CN114371479B - 一种参数化稀疏表征的机载sar运动目标聚焦方法 - Google Patents

一种参数化稀疏表征的机载sar运动目标聚焦方法 Download PDF

Info

Publication number
CN114371479B
CN114371479B CN202210279402.4A CN202210279402A CN114371479B CN 114371479 B CN114371479 B CN 114371479B CN 202210279402 A CN202210279402 A CN 202210279402A CN 114371479 B CN114371479 B CN 114371479B
Authority
CN
China
Prior art keywords
matrix
phase compensation
focusing
target
residual
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
CN202210279402.4A
Other languages
English (en)
Other versions
CN114371479A (zh
Inventor
陈一畅
刘奇勇
洪亮
周乐
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.)
Air Force Early Warning Academy
Original Assignee
Air Force Early Warning Academy
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 Air Force Early Warning Academy filed Critical Air Force Early Warning Academy
Priority to CN202210279402.4A priority Critical patent/CN114371479B/zh
Publication of CN114371479A publication Critical patent/CN114371479A/zh
Application granted granted Critical
Publication of CN114371479B publication Critical patent/CN114371479B/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
    • G01S13/9021—SAR image post-processing techniques
    • 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
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
    • G01S7/41—Details 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

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

本发明一种参数化稀疏表征的机载合成孔径雷达SAR运动目标聚焦方法，以经SAR距离徙动成像算法处理过的散焦的动目标复数图像数据为输入数据，以目标距离、方位二维速度参数构建动目标散焦数据相位补偿函数；然后基于速度参数候选集合中的每一个元素构成的相位补偿函数对散焦数据进行单步阈值迭代运算，并计算出对应的单步阈值迭代运算后的残差信号能量；根据残差信号能量，筛选出一半的速度参数候选元素组成新的速度参数候选集合。通过多次循环迭代，筛选出唯一的速度参数候选元素。最后，以筛选出的参数候选元素构建确定的相位补偿函数，并以此函数对散焦的动目标复数图像数据进行相位补偿，获得重聚焦的动目标图像。

