CN114895305A - 一种基于l1范数正则化的稀疏sar自聚焦成像方法及装置 - Google Patents
一种基于l1范数正则化的稀疏sar自聚焦成像方法及装置 Download PDFInfo
- Publication number
- CN114895305A CN114895305A CN202210402788.3A CN202210402788A CN114895305A CN 114895305 A CN114895305 A CN 114895305A CN 202210402788 A CN202210402788 A CN 202210402788A CN 114895305 A CN114895305 A CN 114895305A
- Authority
- CN
- China
- Prior art keywords
- phase
- sparse
- correction vector
- self
- phase correction
- 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
Links
- 238000003384 imaging method Methods 0.000 title claims abstract description 71
- 238000012937 correction Methods 0.000 claims abstract description 46
- 239000013598 vector Substances 0.000 claims abstract description 40
- 238000000034 method Methods 0.000 claims abstract description 30
- 239000011159 matrix material Substances 0.000 claims description 10
- 238000001914 filtration Methods 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 6
- 238000004088 simulation Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 241001643392 Cyclea Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
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
- G01S13/9004—SAR image acquisition techniques
- G01S13/9019—Auto-focussing of the SAR signals
-
- 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
- G01S7/418—Theoretical aspects
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
本发明公开了一种基于L1范数正则化的稀疏合成孔径雷达自聚焦成像方法及装置,首先,基于采集的有相位误差的回波数据,构建稀疏SAR自聚焦成像模型;其次,用相位校正矢量校正后的回波数据重构相位信息保留的稀疏SAR图像;然后,根据稀疏SAR自聚焦成像模型估计相位校正矢量校正后的回波数据中仍需补偿的相位校正矢量;最后,更新相位校正矢量,以上步骤不断迭代,直至相位误差校正矢量的变化可以忽略不计。本发明能够有效补偿相位误差,获得聚焦的、相位信息保留的稀疏SAR图像。
Description
技术领域
本发明属于稀疏信号处理和微波成像领域,具体涉及一种基于L1范数正则化的稀疏SAR自聚焦成像方法及装置。
背景技术
微波成像技术由于具有全天时、全天候工作等优点,不受日照、天气等条件的限制,在灾害监测、军事侦察等方面有着重要作用,现已在高分辨率对地观测中广泛使用[1]。合成孔径雷达(Synthetic Aperture Radar,简称SAR)是现代高分辨率微波成像技术的一种重要手段。SAR系统是一个在直线运动的平台上,向场景发射并接受电磁波,通过信号处理实现高分辨率微波成像的系统。现代SAR系统具有较高的成像分辨率和较宽的成像条带。但根据雷达分辨理论和奈奎斯特采样定理,数据量和系统硬件复杂度会随着分辨率和条带的快速提高而急剧增加,这使得雷达成像进展困难。为解决这一问题,提出了稀疏SAR成像的概念。
