基于全变分的高分辨SAR联合特征增强成像算法

稀疏约束下的合成孔径雷达（Synthetic Aperture Radar, SAR）成像技术,通过对稀疏先验建模的稀疏特征进行增强,能有效获取目标特显点的有用信息,但无法对目标的结构特征进行恢复,且对不可避免的非系统误差十分敏感。为此,提出一种依靠交替方向多乘子法（Alternating Direction Method of Multipliers,ADMM）面向结构特征增强的稀疏恢复高分辨SAR成像（Structure-feature Enhancement-ADMM,SE-ADMM）算法。该算法引入全变分（Total Variation,TV）正则项建模结构特征,起到增强结构的作用;引入范数建模稀疏特征,起到压制噪声作用;引入最小熵范数建模聚焦特征,以保证算法对非系统乘性误差的不敏感性。在ADMM多特征优化框架下,利用“局部-全局”的运算机制,首先分别进行三个特征的邻近算子推导,以获得对应特征解析解,再进行目标全局优化保证特征解之间的协调平衡,以实现目标的多特征增强。另外,ADMM多特征优化框架下变量分裂和多正则项的引入,保证了算法的效率和稳健性。实验部分先后选取SAR仿真数据与实测数据来验证算法的有效性,通过相变热力图定量分析所提算法的恢复性能,进而验证了所提SE-ADMM算法的稳健性与优越性。     

高分辨SAR目标复杂结构特征增强成像算法

提出面向合成孔径雷达（Synthetic Aperture Radar,SAR）回波数据的复杂结构特征增强算法（Complex Structure Feature Enhancement Algorithm,CEA）, 面向SAR成像目标的复杂结构特征,算法利用高阶方向全变分（High-order Total Direction Variation,HOTDV）正则算子表示,面向SAR成像目标的稀疏特征,算法用正则算子表示。算法利用交替方向多乘子法（Alternating Direction Method of Multipliers,ADMM）建立多正则约束优化框架,设计复杂结构分裂变量和稀疏分裂变量,并求出分裂变量解析更新解以实现SAR成像目标的复杂结构特征与稀疏特征的增强。多正则约束优化框架中的对偶分解保证多特征多任务处理能力,增广拉格朗日项的使用则保证了算法的收敛性和稳健性。最后,设计了仿真和实测SAR数据特征增强实验以验证算法的有效性,对比多种传统结构特征增强算法以验证所提复杂结构特征增强算法的优越性。     

稳健型双层叠组LASSO逆合成孔径雷达高分辨成像算法

经典的逆合成孔径雷达(ISAR)稀疏成像算法一般通过求解范数约束的最小化问题获取稀疏恢复结果,e1但此类算法在恢复过程中很容易将某些散射强度较低的分辨单元当作背景噪声一并消除,从而导致目标部分弱散射结构特征丢失.针对这一问题,该文提出一种基于稳健型双层叠组LASSO回归模型的交替方向多乘子算法(RTGL-ADMM).该算法在ISAR目标稀疏先验的基础上,进一步引入目标散射体空间连续性结构特征先验知识,并应用e1/eF混合范数进行定量表征.接下来,在ADMM框架下引入非平滑的e1/eF混合范数惩罚项,并将距离向和方位向雷达回波复数据分别进行分组处理后再使其双层叠加,然后对混合范数对应的邻近算子进行对偶迭代运算,实现"分解-协同"框架下结构与组稀疏特征的有机调和,从而在对ISAR数据稀疏成像的同时实现结构特征增强.实验验证采用ISAR仿真复数据与Yak-42实测数据,针对RTGL-ADMM成像进行定性分析.继而采用相变曲线图定量分析RTGL-ADMM在不同参数调节下的成像能力,从而验证了该文所提算法应用于ISAR高分辨成像时的稳健性与优越性.     

基于迭代近端投影的二维欠采样合成孔径雷达成像

合成孔径成像雷达(SAR)具有数据量大、采样率高等特点,针对传统压缩感知(CS)的SAR成像存在精度低及抗噪性能差的问题,该文提出一种基于迭代近端投影(IPP)的2维欠采样合成孔径雷达成像重建方法。即通过对雷达回波构建为距离频域-方位多普勒域的2维稀疏表示模型,在此基础上将成像问题转化为距离向和方位向压缩感知稀疏重构问题,利用迭代近端投影算法的函数优化模型来表示合成孔径雷达成像中的稀疏表示,最后采用平滑削边绝对偏离(SCAD)罚函数获得近端算子以求解该模型并进行成像。仿真与实测数据处理结果表明,所提方法成像效果更好。     