Description

一种参数化稀疏表征的机载SAR运动目标聚焦方法
技术领域
本发明涉及雷达成像领域，尤其涉及一种参数化稀疏表征的机载SAR运动目标聚焦方法。
背景技术
合成孔径雷达（Synthetic Aperture Radar, SAR）是一种成熟的微波遥感成像设备，能够获得目标场景距离-方位二维高分辨成像结果。现有的经典的SAR成像算法（如距离徙动算法、距离-多普勒算法）通过对SAR回波数据一系列的处理能够获得静止目标场景高分辨的电磁散射图像。但是对于运动目标，经典的SAR成像算法只能获得散焦的动目标图像。因此，如何获取聚焦良好的SAR运动目标成像结果一直是雷达成像领域的重点问题。
目前，针对SAR运动目标成像的方法大致可以分为两类。一类方法是以包含运动目标的整个场景的回波数据作为输入数据开始处理。这类方法的优势是处理流程简单，缺点是运动目标只占整个场景的一小部分，为了聚焦动目标而对整个场景的回波数据进行运算，会带来不必要的运算，并且场景中的静止目标会对运动目标成像形成干扰。另一类是以经典SAR成像算法对整个场景成像后，裁剪出的仅包含散焦动目标部分的复数图像数据作为输入数据开始处理。所裁剪出的数据被称之为ROI（region of interest）数据。这一类方法需要处理的数据量将会大为减小，能够显著提高成像效率，并且能够有效排除其他静止目标的干扰。不足之处是需要借助图像检测算法首先从整体场景SAR图像中裁剪出动目标区域。好在随着人工智能等技术的发展，图像检测算法已经能够较好地满足此项需求。
近年来，有许多学者致力于研究对机载SAR运动目标ROI数据的聚焦方法，下面重点介绍两个具有代表性的基于ROI数据的机载SAR运动目标成像方法的主要贡献以及存在的不足。
1.Yuan Zhang, Jinping Sun, Peng Lei, Gang Li, and Wen Hong, High-resolution SAR-based ground moving target imaging with defocused ROI data,IEEE Transactions on Geoscience and Remote Sensing, vol. 54, no. 2, pp. 1062–1073, Feb. 2016.
该文献中提出的机载SAR动目标成像方法即是以ROI数据作为输入数据，利用二维等效速度构建ROI数据的相位补偿函数。相比于其他SAR动目标成像方法，该方法能够有效去除场景中静止目标对动目标聚焦成像的干扰，获得高分辨的成像结果。但是该方法在获取目标二维速度时需要在方位向和距离向二维速度空间全域搜索，完成相位补偿后，还需要进行插值运算，因此该方法实现效率不高。
2. Yichang Chen, Gang Li, Qun Zhang, and Jinping Sun, Refocusing ofmoving targets in SAR images via parametric sparse representation, 2017, 9(8), 795.
该文献同样是采用动目标散焦的ROI数据作为输入量，不同之处是构建ROI数据的参数化稀疏表征模型，以目标运动参数作为稀疏模型中的动态变化参数，将运动目标成像问题转化为动态稀疏字典下的稀疏重构问题。在求解稀疏解时，该方法采用交替迭代的思想，迭代的求解稀疏图像和目标运动参数。该方法避免了对目标速度空间的全域搜索和插值运算，能够显著提高效率，得益于稀疏重构原理该方法也能够对目标电磁散射图像旁瓣进行有效抑制。但是该方法需要给定目标运动参数迭代初值，并且该初值需要与真值间的误差足够小，才能保证迭代过程收敛，因此实际使用中具有一定局限性。
通过上述对现有的基于ROI数据的机载SAR运动目标成像方法的总结可以看出，理论上稀疏类方法成像效果要优于非稀疏类的方法，且效率要更高，但是现有的稀疏类机载SAR动目标成像方法无法保证算法收敛、获得全局最优解，因此很难运用到实际的机载SAR系统的运动目标成像中。
发明内容
本发明的目的在于针对上述现有技术的不足，提供了一种参数化稀疏表征的机载SAR运动目标聚焦方法，无需确定目标运动参数初值，且能够保证获取全局最优解，并且表现出较好的鲁棒性。
为实现上述目的，本发明采用了如下技术方案：
本发明提供了一种参数化稀疏表征的机载SAR运动目标聚焦方法，包括以下步骤：
S1、确定聚焦方法所需输入的数据
利用距离徒动算法对整个场景的回波数据进行成像处理，从所述整个场景的成像结果中提出散焦的动目标图像复数数据，即ROI数据，记为二维矩阵
Figure 840344DEST_PATH_IMAGE001
，其中，所述二维矩阵
Figure 815253DEST_PATH_IMAGE002
的尺寸为
Figure 234733DEST_PATH_IMAGE003
，
Figure 382818DEST_PATH_IMAGE004
为距离维度采样点数，
Figure 938564DEST_PATH_IMAGE005
为方位维采样点数，将所述ROI数据作为初始化的残差矩阵
Figure 802484DEST_PATH_IMAGE006
；
S2、初始化
分别确定目标距离维度速度区间和目标方位维度速度区间，在所述目标距离维度速度区间和目标方位维度速度区间内进行离散化采样，目标距离维度的采样步长和目标方位维度的采样步长分别为和
Figure 709260DEST_PATH_IMAGE007
和
Figure 847986DEST_PATH_IMAGE008
；将得到的二维速度离散值两两组合形成一个相位补偿因子候选集合
Figure 789397DEST_PATH_IMAGE009
；
S3、构建聚焦算子
构造基于目标距离-方位二维速度参数的聚焦算子
Figure 371688DEST_PATH_IMAGE010
，所述聚焦算子
Figure 765760DEST_PATH_IMAGE010
输入目标距离-方位二维速度参数和ROI数据，输出重聚焦结果；
S4、构建恢复算子
构造基于目标距离-方位二维速度参数的恢复算子
Figure 544115DEST_PATH_IMAGE011
，所述恢复算子
Figure 808874DEST_PATH_IMAGE011
输入目标距离-方位二维速度参数和聚焦结果，输出恢复的ROI数据；
S5、基于所述聚焦算子和所述恢复算子，对相位补偿因子候选集合
Figure 358804DEST_PATH_IMAGE012
中每一个元素分别进行一次单步软阈值迭代运算，并更新集合中每一个元素所对应的残差矩阵
Figure 240173DEST_PATH_IMAGE013
，并运算后得到残差信号能量；
S6、更新相位补偿因子候选集合
Figure 471434DEST_PATH_IMAGE014
基于所述S5中的相位补偿因子候选集合
Figure 636705DEST_PATH_IMAGE014
里每一个元素计算得到的残差信号能量排序，采用二分法去除对应残差信号能量较大的二维速度对元素，保留对应残差信号能量较小的二维速度对元素，构成更新后的相位补偿因子候选集合
Figure 498482DEST_PATH_IMAGE015
；
S7、判断所述更新后的相位补偿因子候选集合
Figure 867146DEST_PATH_IMAGE015
是否满足算法终止条件；
满足，则输出最终的聚焦结果，算法结束；
不满足，则转至所述S5继续执行。
进一步，所述S2中初始化的具体步骤为：
S21、确定所述目标距离维度速度区间和所述目标方位维度速度区间：
所述目标距离维度速度区间为
Figure 151366DEST_PATH_IMAGE016
，
所述目标方位维度速度区间为
Figure 718613DEST_PATH_IMAGE017
，
其中，
Figure 672663DEST_PATH_IMAGE018
，
Figure 263044DEST_PATH_IMAGE019
；
Figure 803485DEST_PATH_IMAGE020
；
Figure 366184DEST_PATH_IMAGE021
表示SAR平台速度；
S22、对所述目标距离维度速度区间和所述目标方位维度速度区间进行离散采样，确定候选速度集合；
所述目标距离维度速度候选集合为：
Figure 615769DEST_PATH_IMAGE022
所述目标方位维度速度候选集合为：
Figure 693446DEST_PATH_IMAGE023
其中，
Figure 335780DEST_PATH_IMAGE024
表示正整数集合；
S23、根据所述目标距离维度速度候选集合
Figure 64571DEST_PATH_IMAGE025
和所述目标方位维度速度候选集合
Figure 704630DEST_PATH_IMAGE026
生成相位补偿因子候选集合
Figure 66342DEST_PATH_IMAGE027
；
S24、初始化稀疏重构结果矩阵集合：
针对所述相位补偿因子候选集合
Figure 981208DEST_PATH_IMAGE028
中的每一个元素
Figure 111975DEST_PATH_IMAGE029
初始化稀疏重构结果矩阵
Figure 968942DEST_PATH_IMAGE030
，形成稀疏重构结果矩阵集合
Figure 755632DEST_PATH_IMAGE031
；
S25、初始化残差矩阵集合：
针对所述相位补偿因子候选集合
Figure 270927DEST_PATH_IMAGE032
中的每一个元素
Figure 725042DEST_PATH_IMAGE033
初始化残差矩阵
Figure 238063DEST_PATH_IMAGE034