SAR成像中的自聚焦技术就是估计雷达搭载平台或目标的移动导致的相位误差。自聚焦算法即是利用信号处理的方式来补偿相位误差,进而获得清晰聚焦的图像。经典的自聚焦算法包括子孔径相关法(Map Drift,简称MD)、相位梯度自聚焦算法(PhaseGradient Autofocus,简称PGA)等技术。这些方法各有优缺点,其中PGA算法利用距离压缩数据的相邻脉冲来估计相位误差梯度,由于其实现效率高,鲁棒性好,在实际中得到了广泛的应用。1989年,Eichel等人首次提出了PGA算法,利用重建图像中的冗余信息,获得了相位误差的线性最小方差估计量,并证明该算法具有良好的自聚焦效果。1999年,Thompson等人提出了相位加权估计PGA,与以往算法的区别仅在于相位估计步骤,这个相位估计器可以同时在条带或聚束模式中使用。2006年,An等人将传统的PGA算法与对比度优化原理相结合,提出了一种改进的PGA算法,即对比优化PGA算法,能够更好地增强SAR图像聚焦,且失真小。目前,PGA已经形成了较为完整的体系,在整个SAR领域得到了广泛的应用,但该算法只能应用于满采样数据。为了能在欠采样的情况下实现自聚焦功能,Onhon等人将稀疏SAR成像与自聚焦算法相结合,提出了一种稀疏驱动的联合SAR成像和相位误差校正方法,在成像过程中进行相位误差校正。然而该方法是基于传统的观测矩阵的稀疏SAR成像方法实现的,对大场景二维SAR图像而言,观测矩阵规模巨大,实际工程中无法实现。因此基于算子处理的稀疏SAR自聚焦成像方法应运而生。2014年,Kelly提出了基于算子形式的稀疏SAR自聚焦成像算法,与基于传统的观测矩阵的SAR成像方法相比,该算法可直接对二维SAR回波数据进行处理,是一种工程上可用的方法,但该方法所用算子无法保留整个SAR图像的相位统计特性,制约了成像结果的后续应用范围。本发明提出了一种基于L1范数正则化的稀疏SAR自聚焦成像的方法。该方法在工程可实现的前提下,通过构建基于算子形式的稀疏SAR自聚焦成像模型,使用BiIST算法重构保留相位信息(简称保相性)稀疏SAR图像,并通过正则化问题进行相位误差的估计,可以对欠采样且存在相位失真的数据同时进行稀疏SAR成像和相位误差校正,获得良好聚焦的且保相的稀疏SAR图像。
发明内容
发明目的:本发明的目的是提供一种基于L1范数正则化的稀疏SAR自聚焦成像方法及装置,用于提高稀疏SAR成像质量。
技术方案:本发明所述的一种基于L1范数正则化的稀疏SAR自聚焦成像方法,包括以下步骤:
(1)基于采集的有相位误差的回波数据,构建稀疏SAR自聚焦成像模型;
(2)用相位校正矢量校正后的回波数据重构相位信息保留的稀疏SAR图像;
(3)根据稀疏SAR自聚焦成像模型估计相位校正矢量校正后的回波数据中仍需补偿的相位校正矢量;
(4)更新相位校正矢量。
进一步地,步骤(1)所述稀疏SAR自聚焦成像模型为:
其中,Y表示有相位误差的回波数据;X表示观测场景;表示回波模拟算子,即经典的匹配滤波SAR成像算法的逆过程;diag(d)-1表示在主对角线上有d元素的对角误差矩阵,d为相位校正矢量,其幅度为1,相位为收集到的回波数据中需要补偿的相位误差;
对于构建的稀疏SAR自聚焦成像模型,通过求解如下的L1范数正则化问题来实现场景的重建:
其中,λ为正则化参数。
进一步地,所述步骤(2)包括以下步骤:
(21)观测场景的解为:
其中,X(n)表示第n步重建的观测场景的解,表示上一次循环重建的观测场景的稀疏解,初始化为全零矩阵,W(n-1)表示上一次循环的中间变量,W(0)初始化为diag(d(m-1))Y的匹配滤波算法成像结果,m表示本发明算法的迭代步数;
(23)更新中间变量:
(24)观测场景的稀疏解为:
其中,正则化迭代参数μ取值范围为0<μ-1<1,|X(n)|K+1表示幅度图像|X(n)|的第K+1大的元素值,K表示场景非零元素的个数;
进一步地,步骤(3)所述补偿的相位校正矢量为:
其中,△d表示每一步迭代过程中的相位校正矢量的变化值,d(m-1)表示第m-1步迭代操作的相位校正矢量。
进一步地,步骤(4)所述的不断更新相位校正矢量通过以下公式实现:
d(m)=△d(m)·d(m-1)
其中,d(m)表示第m步迭代操作的相位校正矢量;若相邻两次相位校正矢量的变化量||d(m-1)-d(m)||2超过算法设定的阈值,则返回步骤(2);否则表明无需再校正相位误差,输出最终聚焦的、保相的稀疏SAR图像。
基于相同的发明构思,本发明还提供一种基于L1范数正则化的稀疏SAR自聚焦成像装置,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述计算机程序被加载至处理器时实现上述的基于L1范数正则化的稀疏SAR自聚焦成像方法。
有益效果:与现有技术相比,本发明的有益效果:通过构建基于算子形式的稀疏SAR自聚焦成像模型,使用BiIST算法重构保留相位信息(简称保相性)稀疏SAR图像,并通过正则化问题进行相位误差的估计,可以对欠采样且存在相位失真的数据同时进行稀疏SAR成像和相位误差校正,获得良好聚焦且保相的稀疏SAR图像。
附图说明
图1为基于L1范数正则化的稀疏SAR自聚焦成像方法的流程图;
图2为采用本发明的实验结果图;其中,(a)为没有相位误差的回波数据的匹配滤波成像结果;(b)、(d)、(f)分别为加二次、三次、正弦相位误差的匹配滤波成像结果;(c)、(e)、(g)分别为加如图(b)、(d)、(f)的相位误差后使用本发明得到的结果图。
