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。     

多任务协同优化学习高分辨SAR稀疏自聚焦成像算法

针对传统高分辨合成孔径雷达(SAR)稀疏自聚焦成像算法难以有效平衡稀疏与聚焦特征的问题,该文提出一种基于交替方向多乘子方法(ADMM)的多任务协同优化学习稀疏自聚焦(MtL-SA)算法.该算法通过引入熵范数表征SAR成像结果聚焦特征,在ADMM优化框架下,利用近端算法求解聚焦特征解析解.针对原熵范数正则优化目标函数的非凸问题,该文合理设计代价函数,从而保证熵范数近端算子的闭合解析解.同时,应用e1范数表征成像结果稀疏特征,并建立面向复数SAR成像数据的复数软阈值近端算子.该文所提MtL-SA成像算法可实现对目标场景后向散射场对应稀疏特征和聚焦特征的解析求解,并有效提升自聚焦算法的可靠性和稳健性.两种特征增强处理相互调和,保证了算法运行过程中有效降低误差传播,进而保证联合特征增强精度.仿真及实测机载SAR成像数据实验,验证了算法的有效性和实用性,同时应用相变分析方法分别定量和定性地分析了该文所提算法相比其他传统算法的优越性.     

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。     

面向高分辨SAR成像的正则参数自学习

针对基于正则优化的高分辨SAR成像惩罚项系数自学习难点问题,本文提出一种贝叶斯边缘估计（Marginal Estimation Bayes,MEB）算法,以实现目标多先验模型的高精度特征拟合,提升成像特征恢复精度。该方法根据观测数据进行交替方向乘子法（Alternating Direction Method of Multipliers,ADMM）凸优化框架建模,并利用贝叶斯理论推导参数的最大边缘似然分布,同时采用Moreau-Yoshida未经调整的朗之万算法（Moreau-Yoshida Unadjusted Langevin Algorithm,MYULA）实现后验采样求解,引入梯度投影法解决正则参数自学习问题,最后利用自学习参数进行优化成像。该算法可实现多正则项优化多参数协同自适应参数估计。另外,针对可能存在的目标先验非可微问题,本文利用近端算法中的次梯度优化,通过邻近算子来求解非可微先验的次梯度,可实现非可微正则函数的参数自学习。实验部分利用点目标仿真与美国Sandia实验室公布的实际数据。实验结果表明,相对于遍历最优结果,本文所提方法得到的结果与最优值的误差均在15%之内。另外,通过相变热力图（Phase Transition Diagram,PTD）定量验证了算法的有效性,同时将本文算法与其他自学习算法进行对比,验证了算法的实用性。      

SAR复图像域上的噪声抑制和目标特征提取

基于SAR图像的稀疏先验,提出了一种基于l_k范数的复图像域正则化方法,用于SAR复图像的噪声抑制和目标特征提取.文中通过算法设计及其收敛性的研究,保证了该方法的可行性和稳健性.同时,基于正则化方法与广义岭估计的契合之处,提出了一种新的正则化参数的选取方法.理论分析和实验结果均表明,本文方法可操作性强,具有有效的噪声抑制和目标特征稀疏表示寻优功能.     

基于ADMM算法的机载太赫兹SAR成像高频振动补偿

太赫兹波具有频率高、波长短的特点，因此相对于传统的工作在微波波段的合成孔径雷达（Synthetic Aperture Radar,SAR），太赫兹SAR具有高成像分辨率，并在视频SAR、慢动目标检测等方面具有显著的优势。但与此同时，太赫兹SAR也对雷达平台的高频振动非常敏感。对于机载太赫兹SAR，由于气流和载机自身飞行特性的影响，载机存在高频振动，会造成回波信号的相位误差，并使成像结果出现鬼影目标和散焦现象，严重恶化成像质量。为了实现聚焦成像，需要对机载太赫兹SAR的进行高频振动补偿。不同于现有的将高频振动建模为多个简谐运动之和形式的算法，本文提出了一种基于交替方向乘子法（Alternating Direction Method of Multipliers,ADMM）的高频误差补偿方法，无须对高频振动进行建模，可以补偿更复杂的高频振动相位误差。首先通过对接收到的回波信号使用方位向快速傅里叶变换（Fast Fourier Transform,FFT）得到粗聚焦的图像，然后将振动补偿问题转化为图像的l1范数最小化问题，引入辅助变量构造目标函数并使用ADMM算法求解。在ADMM算法迭代过程...     

一种机载SAR层析三维成像算法

针对机载平台难以同时满足多基线SAR层析3维成像所要求的短基线及大孔径问题,本文提出一种基于稀疏信号表示的机载SAR层析3维成像算法。首先基于高频率SAR目标的多散射中心假设,将目标在第3维成像方向上建模为稀疏分布模型,进而根据观测系统几何及信号频率特征构建了冗余字典,从而实现了成像问题到稀疏信号表示问题的转化,并最终通过求解以稀疏性度量函数为正则项的不适定方程获得成像结果。通过仿真实例的成像结果阐述了算法参数对成像的影响,并通过对SAR层析3维成像的仿真结果证明了算法的有效性。     

SAR图像目标超分辨的变范数正则化算法

 基于正则化变分的框架,提出了SAR图像目标超分辨的变范数算法.考虑目标在成像区域中的稀疏特性,利用广义高斯分布对目标区域的幅度进行建模,在Bayes估计的框架下,推导了l_p范数约束的正则化变分模型和广义高斯分布形状参数的关系.采用迭代的方法在逐次估计真实图像的过程中,将p的取值与逐次估计结果相关联,逐步估计目标区域分布的形状参数,并修正l_p范数的具体形式,由此得到变范数的正则化模型.该方法克服了通过经验选取p值的局限,以及由观测数据估计p值的误差.仿真和实测SAR图像的处理结果表明了该方法的有效性.     

基于OMP-CADMM的非合作运动人体ViSAR成像方法

合成孔径雷达（Synthetic Aperture Radar,SAR）人体成像技术凭借其高分辨、强穿透、易部署和高安全性，已成为SAR拓展至日常民用领域的关键技术之一.然而现有SAR人体成像方法大多针对固定场景下的静态人体目标进行合作式成像，难以满足开放场景非合作成像应用的需求.为此，本文基于人体运动的块稀疏性与一致性约束，提出了一种面向非合作运动人体的视频SAR(Video SAR,ViSAR)成像方法 .该方法首先结合ViSAR子孔径快速成像技术，简化人体非刚性运动模型，建立非刚性运动相位误差参量模型；随后结合人体运动的块稀疏性与时间连续性，基于正交匹配追踪（Orthogonal Matching Pursuit,OMP）稀疏恢复算法估计人体运动相位误差；最后基于一致性交替方向乘子法（Consensus Alternating Direction Multiplier Method,CADMM）优化框架，保留人体目标局部结果的一致性共有特征，从多个局部补偿结果集中优化出人体的全局聚焦成像结果，实现人体的非刚性运动补偿与全局精细优化.实验结果表明该文所提方法可实现非合作走动人体的视...