，形成残差矩阵集合
Figure 574366DEST_PATH_IMAGE035
。
进一步，所述S3中聚焦算子的具体步骤为：
S31、构造二维傅里叶变换算子对所述S1中的二维矩阵
Figure 345882DEST_PATH_IMAGE036
二维傅里叶变换，得到所述ROI数据的二维频域表示，记为
Figure 388925DEST_PATH_IMAGE037
，具体计算方式如下：
Figure 338426DEST_PATH_IMAGE038
（1）
其中，
Figure 896446DEST_PATH_IMAGE039
是尺寸为
Figure 956806DEST_PATH_IMAGE040
的傅里叶变换矩阵，
Figure 916672DEST_PATH_IMAGE041
是尺寸为
Figure 20763DEST_PATH_IMAGE042
的傅里叶变换矩阵，傅里叶变换矩阵每一行每一列具体元素构造如下：
Figure 534921DEST_PATH_IMAGE043
（2）
Figure 195709DEST_PATH_IMAGE044
（3）
其中，
Figure 947765DEST_PATH_IMAGE045
表示虚数单位；
Figure 301386DEST_PATH_IMAGE046
表示圆周率常数；
Figure 771681DEST_PATH_IMAGE047
表示矩阵第a行第b列的元素坐标；
S32、基于所述S23中的相位补偿因子构造相位补偿矩阵
Figure 236161DEST_PATH_IMAGE048
，所述相位补偿矩阵
Figure 357569DEST_PATH_IMAGE048
的具体元素构造为：
Figure 819775DEST_PATH_IMAGE049
（4）
其中，
Figure 839683DEST_PATH_IMAGE050
表示雷达与目标之间的参考距离，在应用中由雷达系统测量得到；
Figure 779958DEST_PATH_IMAGE051
表示电磁波传播速度；
Figure 568922DEST_PATH_IMAGE052
表示距离维度的频率向量，尺寸为
Figure 388979DEST_PATH_IMAGE053
；
Figure 630605DEST_PATH_IMAGE054
表示方位维度的频率向量，尺寸为
Figure 374570DEST_PATH_IMAGE055
，两个频率向量中元素具体的形式如下：
Figure 283620DEST_PATH_IMAGE056
（5）
Figure 822049DEST_PATH_IMAGE057
（6）
其中，
Figure 816550DEST_PATH_IMAGE058
表示雷达信号采样率，由雷达硬件系统确定；
Figure 613473DEST_PATH_IMAGE059
表示雷达脉冲重复频率，由雷达硬件系统确定；相位补偿矩阵
Figure 314713DEST_PATH_IMAGE060
的取值与相位补偿因子
Figure 86360DEST_PATH_IMAGE061
有关；
S33、所述聚焦算子
Figure 771419DEST_PATH_IMAGE062
的具体形式为：
Figure 857187DEST_PATH_IMAGE064
（7）
其中，
Figure 475250DEST_PATH_IMAGE065
表示矩阵的Hadamard积，即矩阵对应元素相乘；
Figure 870328DEST_PATH_IMAGE066
表示距离维度傅里叶逆矩阵；
Figure 777104DEST_PATH_IMAGE067
表示方位维度傅里叶逆矩阵；聚焦算子
Figure 463300DEST_PATH_IMAGE068
定义的是一种运算规则，能够利用所述S32中的相位补偿矩阵对散焦的所述ROI数据进行聚焦处理。
进一步，所述S4中的恢复算子
Figure 139132DEST_PATH_IMAGE069
的具体实现形式为：
Figure 252582DEST_PATH_IMAGE071
（8）
其中，
Figure 381075DEST_PATH_IMAGE072
表示聚焦结果矩阵，
Figure 870962DEST_PATH_IMAGE073
表示对矩阵进行共轭处理。
进一步，对所述相位补偿因子候选集合
Figure 916147DEST_PATH_IMAGE074
中每一个元素分别进行一次单步软阈值迭代运算的具体步骤为：
S51、基于所述S3中的聚焦算子和所述残差矩阵集合
Figure 403761DEST_PATH_IMAGE075
，对所述相位补偿因子候选集合
Figure 285129DEST_PATH_IMAGE076
中每一个元素进行一次聚焦运算，聚焦结果构成集合
Figure 313128DEST_PATH_IMAGE077
，具体形式如下：
Figure 697973DEST_PATH_IMAGE078
（9）
其中，
Figure 340176DEST_PATH_IMAGE079
为相位补偿因子
Figure 505578DEST_PATH_IMAGE080
对应的聚焦结果矩阵；
Figure 274951DEST_PATH_IMAGE081
为相位补偿因子
Figure 576619DEST_PATH_IMAGE082
对应的残差矩阵；
S52、基于所述S51得到的聚焦结果集合中的元素，计算每一个相位补偿因子
Figure 671614DEST_PATH_IMAGE083
对应的过渡矩阵
Figure 511263DEST_PATH_IMAGE084
，形成过渡集合
Figure 881064DEST_PATH_IMAGE085
，具体形式如下：
Figure 240501DEST_PATH_IMAGE086
(10)
S53、计算所述过渡集合
Figure 506398DEST_PATH_IMAGE087
中每一个元素模值的中位数，形成中位数集合
Figure 380813DEST_PATH_IMAGE088
，具体形式如下：
Figure 23147DEST_PATH_IMAGE089
（11）
S54、对稀疏重构结构集合
Figure 486358DEST_PATH_IMAGE090
中每一元素进行一次阈值滤波处理，滤波门限为所述S53中所述的中位数，滤波结果形成新的稀疏重构结果集合
Figure 923155DEST_PATH_IMAGE091
，更新后的稀疏重构结果集合
Figure 284867DEST_PATH_IMAGE091
的形式如下：
Figure 199733DEST_PATH_IMAGE092
（12）
其中，
Figure 533762DEST_PATH_IMAGE093
表示对矩阵的每一个元素进行阈值滤波的函数，具体表达式如下：
Figure 938199DEST_PATH_IMAGE094
（13）
其中，
Figure 974157DEST_PATH_IMAGE095
表示取符号运算；
Figure 489452DEST_PATH_IMAGE096
表示取大值运算；
S55、更新残差矩阵集合
Figure 677988DEST_PATH_IMAGE097
：
经过单步阈值滤波后得到的稀疏重构结果并不是最终的结果，需要基于所述S4的恢复算子将稀疏重构结果反演成所述ROI数据，并计算残差矩阵
Figure 456588DEST_PATH_IMAGE098
，形成新的残差矩阵集合
Figure 792891DEST_PATH_IMAGE099
，更新后的残差矩阵集合形式为：
Figure 49560DEST_PATH_IMAGE100
（14）
S56、计算所述残差矩阵
Figure 154920DEST_PATH_IMAGE101
的能量：
基于所述S55所述更新后的残差矩阵集合
Figure 88109DEST_PATH_IMAGE102
，计算集合中每一个元素的残差矩阵
Figure 646130DEST_PATH_IMAGE103
的信号能量，具体计算方法为：
Figure 706490DEST_PATH_IMAGE104
（15）
其中，
Figure 869618DEST_PATH_IMAGE105
表示残差矩阵
Figure 786758DEST_PATH_IMAGE106
第m行第n列元素的模值，由残差矩阵能量值组成的集合记为：
Figure 300916DEST_PATH_IMAGE107
（16）。
进一步，所述更新相位补偿因子候选集合
Figure 148655DEST_PATH_IMAGE108
的具体步骤为：
S61、计算所述残差矩阵能量集合
Figure 963027DEST_PATH_IMAGE109
中的元素取值的中位数，记为
Figure 519911DEST_PATH_IMAGE110
，即所述残差矩阵能量集合
Figure 990206DEST_PATH_IMAGE109
中有一半的元素值大于
Figure 189106DEST_PATH_IMAGE111
，另一半元素值小于
Figure 61248DEST_PATH_IMAGE111
；
S62、基于所述残差能量值中位数
Figure 38300DEST_PATH_IMAGE111
，更新后的相位补偿因子候选集合
Figure 792629DEST_PATH_IMAGE112
，具体形式为：
Figure 998482DEST_PATH_IMAGE113
（17）。
进一步，所述S7中的终止条件叙述如下：
S71、计算相位补偿因子候选集合
Figure 787447DEST_PATH_IMAGE114
包含的元素的个数，记为