具体实施方式
下面结合附图对本发明做进一步详细说明。
本发明提供一种基于L1范数正则化的稀疏SAR自聚焦成像方法,如图1所示,具体包括以下步骤:
步骤S1:基于采集的有相位误差的回波数据,构建稀疏SAR自聚焦成像模型。
稀疏SAR成像模型是基于理想的线性观测系统构建的。然而,在实际情况下,线性观测系统是不完善的。平台非理想运动引起的相位误差会对形成的图像产生失真。在大多数SAR系统中,相位误差只是方位向位置的函数。本发明只考虑了方位向上的相位误差,则稀疏SAR自聚焦成像模型可表示为
其中,Y表示有相位误差的回波数据,X表示观测场景,表示回波模拟算子,即经典的匹配滤波SAR成像算法的逆过程。diag(d)-1表示在主对角线上有d元素的对角误差矩阵,其相位为收集到的回波数据中需要补偿的相位误差。
对于构建的稀疏SAR自聚焦成像模型,可通过求解如下的L1范数正则化问题来实现场景的重建:
其中,λ为正则化参数。
步骤S2:用相位校正矢量校正后的回波数据重构相位信息保留的稀疏SAR图像。
上述L1范数正则化问题可通过BiIST算法解决,BiIST算法得到的重建图像保留了相位信息,用于后续估计相位误差;以第n步迭代为例,其中n为BiIST算法的迭代次数,BiIST的迭代过程可表示为:
1)观测场景的解为:
其中,X(n)表示第n步重建的观测场景的=解,表示上一次循环重建的观测场景的稀疏解,初始化为全零矩阵,W(n-1)表示上一次循环的中间变量,W(0)初始化为diag(d(m-1))Y的匹配滤波算法成像结果,m表示本发明算法的迭代步数。
2)更新中间变量:
3)观测场景的稀疏解为:
其中,正则化迭代参数μ取值范围为0<μ-1<1,|X(n)|K+1表示幅度图像|X(n)|的第K+1大的元素值,K表示场景非零元素的个数。
步骤S3:根据稀疏SAR自聚焦成像模型估计相位校正矢量校正后的回波数据中仍需补偿的相位校正矢量。
其中,△d表示每一步迭代过程中的相位校正矢量的变化值,d(m-1)表示第m-1步迭代操作的相位校正矢量。
步骤S4:更新相位校正矢量。
d(m)=△d(m)·d(m-1)
其中,d(m)表示第m步迭代操作的相位校正矢量。
S2至S4不断迭代,直至相位误差校正矢量的变化可以忽略不计:若相邻两次相位校正矢量的变化量||d(m-1)-d(m)||2超过算法设定的阈值,则返回步骤S2;否则表明无需再校正相位误差,输出最终聚焦的、保相的稀疏SAR图像。
下面通过实际数据,对本发明提出的一种基于L1范数正则化的稀疏SAR自聚焦成像方法进行验证;实验结果如图2所示。图2(a)为没有相位误差的回波数据的匹配滤波成像结果;图2(b)、(d)、(f)分别为加了二次、三次、正弦相位误差的匹配滤波成像结果;图2(c)、(e)、(g)分别为加如图2(b)、(d)、(f)的相位误差后使用本发明的基于L1范数正则化的稀疏SAR自聚焦成像方法得到的结果。从实验结果可以发现,向回波数据中加入不同类型的相位误差,传统的匹配滤波方法得到的图像是散焦的。而本发明基于L1范数正则化的稀疏SAR自聚焦成像方法能够有效地解决此类问题,针对加入的不同类型的相位误差,不仅可以实现稀疏SAR成像,还可以有效补偿相位误差,获得高质量的、保相的聚焦图像。
基于相同的发明构思,本发明还提供一种基于L1范数正则化的稀疏SAR自聚焦成像装置,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述计算机程序被加载至处理器时实现上述的基于L1范数正则化的稀疏SAR自聚焦成像方法。
另外需要说明的是,在上述具体实施方式中所描述的各个具体技术特征,在不矛盾的情况下,可以通过任何合适的方式进行组合。为了避免不必要的重复,本发明对各种可能的组合方式不再另行说明。
Claims (6)
1.一种基于L1范数正则化的稀疏SAR自聚焦成像方法,其特征在于,包括以下步骤:
(1)基于采集的有相位误差的回波数据,构建稀疏SAR自聚焦成像模型;
(2)用相位校正矢量校正后的回波数据重构相位信息保留的稀疏SAR图像;
(3)根据稀疏SAR自聚焦成像模型估计相位校正矢量校正后的回波数据中仍需补偿的相位校正矢量;
(4)更新相位校正矢量。
3.根据权利要求1所述的基于L1范数正则化的稀疏SAR自聚焦成像方法,其特征在于,所述步骤(2)包括以下步骤:
(21)观测场景的解为:
其中,X(n)表示第n步重建的观测场景的解,表示上一次循环重建的观测场景的稀疏解,初始化为全零矩阵,W(n-1)表示上一次循环的中间变量,W(0)初始化为diag(d(m-1))Y的匹配滤波算法成像结果,m表示本发明算法的迭代步数;
(23)更新中间变量:
(24)观测场景的稀疏解为:
其中,正则化迭代参数μ取值范围为0<μ-1<1,|X(n)|K+1表示幅度图像|X(n)|的第K+1大的元素值,K表示场景非零元素的个数;
5.根据权利要求1所述的基于L1范数正则化的稀疏SAR自聚焦成像方法,其特征在于,步骤(4)所述的不断更新相位校正矢量通过以下公式实现:
d(m)=△d(m)·d(m-1)
