论文部分内容阅读
合成孔径雷达(SAR)是一种全天时、全天候工作的主动成像雷达,在民用和军用领域发挥越来越大的作用,也因此对SAR的二维分辨率提出了更高的要求。传统的方法一般是通过增加发射的线性调频信号带宽来提高距离向分辨率,通过增加合成孔径长度来提高方位向分辨率,进而获得高分辨SAR图像。但根据奈奎斯特采样定理,这两种提高分辨率的方法必然导致数据量的剧增,给数据的存储和传输带来巨大压力,为实时成像的实现带来阻碍。在稀疏场景下,如海面上的舰船或者平地上的车等,SAR图像的稀疏性能够满足压缩感知(CS)的应用条件,为减少数据量,实现高分辨SAR成像提供了新的方向。尽管不少国内外学者在基于压缩感知的一维或者二维稀疏场景SAR成像方面取得了一批研究成果,提高了图像质量。但是,SAR成像领域的CS应用还有许多需要解决的问题,需要进一步的深入研究。矩阵填充是继压缩感知之后又一新兴理论,其对下采样低秩矩阵的矩阵化处理方式不仅能够降低数据量,便于传输和存储,还能满足SAR成像的二维处理特点。RPCA理论是矩阵填充的延伸,对于被稀疏噪声污染的低秩矩阵,可以通过解决稀疏低秩优化问题进行低秩矩阵恢复。通过两个理论,我们可以知道稀疏场景下的下采样回波的求解,是一个矩阵填充和RPCA联合求解问题。通过解决该问题,根据填充的回波我们就可以得到高分辨的SAR图像。 本研究主要内容包括:⑴提出改进的基于压缩感知的二维SAR成像方法。结合稀疏场景下目标散射特性,充分挖掘SAR图像的二维联合信息,设计新的自适应迭代阈值,提出了改进的基于压缩感知的二维成像方法,提高了计算效率,能够适应稀疏度未知的情况。首先对回波进行二维下采样,根据传统的线性调变标算法构建线性的成像算子。然后使用带有自适应阈值的迭代阈值算法(IHT)来解决稀疏优化问题。最后得到低旁瓣、高分辨重构SAR图像。点仿真和实测数据实验都能够验证本方法的有效性和良好的成像效果。⑵提出了基于矩阵填充和RPCA的SAR成像方法。根据稀疏场景数据的散射特性,其散射系数矩阵可以分解为代表背景的低秩矩阵和代表目标的稀疏矩阵,在下采样下,对回波的填充是一个矩阵填充和RPCA联合求解问题。本方法根据该问题,提出了新的成像模型,并进行求解。因为在稀疏场景下,我们往往主要关心目标,抑制的背景更能凸显目标,提高目标的识别效果。因此本方法在RPCA过程中对低秩背景使用硬阈值算法进行强抑制。首先,对SAR回波进行二维下采样,然后通过构建的线性调变标算子将矩阵转换到图像域,在图像域对低秩和稀疏矩阵,结合稀疏散射特性使用自适应硬阈值算法进行恢复,接着使用所得稀疏矩阵和低秩矩阵进行迭代填充回波矩阵后,最后经过匹配滤波获得低旁瓣、高分辨率的SAR图像。点仿真和实测数据实验表明了该算法的有效性,其所得SAR图像能够去除噪声影响,带有相应的相位,抑制了背景,增强了目标,具有良好的目标识别效果。