Figure 154974DEST_PATH_IMAGE115
；
S72、所述相位补偿因子候选集合
Figure 865441DEST_PATH_IMAGE116
包含的元素个数
Figure 671723DEST_PATH_IMAGE115
；
若
Figure 767724DEST_PATH_IMAGE117
，则转至所述S5继续执行；
若
Figure 571732DEST_PATH_IMAGE118
，则输出稀疏重构结果集合
Figure 503916DEST_PATH_IMAGE119
中唯一的元素，作为参数化稀疏表征的机载SAR运动目标聚焦方法的最终输出结果。
本发明的有益效果为：基于压缩感知参数化稀疏表征技术，采用散焦的ROI数据重建运动目标二维幅度图像。通过结合机载SAR的运动目标ROI数据与稀疏信号处理技术，能够重建出较高分辨率的运动目标像。相比于现有其他基于ROI数据的动目标成像方法；
此外，1）保留了ROI数据处理的优势，极大地降低了所需处理的数据量，并且能够有效地去除了背景杂波干；2）最终成像结果是通过稀疏重构方式获得的，能够有效抑制散射点旁瓣，是的图像质量更高高；3）虽然需要在参数空间全域搜索，但在稀疏求解迭代过程中同步优化缩小目标运动参数范围，在确保获取全局最优解的同时兼顾了算法效率。机载SAR仿真实验数据处理结果展示了该方法的有效性。
附图说明
图1为一种参数化稀疏表征的机载SAR运动目标聚焦方法的流程图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，下面结合附图，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
一种参数化稀疏表征的机载SAR运动目标聚焦方法，包括以下步骤：如图1所示，
S1、确定聚焦方法所需输入的数据
利用距离徒动算法对整个场景的回波数据进行成像处理，从所述整个场景的成像结果中提出散焦的动目标图像复数数据，即ROI数据，记为二维矩阵
Figure 113889DEST_PATH_IMAGE001
，其中，所述二维矩阵
Figure 815129DEST_PATH_IMAGE002
的尺寸为
Figure 586776DEST_PATH_IMAGE003
，
Figure 255523DEST_PATH_IMAGE004
为距离维度采样点数，
Figure 403608DEST_PATH_IMAGE005
为方位维采样点数，将所述ROI数据作为初始化的残差矩阵
Figure 959354DEST_PATH_IMAGE006
；
S2、初始化
分别确定目标距离维度速度区间和目标方位维度速度区间，在所述目标距离维度速度区间和目标方位维度速度区间内进行离散化采样，目标距离维度的采样步长和目标方位维度的采样步长分别为和
Figure 105165DEST_PATH_IMAGE007
和
Figure 808678DEST_PATH_IMAGE008
；将得到的二维速度离散值两两组合形成一个相位补偿因子候选集合
Figure 698137DEST_PATH_IMAGE009
；
S3、构建聚焦算子
构造基于目标距离-方位二维速度参数的聚焦算子
Figure 170707DEST_PATH_IMAGE010
，所述聚焦算子
Figure 736686DEST_PATH_IMAGE010
输入目标距离-方位二维速度参数和ROI数据，输出重聚焦结果；
S4、构建恢复算子
构造基于目标距离-方位二维速度参数的恢复算子
Figure 927496DEST_PATH_IMAGE011
，所述恢复算子
Figure 620646DEST_PATH_IMAGE011
输入目标距离-方位二维速度参数和聚焦结果，输出恢复的ROI数据；
其中，恢复算子
Figure 150984DEST_PATH_IMAGE011
是S3中所述聚焦算子
Figure 904176DEST_PATH_IMAGE010
的逆算子，恢复算子
Figure 316703DEST_PATH_IMAGE011
定义的运算过程是与聚焦算子
Figure 797232DEST_PATH_IMAGE010
相逆的运算过程，能够将聚焦结果矩阵恢复到ROI数据矩阵；
S5、基于所述聚焦算子和所述恢复算子，对相位补偿因子候选集合
Figure 244394DEST_PATH_IMAGE012
中每一个元素分别进行一次单步软阈值迭代运算，并更新集合中每一个元素所对应的残差矩阵
Figure 902908DEST_PATH_IMAGE013
，并运算后得到残差信号能量；
S6、更新相位补偿因子候选集合
Figure 68310DEST_PATH_IMAGE014
基于所述S5中的相位补偿因子候选集合
Figure 837683DEST_PATH_IMAGE014
里每一个元素计算得到的残差信号能量排序，采用二分法去除对应残差信号能量较大的二维速度对元素，保留对应残差信号能量较小的二维速度对元素，构成更新后的相位补偿因子候选集合
Figure 139352DEST_PATH_IMAGE015
；
S7、判断所述更新后的相位补偿因子候选集合
Figure 968767DEST_PATH_IMAGE015
是否满足算法终止条件；
满足，则输出最终的聚焦结果，算法结束；
不满足，则转至所述S5继续执行。
所述S2中初始化的具体步骤为：
S21、确定所述目标距离维度速度区间和所述目标方位维度速度区间：
所述目标距离维度速度区间为
Figure 808416DEST_PATH_IMAGE016
，
所述目标方位维度速度区间为
Figure 443797DEST_PATH_IMAGE017
，
其中，
Figure 803234DEST_PATH_IMAGE018
，
Figure 69130DEST_PATH_IMAGE019
；
Figure 943545DEST_PATH_IMAGE020
；
Figure 54721DEST_PATH_IMAGE021
表示SAR平台速度；
S22、对所述目标距离维度速度区间和所述目标方位维度速度区间进行离散采样，确定候选速度集合；
所述目标距离维度速度候选集合为：
Figure 330981DEST_PATH_IMAGE022
所述目标方位维度速度候选集合为：
Figure 17047DEST_PATH_IMAGE023
其中，
Figure 316441DEST_PATH_IMAGE024
表示正整数集合；
S23、根据所述目标距离维度速度候选集合
Figure 293624DEST_PATH_IMAGE025
和所述目标方位维度速度候选集合
Figure 627654DEST_PATH_IMAGE026
生成相位补偿因子候选集合
Figure 32090DEST_PATH_IMAGE027
；
S24、初始化稀疏重构结果矩阵集合：
针对所述相位补偿因子候选集合
Figure 553201DEST_PATH_IMAGE028
中的每一个元素
Figure 334075DEST_PATH_IMAGE029
初始化稀疏重构结果矩阵
Figure 771879DEST_PATH_IMAGE030
，形成稀疏重构结果矩阵集合
Figure 347217DEST_PATH_IMAGE031
；
S25、初始化残差矩阵集合：
针对所述相位补偿因子候选集合
Figure 621203DEST_PATH_IMAGE032
中的每一个元素
Figure 877872DEST_PATH_IMAGE033
初始化残差矩阵
Figure 186494DEST_PATH_IMAGE034
，形成残差矩阵集合
Figure 932733DEST_PATH_IMAGE035
。
所述S3中聚焦算子的具体步骤为：
S31、构造二维傅里叶变换算子对所述S1中的二维矩阵
Figure 943283DEST_PATH_IMAGE036
二维傅里叶变换，得到所述ROI数据的二维频域表示，记为
Figure 800381DEST_PATH_IMAGE037
，具体计算方式如下：
Figure 229088DEST_PATH_IMAGE038
（1）
其中，
Figure 83912DEST_PATH_IMAGE039
是尺寸为
Figure 129228DEST_PATH_IMAGE040
的傅里叶变换矩阵，
Figure 727700DEST_PATH_IMAGE041
是尺寸为
Figure 807651DEST_PATH_IMAGE042
的傅里叶变换矩阵，傅里叶变换矩阵每一行每一列具体元素构造如下：
Figure 106081DEST_PATH_IMAGE043
（2）
Figure 638693DEST_PATH_IMAGE044
（3）
其中，
Figure 40856DEST_PATH_IMAGE045
表示虚数单位；
Figure 178576DEST_PATH_IMAGE046
表示圆周率常数；
Figure 437519DEST_PATH_IMAGE047
表示矩阵第a行第b列的元素坐标；
S32、基于所述S23中的相位补偿因子构造相位补偿矩阵
Figure 395111DEST_PATH_IMAGE048
，所述相位补偿矩阵
Figure 663281DEST_PATH_IMAGE048
的具体元素构造为：
Figure 639196DEST_PATH_IMAGE049
（4）
其中，
Figure 272303DEST_PATH_IMAGE050
表示雷达与目标之间的参考距离，在应用中由雷达系统测量得到；
Figure 779508DEST_PATH_IMAGE051
表示电磁波传播速度；
Figure 523473DEST_PATH_IMAGE052