其中,d(m)表示第m步迭代操作的相位校正矢量;若相邻两次相位校正矢量的变化量||d(m-1)-d(m)||2超过算法设定的阈值,则返回步骤(2);否则表明无需再校正相位误差,输出最终聚焦的、保相的稀疏SAR图像。
6.一种基于L1范数正则化的稀疏SAR自聚焦成像装置,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述计算机程序被加载至处理器时实现根据权利要求1-5任一项所述的基于L1范数正则化的稀疏SAR自聚焦成像方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210402788.3A CN114895305B (zh) | 2022-04-18 | 2022-04-18 | 一种基于l1范数正则化的稀疏sar自聚焦成像方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210402788.3A CN114895305B (zh) | 2022-04-18 | 2022-04-18 | 一种基于l1范数正则化的稀疏sar自聚焦成像方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114895305A true CN114895305A (zh) | 2022-08-12 |
CN114895305B CN114895305B (zh) | 2024-03-29 |
Family
ID=82718397
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210402788.3A Active CN114895305B (zh) | 2022-04-18 | 2022-04-18 | 一种基于l1范数正则化的稀疏sar自聚焦成像方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114895305B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114581766A (zh) * | 2022-01-19 | 2022-06-03 | 南京航空航天大学 | 一种基于三通道稀疏sar图像数据的目标分类方法 |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080297405A1 (en) * | 2007-04-06 | 2008-12-04 | Morrison Jr Robert L | Synthetic Aperture focusing techniques |
US20120206292A1 (en) * | 2011-02-11 | 2012-08-16 | Boufounos Petros T | Synthetic Aperture Radar Image Formation System and Method |
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 |
CN104391295A (zh) * | 2014-09-02 | 2015-03-04 | 电子科技大学 | 一种图像熵最优的压缩传感sar稀疏自聚焦成像方法 |
US20150260839A1 (en) * | 2014-03-17 | 2015-09-17 | Raytheon Company | High-availability isar image formation |
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 |
CN109633646A (zh) * | 2019-01-21 | 2019-04-16 | 中国人民解放军陆军工程大学 | 一种基于加权l1范数约束的双基地isar成像方法 |
US10310074B1 (en) * | 2014-03-27 | 2019-06-04 | Hrl Laboratories, Llc | System and method for denoising synthetic aperture radar (SAR) images via sparse and low-rank (SLR) decomposition and using SAR images to image a complex scene |
CN110703249A (zh) * | 2019-11-05 | 2020-01-17 | 中国民航大学 | 稳健高效合成孔径雷达多元特征增强成像方法 |
CN113030964A (zh) * | 2021-02-04 | 2021-06-25 | 中国人民解放军陆军工程大学 | 基于复Laplace先验的双基地ISAR稀孔径高分辨成像方法 |
