技術(shù)領(lǐng)域

本發(fā)明涉及雷達(dá)成像技術(shù)領(lǐng)域，具體涉及一種基于場景塊稀疏的稀疏微波成像方法，適用于高分辨稀疏微波成像，為稀疏微波成像雷達(dá)圖像的高精度重構(gòu)提供技術(shù)保障。

背景技術(shù)

合成孔徑雷達(dá)(Synthetic?Aperture?Radar，SAR)作為一種可全天時、全天候工作的主動式高分辨率微波遙感設(shè)備，它已經(jīng)被廣泛應(yīng)用于軍事和民用對地觀測等相關(guān)領(lǐng)域中，如地球資源環(huán)境勘察與高精度測繪、自然災(zāi)害監(jiān)測與突發(fā)事件應(yīng)對、寬幅海洋資源和海面艦船監(jiān)視、偵察與預(yù)警等。隨著半導(dǎo)體器件的迅猛發(fā)展以及微波成像理論和方法的不斷發(fā)展，實(shí)現(xiàn)米級甚至厘米級的分辨率以及上千公里的測繪帶成像能力的微波成像雷達(dá)在技術(shù)上已經(jīng)成為可能。

常規(guī)微波成像技術(shù)基于匹配濾波技術(shù)實(shí)現(xiàn)雷達(dá)場景的二位反卷積，它以奈奎斯特采樣定理為基礎(chǔ)保證雷達(dá)場景的無模糊重建。奈奎斯特采樣定理要求無失真恢復(fù)有限帶寬信號所需的采樣率不得低于信號帶寬，因而奈奎斯特定理要求的采樣率決定了微波成像系統(tǒng)的規(guī)模和復(fù)雜度。由于傳統(tǒng)微波成像技術(shù)需要發(fā)射/接收寬帶距離信號以獲得較高的距離分辨率，同時獲得高方位分辨率需要較大的多普帶寬信號，對距離信號和方位信號進(jìn)行耐奎斯特采樣不可避免的增加了系統(tǒng)的數(shù)據(jù)采集率、數(shù)據(jù)存儲量以及對下行數(shù)據(jù)鏈路傳輸能力的要求，因而增加了系統(tǒng)的復(fù)雜度。

幾年來隨著諸如寬幅海洋監(jiān)視的寬測繪度、高分辨率微波成像需求的不斷增長，人們尋求一種可以對寬幅場景中的稀疏目標(biāo)高分辨成像的稀疏微波成像新體制。稀疏微波成像是指將稀疏信號處理理論引入微波成像并有機(jī)結(jié)合形成的微波成像新理論、新體制和新方法，它以壓縮采樣與恢復(fù)理論為基礎(chǔ)，以稀疏信號處理為技術(shù)手段，通過尋找被觀測對象的稀疏表征域(如空間、時間、極化域)，在此稀疏表征域內(nèi)以二維降速率采樣為觀測條件，采用l_q(0＜q≤1)稀疏恢復(fù)算法獲取被觀測對象的空間位置、散射特征和運(yùn)動特性等幾何與物理特征。稀疏微波成像雷達(dá)利用了微波場景的稀疏性或者變換稀疏性這一特點(diǎn)，以遠(yuǎn)低于耐奎斯特速率要求的采樣率對稀疏微波場景進(jìn)行采樣，大大減少了數(shù)據(jù)采集、存儲以及傳輸量，降低了系統(tǒng)復(fù)雜度。

稀疏微波成像適用于微波場景具有稀疏特征的雷達(dá)成像領(lǐng)域，如海面艦船監(jiān)視、空中目標(biāo)ISAR成像等，具有較強(qiáng)后向散射系數(shù)目標(biāo)區(qū)域的幾何、物理特征的重構(gòu)性能為稀疏微波成像系統(tǒng)的首要側(cè)重點(diǎn)。由于稀疏微波成像技術(shù)以稀疏場景為先驗(yàn)信息，采用較少的采樣實(shí)現(xiàn)強(qiáng)散射目標(biāo)的檢測、位置估計(jì)以及后向散射系數(shù)重構(gòu)。但是在實(shí)際應(yīng)用中，由于雜波的存在使得任意的成像場景不可能是理想稀疏的，這將明顯抑制了稀疏微波成像的性能，在實(shí)際操作中通常設(shè)定一個閾值，當(dāng)估計(jì)值小于某個閾值時即認(rèn)為該值為零進(jìn)而使其強(qiáng)制性的滿足稀疏性條件。微波圖像重構(gòu)的性能嚴(yán)重依賴于該閾值的選取，閾值選取較大導(dǎo)致低檢測概率，閾值選取過小將導(dǎo)致高虛警概率；另一方面，由于成像雷達(dá)的高分辨，稀疏微波成像場景中的感興趣的目標(biāo)往往覆蓋了多個分辨單元，即如果某個分辨單元為強(qiáng)散射點(diǎn)，那么它周圍的若干個分辨單元往往也是強(qiáng)散射點(diǎn)，即除非人為設(shè)定的角反射器外不存在孤立的強(qiáng)散射點(diǎn)目標(biāo)。現(xiàn)實(shí)成像場景的這一先驗(yàn)信息可以用來明顯改善稀疏微波成像的性能，它也可以在保證同等圖像重構(gòu)的前提下進(jìn)一步降低對微波場景的觀測數(shù)據(jù)量。本專利提出基于稀疏微波成像雷達(dá)的稀疏場景的塊稀疏特性的高精度微波圖像重構(gòu)方法。以下列出本發(fā)明的參考文獻(xiàn)，通過引用將它們并入于此，如同在本說明書中作了詳盡描述。

參考文獻(xiàn)：

[1]D.L.Donoho，“Compressed?sensing，”IEEE?Trans.Inform.Theory，

vol.52，no.4，pp.1289-1306，Apr.2006.

[2]E.J.Cand`es，M.B.Wakin，and?S.P.Boyd，“Enhancing?sparsity?by?reweighted?`1?minimization.”The?Journal?of?Fourier?Analysis?and?Applications?(Preprint).

[3]Richard?G.Baraniuk?and?Volkan?Cevher，Volkan?Cevher?and?Chinmay?Hegde，“Model-Based?Compressive?Sensing，”IEEE?Trans.Inform.Theory，vol.56，no.4，pp.1982-2001，Apr.2006.