表示距离维度的频率向量，尺寸为
Figure 166944DEST_PATH_IMAGE053
；
Figure 970952DEST_PATH_IMAGE054
表示方位维度的频率向量，尺寸为
Figure 699873DEST_PATH_IMAGE055
，两个频率向量中元素具体的形式如下：
Figure 496797DEST_PATH_IMAGE056
（5）
Figure 994774DEST_PATH_IMAGE057
（6）
其中，
Figure 235263DEST_PATH_IMAGE058
表示雷达信号采样率，由雷达硬件系统确定；
Figure 389164DEST_PATH_IMAGE059
表示雷达脉冲重复频率，由雷达硬件系统确定；相位补偿矩阵
Figure 537248DEST_PATH_IMAGE060
的取值与相位补偿因子
Figure 358574DEST_PATH_IMAGE061
有关；
S33、所述聚焦算子
Figure 753652DEST_PATH_IMAGE062
的具体形式为：
Figure 457166DEST_PATH_IMAGE064
（7）
其中，
Figure 612203DEST_PATH_IMAGE065
表示矩阵的Hadamard积，即矩阵对应元素相乘；
Figure 22456DEST_PATH_IMAGE066
表示距离维度傅里叶逆矩阵；
Figure 401485DEST_PATH_IMAGE067
表示方位维度傅里叶逆矩阵；聚焦算子
Figure 795557DEST_PATH_IMAGE068
定义的是一种运算规则，能够利用所述S32中的相位补偿矩阵对散焦的所述ROI数据进行聚焦处理。
所述S4中的恢复算子
Figure 472395DEST_PATH_IMAGE069
的具体实现形式为：
Figure 268313DEST_PATH_IMAGE071
（8）
其中，
Figure 552663DEST_PATH_IMAGE072
表示聚焦结果矩阵，
Figure 168453DEST_PATH_IMAGE073
表示对矩阵进行共轭处理。
对所述相位补偿因子候选集合
Figure 665293DEST_PATH_IMAGE074
中每一个元素分别进行一次单步软阈值迭代运算的具体步骤为：
S51、基于所述S3中的聚焦算子和所述残差矩阵集合
Figure 112455DEST_PATH_IMAGE075
，对所述相位补偿因子候选集合
Figure 285816DEST_PATH_IMAGE076
中每一个元素进行一次聚焦运算，聚焦结果构成集合
Figure 123322DEST_PATH_IMAGE077
，具体形式如下：
Figure 158274DEST_PATH_IMAGE078
（9）
其中，
Figure 725522DEST_PATH_IMAGE079
为相位补偿因子
Figure 554937DEST_PATH_IMAGE080
对应的聚焦结果矩阵；
Figure 942056DEST_PATH_IMAGE081
为相位补偿因子
Figure 764388DEST_PATH_IMAGE082
对应的残差矩阵；
S52、基于所述S51得到的聚焦结果集合中的元素，计算每一个相位补偿因子
Figure 389404DEST_PATH_IMAGE083
对应的过渡矩阵
Figure 452038DEST_PATH_IMAGE084
，形成过渡集合
Figure 264136DEST_PATH_IMAGE085
，具体形式如下：
Figure 437629DEST_PATH_IMAGE086
(10)
S53、计算所述过渡集合
Figure 651572DEST_PATH_IMAGE087
中每一个元素模值的中位数，形成中位数集合
Figure 885108DEST_PATH_IMAGE088
，具体形式如下：
Figure 433770DEST_PATH_IMAGE089
（11）
S54、对稀疏重构结构集合
Figure 614215DEST_PATH_IMAGE090
中每一元素进行一次阈值滤波处理，滤波门限为所述S53中所述的中位数，滤波结果形成新的稀疏重构结果集合
Figure 744982DEST_PATH_IMAGE091
，更新后的稀疏重构结果集合
Figure 87102DEST_PATH_IMAGE091
的形式如下：
Figure 139371DEST_PATH_IMAGE092
（12）
其中，
Figure 920246DEST_PATH_IMAGE093
表示对矩阵的每一个元素进行阈值滤波的函数，具体表达式如下：
Figure 358049DEST_PATH_IMAGE094
（13）
其中，
Figure 871070DEST_PATH_IMAGE095
表示取符号运算；
Figure 207373DEST_PATH_IMAGE096
表示取大值运算；
S55、更新残差矩阵集合
Figure 729622DEST_PATH_IMAGE097
：
经过单步阈值滤波后得到的稀疏重构结果并不是最终的结果，需要基于所述S4的恢复算子将稀疏重构结果反演成所述ROI数据，并计算残差矩阵
Figure 38243DEST_PATH_IMAGE098
，形成新的残差矩阵集合
Figure 971433DEST_PATH_IMAGE099
，更新后的残差矩阵集合形式为：
Figure 998295DEST_PATH_IMAGE100
（14）
S56、计算所述残差矩阵
Figure 855392DEST_PATH_IMAGE101
的能量：
基于所述S55所述更新后的残差矩阵集合
Figure 752941DEST_PATH_IMAGE102
，计算集合中每一个元素的残差矩阵
Figure 935661DEST_PATH_IMAGE103
的信号能量，具体计算方法为：
Figure 918660DEST_PATH_IMAGE104
（15）
其中，
Figure 579449DEST_PATH_IMAGE105
表示残差矩阵
Figure 111930DEST_PATH_IMAGE106
第m行第n列元素的模值，由残差矩阵能量值组成的集合记为：
Figure 137655DEST_PATH_IMAGE107
（16）。
所述更新相位补偿因子候选集合
Figure 670268DEST_PATH_IMAGE108
的具体步骤为：
S61、计算所述残差矩阵能量集合
Figure 72430DEST_PATH_IMAGE109
中的元素取值的中位数，记为
Figure 6888DEST_PATH_IMAGE110
，即所述残差矩阵能量集合
Figure 203514DEST_PATH_IMAGE109
中有一半的元素值大于
Figure 675953DEST_PATH_IMAGE111
，另一半元素值小于
Figure 678544DEST_PATH_IMAGE111
；
S62、基于所述残差能量值中位数
Figure 405191DEST_PATH_IMAGE111
，更新后的相位补偿因子候选集合
Figure 100615DEST_PATH_IMAGE112
，具体形式为：
Figure 545503DEST_PATH_IMAGE113
（17）。
所述S7中的终止条件叙述如下：
S71、计算相位补偿因子候选集合
Figure 86205DEST_PATH_IMAGE114
包含的元素的个数，记为
Figure 932939DEST_PATH_IMAGE115
；
S72、所述相位补偿因子候选集合
Figure 986214DEST_PATH_IMAGE116
包含的元素个数
Figure 980715DEST_PATH_IMAGE115
；
若
Figure 262792DEST_PATH_IMAGE117
，则转至所述S5继续执行；
若
Figure 26349DEST_PATH_IMAGE118
，则输出稀疏重构结果集合
Figure 1258DEST_PATH_IMAGE119
中唯一的元素，作为参数化稀疏表征的机载SAR运动目标聚焦方法的最终输出结果。
实施例一
采用仿真的机载SAR回波数据进行实验来验证本发明所提出的基于参数化稀疏表征的SAR动目标聚焦方法。仿真中用到的雷达系统参数如下：射频频率
Figure 217475DEST_PATH_IMAGE120
，信号带宽
Figure 568822DEST_PATH_IMAGE121
，采样率
Figure 373836DEST_PATH_IMAGE122
，脉冲重复频率
Figure 581964DEST_PATH_IMAGE123
，脉冲宽度
Figure 488740DEST_PATH_IMAGE124
，目标方位维速度
Figure 112619DEST_PATH_IMAGE125
，目标距离维速度
Figure DEST_PATH_IMAGE126
，参考距离
Figure DEST_PATH_IMAGE127
。实验场景模拟公路上的汽车目标，包括五十五个静止散射点用于仿真公路和四个运动散射点用于模拟运动车辆，利用传统SAR成像算法对整个场景的回波数据进行成像处理，可以得出二十二个静止散射点得到很好的聚焦，而四个运动散射点出现严重散焦。剪切出ROI区域对应的复数数据，作为本发明方法的输入数据。
机载SAR数据仿真结果印证了本发明方法可以利用散焦的动目标ROI数据聚焦出高质量运动目标幅度图像。
以上所述实施例仅表达了本发明的实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。