CN113567982A (zh) * | 2021-07-16 | 2021-10-29 | 南京航空航天大学 | 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 |
CN113933837A (zh) * | 2021-09-28 | 2022-01-14 | 南京航空航天大学 | 一种基于l2,1/2范数的无模糊稀疏sar成像方法 |
CN113933804A (zh) * | 2021-12-16 | 2022-01-14 | 中国科学院空天信息创新研究院 | 一种图像域方位向多通道sar误差校正方法 |
CN114019507A (zh) * | 2021-10-27 | 2022-02-08 | 南京航空航天大学 | 一种基于l1/2范数正则化的sar干涉图生成方法 |
-
2022
- 2022-04-18 CN CN202210402788.3A patent/CN114895305B/zh active Active
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080297405A1 (en) * | 2007-04-06 | 2008-12-04 | Morrison Jr Robert L | Synthetic Aperture focusing techniques |
US20120206292A1 (en) * | 2011-02-11 | 2012-08-16 | Boufounos Petros T | Synthetic Aperture Radar Image Formation System and Method |
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 |
US20150260839A1 (en) * | 2014-03-17 | 2015-09-17 | Raytheon Company | High-availability isar image formation |
US10310074B1 (en) * | 2014-03-27 | 2019-06-04 | Hrl Laboratories, Llc | System and method for denoising synthetic aperture radar (SAR) images via sparse and low-rank (SLR) decomposition and using SAR images to image a complex scene |
CN104391295A (zh) * | 2014-09-02 | 2015-03-04 | 电子科技大学 | 一种图像熵最优的压缩传感sar稀疏自聚焦成像方法 |
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 |
CN109633646A (zh) * | 2019-01-21 | 2019-04-16 | 中国人民解放军陆军工程大学 | 一种基于加权l1范数约束的双基地isar成像方法 |
CN110703249A (zh) * | 2019-11-05 | 2020-01-17 | 中国民航大学 | 稳健高效合成孔径雷达多元特征增强成像方法 |
CN113030964A (zh) * | 2021-02-04 | 2021-06-25 | 中国人民解放军陆军工程大学 | 基于复Laplace先验的双基地ISAR稀孔径高分辨成像方法 |
CN113567982A (zh) * | 2021-07-16 | 2021-10-29 | 南京航空航天大学 | 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 |
CN113933837A (zh) * | 2021-09-28 | 2022-01-14 | 南京航空航天大学 | 一种基于l2,1/2范数的无模糊稀疏sar成像方法 |
CN114019507A (zh) * | 2021-10-27 | 2022-02-08 | 南京航空航天大学 | 一种基于l1/2范数正则化的sar干涉图生成方法 |
CN113933804A (zh) * | 2021-12-16 | 2022-01-14 | 中国科学院空天信息创新研究院 | 一种图像域方位向多通道sar误差校正方法 |
Non-Patent Citations (3)
Title |
---|
HUI BI等: "A Novel Iterative Thresholding Algorithm for Complex Image Based Sparse SAR Imaging", 《EUSAR 2018; 12TH EUROPEAN CONFERENCE ON SYNTHETIC APERTURE RADAR》, pages 1453 - 1457 * |
丁逊等: "基于相参积累的捷变频雷达系统相位误差估计与稀疏场景重构算法", 《系统工程与电子技术》, no. 6, pages 1515 - 1523 * |
