[发明专利]一种C波段星载合成孔径雷达运动目标成像方法有效
申请号: | 201710576328.1 | 申请日: | 2017-07-14 |
公开(公告)号: | CN107561533B | 公开(公告)日: | 2019-11-22 |
发明(设计)人: | 李刚;陈一畅;杨晓宇 | 申请(专利权)人: | 清华大学 |
主分类号: | G01S13/90 | 分类号: | G01S13/90;G01S7/02;G01S7/41 |
代理公司: | 11002 北京路浩知识产权代理有限公司 | 代理人: | 苗青盛;曹杰<国际申请>=<国际公布>= |
地址: | 100084 北京市海*** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 运动参数 稀疏 图像数据矩阵 回波数据 聚焦算子 星载合成孔径雷达 算法终止条件 运动目标成像 运动目标信息 成像处理 成像算法 迭代算法 幅度矩阵 技术获得 稀疏重构 压缩感知 最小误差 参数化 初始化 非对称 有效地 重建 二维 高阶 旁瓣 散焦 判定 输出 更新 | ||
1.一种C波段星载合成孔径雷达运动目标成像方法,其特征在于,包括:
S1,接收原始回波数据,利用SAR距离徙动成像算法对原始回波数据进行成像处理,提取包含运动目标信息的散焦的ROI复图像数据矩阵S0,初始化目标在方位向和距离向的等效运动参数α和β;
S2,利用等效运动参数α和β构造聚焦算子Γ(·),基于所述ROI复图像数据矩阵S0和所述聚焦算子Γ(·)建立压缩感知稀疏重构模型,采用软阈值迭代算法重建模型稀疏解X;
S3,建立最小误差模型,利用所述模型稀疏解X更新等效运动参数α和β;
S4,判定所述等效运动参数α和β满足算法终止条件,输出稀疏解幅度矩阵|X|;
其中,所述S2中利用等效运动参数α和β构造聚焦算子Γ(·)具体包括:
S21,对ROI数据矩阵S0沿着距离向和方位向作二维离散傅里叶变换(2D-DFT),获取二维频域数据矩阵S1,
S1=Fr·S0·Fa
其中Fr表示距离向DFT变换矩阵,Fa表示方位向DFT变换矩阵;
S22,利用等效运动参数构造相位补偿矩阵H,矩阵H中各元素H(k,n)通过公式
表示,
其中,其中j为虚数单位,Rref为SAR与目标间的参考距离,c为电磁波传播速度,fc为载波频率,V为SAR平台速度,fr是一个Nr×1的向量,表示距离向频率,fa是一个Na×1的向量,表示方位向频率;
S23,通过公式:
构造聚焦算子Γ(·),其中聚焦算子Γ(·)表示从ROI数据矩阵S0到聚焦结果矩阵X(p)的处理过程,其中为Fr的逆矩阵,为Fa的逆矩阵,为两个矩阵的Hadamard积。
2.根据权利要求1所述的方法,其特征在于,所述S4中还包括,判定所述等效运动参数α和β不满足算法终止条件时,重复执行步骤S2和S3。
3.根据权利要求1所述的方法,其特征在于,所述S4中终止条件为:
(|α|<ηα)&(|β|<ηβ)
其中&表示逻辑与操作,ηα和ηβ为预设阈值参数,α和β为步骤S3中利用所述模型稀疏解X更新等效运动参数α和β。
4.根据权利要求1所述的方法,其特征在于,所述S2中基于所述ROI复图像数据矩阵S0和所述聚焦算子Γ(·)建立压缩感知稀疏重构模型,采用软阈值迭代算法重建模型稀疏解X具体包括:
S24,根据所述聚焦算子Γ(·)构造聚焦逆算子Γ-1(·);
S25,建立压缩感知稀疏重构模型,采用软阈值迭代算法求解公式:
所示的L1范数优化问题恢复出模型稀疏解X(p),其中λ>0,为正则化参数。
5.根据权利要求4所述的方法,其特征在于,所述采用软阈值迭代算法求解X(p)的步骤具体为:
设置算法终止系数ε,将聚焦结果矩阵X(p)初始化为Nr×Na的全零矩阵;
利用软阈值函数
更新稀疏解,式中,l表示迭代次数,soft(·)为对矩阵每一个元素按软阈值函数取值;
更新残差矩阵,使得
当满足时,终止算法,输出模型稀疏解
其中,||·||2表示计算矩阵的l2范数。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于清华大学,未经清华大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201710576328.1/1.html,转载请声明来源钻瓜专利网。