[发明专利]一种基于联合稀疏模型的层析SAR成像方法

说明书

技术领域

本发明涉及一种基于联合稀疏模型的层析SAR成像方法，属于层析SAR成像的技术领域。

背景技术

干涉SAR利用两幅天线的相位差获取目标的高程信息，将获取的目标信息扩展到三维空间。但是，干涉SAR假定成像区域同一个方位-距离分辨单元中只有一个主散射体，只能获得地表高度的一个平均信息。对于存在高密度散射体的复杂区域的监测能力有限，易致使观测区域信息缺失。层析SAR成像技术是在多基线SAR干涉基础上发展起来的一种新型微波成像技术，通过雷达平台从不同高度对同一成像场景的多次平行观测，获取目标沿高度向的多次采样信息，构造对目标观测的高度向等效孔径，具有高度向的分辨能力，可以解决复杂地形的高程信息获取问题。与采用单一散射体假设的干涉SAR相比，避免了复杂的相位解缠处理，通过改变成像后的数据处理算法能够最大限度地追踪目标数量，解决叠掩问题，大大扩展了SAR的应用潜力。

但是，现有技术中关于层析SAR的分析主要为谱估计法和压缩感知法。1.谱估计法：谱估计法的基本思想是将层析SAR系统的各基线中心近似看做是一个线性阵列，各目标散射点相当于阵列的信源。通过求解各散射点的干涉相位和雷达反射系数来确定各散射点在高度维的散射位置和散射强度，从而得到层析SAR高度维像。与傅里叶方法相比，基于谱估计的层析SAR三维成像方法具有较好的高度维分辨能力。但是，受层析SAR基线分布不均匀及噪声影响，基于谱估计的层析成像方法处于模型失配的条件下，成像性能会发生下降。2.压缩感知法：层析SAR三维成像所需要获取的信息相对于整个观测空间的信息来讲，可看作是一个稀疏性较强的信号表示，满足信号可压缩性。但是在稀疏采样条件下，要实现目标高概率可靠重建，测量数据M与目标稀疏度K之间需要满足M＝O(Klog(L/K))。对于复杂叠掩区域来说，要利用压缩感知技术获得满意的重建质量，测量多基线数据通常需要达到十幅到百幅之间，大大增加了计算量和复杂度。若基线数目较少，压缩感知法就存在很大的局限性，尤其在强噪声背景下，噪声分布的不稀疏性会严重影响目标信息的重建，造成成像结果中会出现大量虚假目标，成像质量下降。因此，现有技术中很难实现在基线稀少和噪声干扰条件下，依旧获得高质量成像。

发明内容

本发明的目的在于克服现有技术的不足，提出了一种基于联合稀疏模型的层析SAR成像方法，解决了在基线数目稀少的情况下，利用层析SAR成像方法无法获取高质量成像的问题。

本发明是通过如下方案予以实现的：

一种基于联合稀疏模型的层析SAR成像方法，步骤如下：

步骤1，对同一成像区域获取的M幅SAR图像作为观测对象，按照各基线经配准后，每幅SAR图像中的像素逐个按照基线顺序构建高维度信号并排列成矩阵形式；

步骤2，利用观测对象在空间域的稀疏特性，根据上述得到的矩阵形式，构建层析SAR初始联合稀疏模型，通过对层析SAR初始联合稀疏模型中的测量矩阵和目标向量采用分成子块的方式进行优化处理，则优化后的层析SAR联合稀疏模型的表达式为：

y＝Φr+n

其中，y为经过优化后的PM维观测数据向量；r为经过优化后的待求的PN维目标向量，r＝[r[1]r[2]...r[N]]^T，r[1]r[2]...r[N]为将稀疏目标向量通过重新排列分成的子块；Φ为经过优化后的观测矩阵，Φ＝[Φ[1]Φ[2]...Φ[N]]，Φ[1]Φ[2]...Φ[N]为将观测矩阵通过重新排列分成的子块；n为PM维噪声向量；

步骤3，利用基于加权迭代的块正交匹配追踪算法，设置初始预估信号向量和初始权对角阵，将优化后的层析SAR联合稀疏模型中的参数作为输入值进行求解，进而得到所述成像区域的高度维成像结果r。

进一步的，步骤2所述的层析SAR初始联合稀疏模型建立过程如下：

确定目标稀疏度K和M幅SAR图像每个像素具有相同结构的邻接像素数P，将这P个邻接像素对应的观测数据向量和目标向量分别组合在一起，如下所示：