徐刚等: "基于稀疏约束最优化的ISAR相位自聚焦成像算法", 《电子学报》, no. 9, pages 1772 - 1777 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114581766A (zh) * | 2022-01-19 | 2022-06-03 | 南京航空航天大学 | 一种基于三通道稀疏sar图像数据的目标分类方法 |
Also Published As
Publication number | Publication date |
---|---|
CN114895305B (zh) | 2024-03-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Kang et al. | Compressive sensing based SAR imaging and autofocus using improved Tikhonov regularization | |
CN112099008B (zh) | 基于cv-admmn的sa-isar成像与自聚焦方法 | |
Xu et al. | High-resolution inverse synthetic aperture radar imaging and scaling with sparse aperture | |
CN110244303B (zh) | 基于sbl-admm的稀疏孔径isar成像方法 | |
Rao et al. | Adaptive sparse recovery by parametric weighted L $ _ {1} $ minimization for ISAR imaging of uniformly rotating targets | |
CN110068805B (zh) | 基于变分贝叶斯推论的高速目标hrrp重构方法 | |
WO2023045431A1 (zh) | 逆合成孔径雷达成像方法、装置、电子设备及存储介质 | |
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 | |
CN111679277A (zh) | 一种基于sbrim算法的多基线层析sar三维成像方法 | |
CN112130150B (zh) | 一种基于压缩感知的可变脉冲重复间隔sar成像方法 | |
CN111722227B (zh) | 基于近似观测矩阵的聚束sar压缩感知成像方法 | |
Güngör et al. | Autofocused compressive SAR imaging based on the alternating direction method of multipliers | |
Kang et al. | SAR image reconstruction via incremental imaging with compressive sensing | |
CN114895305B (zh) | 一种基于l1范数正则化的稀疏sar自聚焦成像方法及装置 | |
Kang et al. | Efficient SAR imaging integrated with autofocus via compressive sensing | |
CN112147608A (zh) | 一种快速高斯网格化非均匀fft穿墙成像雷达bp方法 | |
Smith et al. | A vision transformer approach for efficient near-field SAR super-resolution under array perturbation | |
CN113608218B (zh) | 一种基于后向投影原理的频域干涉相位稀疏重构方法 | |
CN115032638A (zh) | 一种基于压缩感知的双基sar相位同步精度提升方法 | |
Önhon et al. | A nonquadratic regularization-based technique for joint SAR imaging and model error correction | |
CN114019507A (zh) | 一种基于l1/2范数正则化的sar干涉图生成方法 | |
CN108931770B (zh) | 基于多维贝塔过程线性回归的isar成像方法 | |
CN113484862B (zh) | 一种自适应的高分宽幅sar清晰重构成像方法 | |
CN113030963B (zh) | 联合残余相位消除的双基地isar稀疏高分辨成像方法 | |
CN112946644B (zh) | 基于最小化卷积加权l1范数的稀疏孔径ISAR成像方法 |
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 |