[发明专利]基于BP优化的压缩感知多层ISAR成像方法

说明书

技术领域

本发明属于雷达成像领域，特别是一种涉及ISAR成像的方法，可应用于目标的分类和识别。 

背景技术

逆合成孔径雷达ISAR成像相对于其他的遥感技术，具有全天候，全天时对远距离运动目标成像的优势，所以被广泛应用在军事和民用领域，实现对目标的分类和识别。为了提升对目标的分类和识别能力，需要ISAR图像具有很高的分辨率，提取目标的散射特性和几何特征。距离向的分辨率依赖于雷达发射信号的带宽，方位向的分辨率受到目标相干积累角的限制。为了提高方位向分辨率，必须增加方位向相干积累时间，然而在实际应用中，受限于雷达工作状态或目标运动状态，方位向相干积累时间的增加有困难。所以尽可能减少相干积累时间，而又能实现方位向的高分辨成像成为研究的热点。在短的相干时间内，目标的运动可以认为相对简单，降低运动补偿难度，并且减少回波的数据量，便于存储和传输。 

带宽外推方法和参数化的谱估计技术是比较常见的超分辨算法，利用这些技术逼近完整的回波信息，提高方位分辨率。但是这些算法对噪声很敏感，且性能受到回波数量和质量的影响，鲁棒性不够好。 

另一种常见的高分辨成像算法是运用压缩感知理论，利用在ISAR成像中，强散射点在成像平面中占据很少的空间，可以认为ISAR信号是稀疏的，结合1范数稀疏约束进行搜索，重构出ISAR图像，该算法对噪声具有鲁棒性，并且能在较少的回波数据下保证超分辨的成像质量。但是这种算法需要利用牛顿法、共轭梯度等优化算法来优化，需要求解Hessian矩阵，增加了算法的时间复杂度。当回波的信噪比较低时，ISAR图像不能实现更好的聚焦，在强散射点附近会出现虚假点，图像的质量下降。并且稀疏控制参数在很大程度上影响成像效果，人为设置参数降低的算法的鲁棒性。 

发明内容

本发明的目的在于克服上述已有技术的不足，提出一种基于误差反向传播BP优化的压缩感知多层成像方法。 

实现本发明目的的具体实现过程如下： 

(1)根据采样得到的回波数N₀，目标ISAR图像方位向分辨率N，确定模型的层数L和步进成像的步长因子σ，每层得到的ISAR图像的方位向分辨率为{N₁,N₂,...,N_L-1,N_L}，N_l＝σ^lN₀且N_L＝N； 

(2)原始回波的预处理，包络对齐和相位初校正； 

(3)对模型的第l层，输入为N_l-1个回波数据S_l，输出为方位向分辨率为N_l的ISAR图像I_l： 

1)初始化编码矩阵W₁，解码矩阵W₂和系统噪声n₁，n₂， 

W₁＝FE，E为需要进行调节的相位矩阵，初始化为单位矩阵，F为部分傅立叶矩阵，W₂＝W₁^T，n₁和n₂初始化为0； 

2)编码过程为：I_l＝sigmoid(W₁S_l+n₁)，解码过程为：优化目标函数为：f=||S^l-Sl||22+μ||Il||1;]]>