结合MD自聚焦算法与回波模拟算子的快速稀疏微波成像误差补偿算法

稀疏微波成像是将稀疏信号处理理论引入微波成像中,利用系统的稀疏约束突破传统合成孔径雷达(SAR)成像中系统复杂度的瓶颈,是微波成像的新理论、新体制和新方法。在传统的机载SAR成像中都会面临非理想运动带来的回波相位误差问题,可通过基于回波数据的自聚焦算法加以解决;但在机载稀疏微波成像中,因稀疏微波成像采用稀疏重建算法取代了传统SAR中基于匹配滤波的信号处理方法,传统的基于回波数据的自聚焦算法难以直接应用。现有基于稀疏重建的自聚焦算法主要基于两步迭代方法,收敛速度慢、运算量大。该文以基于回波模拟算子的快速稀疏微波成像算法为基础,将子孔径相关(MD)自聚焦算法引入,与之结合构建了新的MD-回波模拟算子自聚焦算法。该方法继承了基于回波模拟算子算法快速重建的优势,并利用MD自聚焦算法实现了回波2次相位误差的正确补偿,与现有基于两步迭代的稀疏微波成像自聚焦算法相比,收敛速度快,并可以实现较好的自聚焦效果。      

基于NCS算子的大斜视SAR压缩感知成像方法

该文针对大斜视合成孔径雷达(Synthetic Aperture Radar, SAR)成像进行研究,提出了一种基于非线性频调变标(Non-linear Chirp Scaling, NCS)算子的大斜视SAR压缩感知成像方法。首先在详细分析大斜视SAR回波信号模型的基础上,给出了一种基于全采样数据的NCS成像算法,该算法有效完成了回波数据的走动补偿与解耦合处理,实现了准确成像。其次针对降采样的大斜视SAR回波数据成像问题,提出将上述成像算法构造成NCS算子并基于该算子建立压缩感知重构模型,通过对模型的优化求解直接获得最终的成像结果。该方法对于稀疏性成像场景能够有效降低回波数据采样率实现高质量成像,对于非稀疏成像场景在满采样条件下能够提高成像质量。最后的点目标和面目标的仿真实验验证了该文所提方法的有效性和可行性。      

基于交替方向乘子法的Capon层析SAR成像方法

合成孔径雷达（Sythetic Aperture Radar, SAR）层析成像（TomoSAR）是一种多基线干涉测量技术,可沿垂直于视线（Perpendicular to the Line?Of?Sight, PLOS）方向估计功率谱图（Power Spectrum Pattern, PSP）即后向散射系数,从而实现三维成像。本文提出一种改进的波束形成优化算法,在双约束鲁棒Capon波束形成算法（Doubly Constrained Robust Capon Beamforming, DCRCB）的基础上,结合L1范数的约束函数,构建交替方向乘子法（Alternating Direction Method of Multipliers, ADMM）的代价函数,将DCRCB恢复的后向散射系数进行进一步稀疏优化,实现层析SAR的三维成像。ADMM算法以增广拉格朗日算法为基础,将较为复杂的全局求解问题转换为两个或多个更易求解的简单局部子问题。ADMM算法在迭代中,各子问题可分别完成稀疏重构和降噪运算,被分离的局部子问题代数式都较为简单,均能较容易地求出确定的解,且不必对其进行收敛运算与约束操作。因此,ADMM算法具有重建精度高的优势。本文采用2021年中国科学院空天信息创新研究院发布的山西运城地区的8通道机载阵列干涉SAR数据进行了实验验证,实验结果验证了算法的有效性。     

基于加权最大范数的SAR自聚焦方法

基于最大似然估计的特征向量分解自聚焦算法利用最大特征值对应的特征向量实现对相位误差的估计。该方法虽然具备精确和稳健的性能,但需要对协方差矩阵进行特征分解,导致实际数据在处理中运算量巨大,对内存要求也很高,难以在实时合成孔径雷达(SAR)成像处理中应用。该文提出一种基于加权最大范数的自聚焦方法,通过求解二范数最大化的优化函数对目标特征向量进行估计,避免了特征值的分解过程,有效提升了运算效率;利用信噪比加权的思想,对不同距离单元赋予不同的权值,增强了优质特显点样本对相位误差的估计贡献,有效改善了自聚焦精度。通过实测SAR和ISAR数据处理验证了算法的有效性。     

基于贝叶斯压缩感知的ISAR自聚焦成像

针对ISAR自聚焦成像,该文提出一种基于贝叶斯压缩感知的高分辨率成像算法。首先利用目标图像的稀疏特性构建级联形式的稀疏先验模型,同时将相位误差建模为均匀分布模型;然后基于最大后验准则,依据贝叶斯压缩感知理论交替迭代求解目标图像和相位误差。与传统稀疏方法相比,所提算法进一步利用了目标图像的联合稀疏信息,将ISAR CS成像转化为MMV联合稀疏优化问题的求解,可以有效改善自聚焦的精度以及成像质量。仿真结果验证了该算法的有效性。     

基于小波稀疏表示的压缩感知SAR成像算法研究

高分辨大场景合成孔径雷达(SAR)成像给数据存储和传输系统带来沉重负担。该文对条带式体制下的SAR成像,提出基于场景方位向小波稀疏表示的压缩感知成像方法。该方法首先沿方位向进行随机稀疏采样得到降采样的原始数据,然后在距离向采用传统匹配滤波方法实现脉冲压缩处理,方位向则利用小波基作为场景散射系数的稀疏基,并通过求解最小l1范数优化问题重构方位向散射系数。所提算法在方位向严重降采样下仍能够实现无模糊的SAR成像,实测数据成像结果表明所提算法具有较好的有效性和一定的实用性。