Claims (7)

1.一种参数化稀疏表征的机载SAR运动目标聚焦方法，其特征在于：包括以下步骤：
S1、确定聚焦方法所需输入的数据
利用距离徒动算法对整个场景的回波数据进行成像处理，从所述整个场景的成像结果中提出散焦的动目标图像复数数据，即ROI数据，记为二维矩阵
Figure 511677DEST_PATH_IMAGE001
，其中，所述二维矩阵
Figure 779847DEST_PATH_IMAGE002
的尺寸为
Figure 224604DEST_PATH_IMAGE003
，
Figure 388869DEST_PATH_IMAGE004
为距离维度采样点数，
Figure 427232DEST_PATH_IMAGE005
为方位维采样点数，将所述ROI数据作为初始化的残差矩阵
Figure 108880DEST_PATH_IMAGE006
；
S2、初始化
分别确定目标距离维度速度区间和目标方位维度速度区间，在所述目标距离维度速度区间和目标方位维度速度区间内进行离散化采样，目标距离维度的采样步长和目标方位维度的采样步长分别为和
Figure 486772DEST_PATH_IMAGE007
和
Figure 618676DEST_PATH_IMAGE008
；将得到的二维速度离散值两两组合形成一个相位补偿因子候选集合
Figure 82018DEST_PATH_IMAGE009
；
S3、构建聚焦算子
构造基于目标距离-方位二维速度参数的聚焦算子
Figure 816625DEST_PATH_IMAGE010
，所述聚焦算子
Figure 111340DEST_PATH_IMAGE010
输入目标距离-方位二维速度参数和ROI数据，输出重聚焦结果；
S4、构建恢复算子
构造基于目标距离-方位二维速度参数的恢复算子
Figure 617408DEST_PATH_IMAGE011
，所述恢复算子
Figure 974571DEST_PATH_IMAGE011
输入目标距离-方位二维速度参数和聚焦结果，输出恢复的ROI数据；
S5、基于所述聚焦算子和所述恢复算子，对相位补偿因子候选集合
Figure 653814DEST_PATH_IMAGE012
中每一个元素分别进行一次单步软阈值迭代运算，并更新集合中每一个元素所对应的残差矩阵
Figure 740719DEST_PATH_IMAGE013
，并运算后得到残差信号能量；
S6、更新相位补偿因子候选集合
Figure 604638DEST_PATH_IMAGE014
基于所述S5中的相位补偿因子候选集合
Figure 573731DEST_PATH_IMAGE014
里每一个元素计算得到的残差信号能量排序，采用二分法去除对应残差信号能量较大的二维速度对元素，保留对应残差信号能量较小的二维速度对元素，构成更新后的相位补偿因子候选集合
Figure 728769DEST_PATH_IMAGE015
；
S7、判断所述更新后的相位补偿因子候选集合
Figure 873443DEST_PATH_IMAGE015
是否满足算法终止条件；
满足，则输出最终的聚焦结果，算法结束；
不满足，则转至所述S5继续执行。
2.根据权利要求1所述的一种参数化稀疏表征的机载SAR运动目标聚焦方法，其特征在于，所述S2中初始化的具体步骤为：
S21、确定所述目标距离维度速度区间和所述目标方位维度速度区间：
所述目标距离维度速度区间为
Figure 518051DEST_PATH_IMAGE016
，
所述目标方位维度速度区间为
Figure 177702DEST_PATH_IMAGE017
，
其中，
Figure 323381DEST_PATH_IMAGE018
，
Figure 119299DEST_PATH_IMAGE019
；
Figure 934808DEST_PATH_IMAGE020
；
Figure 19439DEST_PATH_IMAGE021
表示SAR平台速度；
S22、对所述目标距离维度速度区间和所述目标方位维度速度区间进行离散采样，确定候选速度集合；
所述目标距离维度速度候选集合为：
Figure 781859DEST_PATH_IMAGE022
所述目标方位维度速度候选集合为：
Figure 760179DEST_PATH_IMAGE023
其中，
Figure 684273DEST_PATH_IMAGE024
表示正整数集合；
S23、根据所述目标距离维度速度候选集合
Figure 239888DEST_PATH_IMAGE025
和所述目标方位维度速度候选集合
Figure 602736DEST_PATH_IMAGE026
生成相位补偿因子候选集合
Figure 638825DEST_PATH_IMAGE027
；
S24、初始化稀疏重构结果矩阵集合：
针对所述相位补偿因子候选集合
Figure 405924DEST_PATH_IMAGE028
中的每一个元素
Figure 589781DEST_PATH_IMAGE029
初始化稀疏重构结果矩阵
Figure 694003DEST_PATH_IMAGE030
，形成稀疏重构结果矩阵集合
Figure 505970DEST_PATH_IMAGE031
；
S25、初始化残差矩阵集合：
针对所述相位补偿因子候选集合
Figure 834183DEST_PATH_IMAGE032
中的每一个元素
Figure 177440DEST_PATH_IMAGE033
初始化残差矩阵
Figure 23036DEST_PATH_IMAGE034
，形成残差矩阵集合
Figure 768138DEST_PATH_IMAGE035
。
3.根据权利要求2所述的一种参数化稀疏表征的机载SAR运动目标聚焦方法，其特征在于，所述S3中聚焦算子的具体步骤为：
S31、构造二维傅里叶变换算子对所述S1中的二维矩阵
Figure 267253DEST_PATH_IMAGE036
二维傅里叶变换，得到所述ROI数据的二维频域表示，记为
Figure 284756DEST_PATH_IMAGE037
，具体计算方式如下：
Figure 730781DEST_PATH_IMAGE038
（1）
其中，
Figure 392706DEST_PATH_IMAGE039
是尺寸为
Figure 265984DEST_PATH_IMAGE040
的傅里叶变换矩阵，
Figure 255937DEST_PATH_IMAGE041
是尺寸为
Figure 302391DEST_PATH_IMAGE042
的傅里叶变换矩阵，傅里叶变换矩阵每一行每一列具体元素构造如下：
Figure 22085DEST_PATH_IMAGE043
（2）
Figure 253215DEST_PATH_IMAGE044
（3）
其中，
Figure 855098DEST_PATH_IMAGE045
表示虚数单位；
Figure 642925DEST_PATH_IMAGE046
表示圆周率常数；
Figure 154809DEST_PATH_IMAGE047
表示矩阵第a行第b列的元素坐标；
S32、基于所述S23中的相位补偿因子构造相位补偿矩阵
Figure 369890DEST_PATH_IMAGE048
，所述相位补偿矩阵
Figure 459068DEST_PATH_IMAGE048
的具体元素构造为：
Figure 995396DEST_PATH_IMAGE049
（4）
其中，
Figure 424103DEST_PATH_IMAGE050
表示雷达与目标之间的参考距离，在应用中由雷达系统测量得到；
Figure 872402DEST_PATH_IMAGE051
表示电磁波传播速度；
Figure 324243DEST_PATH_IMAGE052
表示距离维度的频率向量，尺寸为
Figure 453873DEST_PATH_IMAGE053
；
Figure 799404DEST_PATH_IMAGE054
表示方位维度的频率向量，尺寸为
Figure 621866DEST_PATH_IMAGE055
，两个频率向量中元素具体的形式如下：
Figure 544692DEST_PATH_IMAGE056
（5）
Figure 540329DEST_PATH_IMAGE057
（6）
其中，
Figure 678050DEST_PATH_IMAGE058
表示雷达信号采样率，由雷达硬件系统确定；
Figure 343517DEST_PATH_IMAGE059
表示雷达脉冲重复频率，由雷达硬件系统确定；相位补偿矩阵
