运动目标检测方法、装置及电子设备
Long et al. An azimuth ambiguity suppression method based on local azimuth ambiguity-to-signal ratio estimation
Liu et al. Ambiguities Suppression for Azimuth Multichannel SAR Based on ${L_ {2, q}} $ Regularization With Application to Gaofen-3 Ultra-Fine Stripmap Mode
CN110133646A (zh) 基于nlcs成像的双基前视sar的多通道两脉冲杂波对消方法
CN108957430A (zh) 基于距离-多普勒图的高频雷达射频干扰区域提取方法
CN114780911B (zh) 一种基于深度学习的海洋宽测绘带距离解模糊方法
CN110657742A (zh) 含水层形变信号分离方法、装置、设备及可读存储介质
CN113589283B (zh) 一种基于星载干涉成像高度计的船只kelvin尾迹高程的提取方法
CN113885026A (zh) 运动目标的sar稀疏成像方法、装置、电子设备及存储介质
CN113945901A (zh) 一种压缩感知抑制射频干扰的工程实现方法

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