Figure 894584DEST_PATH_IMAGE060
的取值与相位补偿因子
Figure 366017DEST_PATH_IMAGE061
有关；
S33、所述聚焦算子
Figure 810774DEST_PATH_IMAGE062
的具体形式为：
Figure 771777DEST_PATH_IMAGE064
（7）
其中，
Figure 482244DEST_PATH_IMAGE065
表示矩阵的Hadamard积，即矩阵对应元素相乘；
Figure 695050DEST_PATH_IMAGE066
表示距离维度傅里叶逆矩阵；
Figure 869680DEST_PATH_IMAGE067
表示方位维度傅里叶逆矩阵；聚焦算子
Figure 939267DEST_PATH_IMAGE068
定义的是一种运算规则，能够利用所述S32中的相位补偿矩阵对散焦的所述ROI数据进行聚焦处理。
4.根据权利要求3所述的一种参数化稀疏表征的机载SAR运动目标聚焦方法，其特征在于，所述S4中的恢复算子
Figure 589560DEST_PATH_IMAGE069
的具体实现形式为：
Figure 402795DEST_PATH_IMAGE071
（8）
其中，
Figure 697510DEST_PATH_IMAGE072
表示聚焦结果矩阵，
Figure 610103DEST_PATH_IMAGE073
表示对矩阵进行共轭处理。
5.根据权利要求4所述的一种参数化稀疏表征的机载SAR运动目标聚焦方法，其特征在于，对所述相位补偿因子候选集合
Figure 560741DEST_PATH_IMAGE074
中每一个元素分别进行一次单步软阈值迭代运算的具体步骤为：
S51、基于所述S3中的聚焦算子和所述残差矩阵集合
Figure 239984DEST_PATH_IMAGE075
，对所述相位补偿因子候选集合
Figure 326889DEST_PATH_IMAGE076
中每一个元素进行一次聚焦运算，聚焦结果构成集合
Figure 925229DEST_PATH_IMAGE077
，具体形式如下：
Figure 159901DEST_PATH_IMAGE078
（9）
其中，
Figure 314939DEST_PATH_IMAGE079
为相位补偿因子
Figure 459613DEST_PATH_IMAGE080
对应的聚焦结果矩阵；
Figure 838642DEST_PATH_IMAGE081
为相位补偿因子
Figure 498293DEST_PATH_IMAGE082
对应的残差矩阵；
S52、基于所述S51得到的聚焦结果集合中的元素，计算每一个相位补偿因子
Figure 643972DEST_PATH_IMAGE083
对应的过渡矩阵
Figure 705469DEST_PATH_IMAGE084
，形成过渡集合
Figure 786558DEST_PATH_IMAGE085
，具体形式如下：
Figure 605609DEST_PATH_IMAGE086
(10)
S53、计算所述过渡集合
Figure 102450DEST_PATH_IMAGE087
中每一个元素模值的中位数，形成中位数集合
Figure 80770DEST_PATH_IMAGE088
，具体形式如下：
Figure 191814DEST_PATH_IMAGE089
（11）
S54、对稀疏重构结构集合
Figure 826058DEST_PATH_IMAGE090
中每一元素进行一次阈值滤波处理，滤波门限为所述S53中所述的中位数，滤波结果形成新的稀疏重构结果集合
Figure 188906DEST_PATH_IMAGE091
，更新后的稀疏重构结果集合
Figure 959416DEST_PATH_IMAGE091
的形式如下：
Figure 257673DEST_PATH_IMAGE092
（12）
其中，
Figure 175951DEST_PATH_IMAGE093
表示对矩阵的每一个元素进行阈值滤波的函数，具体表达式如下：
Figure 14594DEST_PATH_IMAGE094
（13）
其中，
Figure 92140DEST_PATH_IMAGE095
表示取符号运算；
Figure 623616DEST_PATH_IMAGE096
表示取大值运算；
S55、更新残差矩阵集合
Figure 763610DEST_PATH_IMAGE097
：
经过单步阈值滤波后得到的稀疏重构结果并不是最终的结果，需要基于所述S4的恢复算子将稀疏重构结果反演成所述ROI数据，并计算残差矩阵
Figure 609206DEST_PATH_IMAGE098
，形成新的残差矩阵集合
Figure 354308DEST_PATH_IMAGE099
，更新后的残差矩阵集合形式为：
Figure 119002DEST_PATH_IMAGE100
（14）
S56、计算所述残差矩阵
Figure 870926DEST_PATH_IMAGE101
的能量：
基于所述S55所述更新后的残差矩阵集合
Figure 51372DEST_PATH_IMAGE102
，计算集合中每一个元素的残差矩阵
Figure 978877DEST_PATH_IMAGE103
的信号能量，具体计算方法为：
Figure 852155DEST_PATH_IMAGE104
（15）
其中，
Figure 842107DEST_PATH_IMAGE105
表示残差矩阵
Figure 888561DEST_PATH_IMAGE106
第m行第n列元素的模值，由残差矩阵能量值组成的集合记为：
Figure 608255DEST_PATH_IMAGE107
（16）。
6.根据权利要求5所述的一种参数化稀疏表征的机载SAR运动目标聚焦方法，其特征在于，所述更新相位补偿因子候选集合
Figure 839385DEST_PATH_IMAGE108
的具体步骤为：
S61、计算所述残差矩阵能量集合
Figure 644530DEST_PATH_IMAGE109
中的元素取值的中位数，记为
Figure 229095DEST_PATH_IMAGE110
，即所述残差矩阵能量集合
Figure 740979DEST_PATH_IMAGE109
中有一半的元素值大于
Figure 956060DEST_PATH_IMAGE111
，另一半元素值小于
Figure 45239DEST_PATH_IMAGE111
；
S62、基于所述残差能量值中位数
Figure 558128DEST_PATH_IMAGE111
，更新后的相位补偿因子候选集合
Figure 986836DEST_PATH_IMAGE112
，具体形式为：
Figure 435135DEST_PATH_IMAGE113
（17）。
7.根据权利要求6所述的一种参数化稀疏表征的机载SAR运动目标聚焦方法，其特征在于，所述S7中的终止条件叙述如下：
S71、计算相位补偿因子候选集合
Figure 886976DEST_PATH_IMAGE114
包含的元素的个数，记为
Figure 16606DEST_PATH_IMAGE115
；
S72、所述相位补偿因子候选集合
Figure 362136DEST_PATH_IMAGE116
包含的元素个数
Figure 778074DEST_PATH_IMAGE115
；
若
Figure 841845DEST_PATH_IMAGE117
，则转至所述S5继续执行；
若
Figure DEST_PATH_IMAGE118
，则输出稀疏重构结果集合
Figure DEST_PATH_IMAGE119
中唯一的元素，作为参数化稀疏表征的机载SAR运动目标聚焦方法的最终输出结果。
CN202210279402.4A 2022-03-22 2022-03-22 一种参数化稀疏表征的机载sar运动目标聚焦方法 Active CN114371479B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210279402.4A CN114371479B (zh) 2022-03-22 2022-03-22 一种参数化稀疏表征的机载sar运动目标聚焦方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210279402.4A CN114371479B (zh) 2022-03-22 2022-03-22 一种参数化稀疏表征的机载sar运动目标聚焦方法

Publications (2)

Publication Number Publication Date
CN114371479A CN114371479A (zh) 2022-04-19
CN114371479B true CN114371479B (zh) 2022-06-17

Family

ID=81145700

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210279402.4A Active CN114371479B (zh) 2022-03-22 2022-03-22 一种参数化稀疏表征的机载sar运动目标聚焦方法

Country Status (1)

Country Link
CN (1) CN114371479B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116027317B (zh) * 2023-01-06 2024-01-26 中国人民解放军空军预警学院 一种基于星载宽带雷达的海面舰船目标二维速度估计方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107561533A (zh) * 2017-07-14 2018-01-09 清华大学 一种c波段星载合成孔径雷达运动目标成像方法
WO2018129692A1 (en) * 2017-01-12 2018-07-19 Intel Corporation Image refocusing
CN109085589A (zh) * 2018-10-16 2018-12-25 中国人民解放军国防科技大学 基于图像质量引导的稀疏孔径isar成像相位自聚焦方法
CN109298420A (zh) * 2017-07-25 2019-02-01 清华大学 一种合成孔径雷达的运动目标迭代最小熵成像方法及装置
CN109856635A (zh) * 2019-02-28 2019-06-07 中国人民解放军国防科技大学 一种csar地面动目标重聚焦成像方法
CN113064167A (zh) * 2021-03-17 2021-07-02 电子科技大学 一种基于兴趣区域检测的sar成像场景划分方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8494301B2 (en) * 2010-09-16 2013-07-23 Eastman Kodak Company Refocusing images using scene captured images

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2018129692A1 (en) * 2017-01-12 2018-07-19 Intel Corporation Image refocusing
CN107561533A (zh) * 2017-07-14 2018-01-09 清华大学 一种c波段星载合成孔径雷达运动目标成像方法
CN109298420A (zh) * 2017-07-25 2019-02-01 清华大学 一种合成孔径雷达的运动目标迭代最小熵成像方法及装置
CN109085589A (zh) * 2018-10-16 2018-12-25 中国人民解放军国防科技大学 基于图像质量引导的稀疏孔径isar成像相位自聚焦方法
CN109856635A (zh) * 2019-02-28 2019-06-07 中国人民解放军国防科技大学 一种csar地面动目标重聚焦成像方法
CN113064167A (zh) * 2021-03-17 2021-07-02 电子科技大学 一种基于兴趣区域检测的sar成像场景划分方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
"High-Resolution SAR-Based Ground Moving Target Imaging With Defocused ROI Data";Yuan Zhang等;《 IEEE Transactions on Geoscience and Remote Sensing》;20150915;1062-1073 *
"Motion Compensation for Airborne SAR";Yi-Chang Chen等;《 IEEE Transactions on Geoscience and Remote Sensing》;20161031;551-562 *
"SAR图像的ROI特征配准方法";徐颖等;《信号处理》;20140131;8-13 *
"一种基于SAR稀疏采样数据的动目标运动参数估计方法";陈一畅等;《电子与信息学报》;20161231;3049-3055 *

Also Published As

Publication number Publication date
CN114371479A (zh) 2022-04-19

Similar Documents

Publication Publication Date Title
CN110726992B (zh) 基于结构稀疏和熵联合约束的sa-isar自聚焦法
CN109298420B (zh) 一种合成孔径雷达的运动目标迭代最小熵成像方法及装置
CN112946601B (zh) 基于Gauss-Seidel的高效分布式目标相位优化方法
CN107843875A (zh) 基于奇异值分解降噪的贝叶斯压缩感知雷达数据融合方法
CN114371479B (zh) 一种参数化稀疏表征的机载sar运动目标聚焦方法
CN107561533A (zh) 一种c波段星载合成孔径雷达运动目标成像方法
CN105699950A (zh) 基于自适应迭代前后向平滑共轭梯度的雷达杂波抑制方法
CN111474527B (zh) 机载stap雷达快速去互耦的杂波协方差矩阵估计方法
CN112147608A (zh) 一种快速高斯网格化非均匀fft穿墙成像雷达bp方法
CN110133656B (zh) 一种基于互质阵列的分解与融合的三维sar稀疏成像方法
Mao et al. Target fast reconstruction of real aperture radar using data extrapolation-based parallel iterative adaptive approach
CN117572435B (zh) 一种基于反卷积的多波束合成孔径声呐高分辨成像方法
Zhao et al. WAEGAN: A GANs-based data augmentation method for GPR data
CN117129994B (zh) 基于相位补偿核gnss-sar改进后向投影成像方法
CN111965645B (zh) 一种顾及几何约束的多基线植被高度反演方法及装置
CN107229050B (zh) 一种基于极坐标格式的雷达成像优化方法
CN105759264A (zh) 基于时频字典的微动目标缺损回波高分辨成像方法
CN105891826B (zh) 机载雷达快速最大后验成像方法
CN117289274A (zh) 基于优化自适应匹配追踪的单通道前视超分辨成像方法
CN108646242B (zh) 一种针对复杂目标的多子波段雷达数据融合成像方法
CN115877380A (zh) 一种sar多运动目标成像方法、装置和存储介质
CN116027293A (zh) 一种扫描雷达快速稀疏角超分辨方法
CN114910905A (zh) 相似性约束下geo星机双基sar动目标智能成像方法
CN114638874A (zh) 基于因式分解和isea的空间目标三维重构方法
CN115097429A (zh) 基于clean算法的被动声呐目标检测与航迹回溯方法

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