[发明专利]基于最小化卷积加权l1

说明书

本发明属于雷达成像领域，具体涉及一种基于最小化卷积加权l1范数的稀疏孔径ISAR成像方法，包括以下步骤：S1对平动补偿后目标稀疏孔径一维距离像序列建模；S2稀疏孔径ISAR成像建模；S3计算第k+1次迭代所得目标ISAR图像X^(k+1)；S4计算第k+1次迭代所得辅助变量矩阵Z^(k+1)；S5交替迭代更新，直至收敛。本发明取得的有益效果为：通过本发明可从目标稀疏孔径一维距离像中重构目标ISAR图像，由于在重构图像过程中充分利用了目标结构化先验，所得ISAR图像质量优于传统基于压缩感知的稀疏孔径ISAR成像方法，并且运算效率高，适用于实时ISAR成像系统，具有重要工程应用价值。

技术领域

本发明属于雷达成像领域，具体涉及一种基于最小化卷积加权l₁范数的稀疏孔径逆合成孔径雷达(inverse synthetic aperture radar，ISAR)成像方法。

背景技术

ISAR成像技术可以获取运动目标高分辨雷达图像，与光学成像相比，具有全天时、全天候、强穿透等优势，已广泛应用于空间监视、导弹防御、岸基监视、雷达天文学等领域。在实际应用中，雷达回波可能不完整，如强噪声或干扰导致部分回波脉冲失效、多功能雷达发射功率受限导致回波脉冲稀疏、压缩感知雷达获取低于奈奎斯特采样率的欠采样雷达回波等，这些不完整的雷达回波统称为稀疏孔径回波。在稀疏孔径条件下，传统距离-多普勒(range-Doppler,RD)ISAR成像方法所得ISAR图像受到较强旁瓣、栅瓣干扰，分辨率降低，无法满足工程实际需求。

稀疏孔径ISAR成像的数学本质是约束条件下的欠定逆问题求解，一般通过压缩感知技术实现。传统基于压缩感知的稀疏孔径ISAR成像方法一般仅利用目标散射点稀疏先验信息，而忽略各散射点之间的关联性，导致所得ISAR图像过于稀疏，图像视觉效果较差。已有方法(H.Duan,L.Zhang,J.Fang,L.Huang,and H.Li,“Pattern-Coupled SparseBayesian Learning for Inverse Synthetic Aperture Radar Imaging,”IEEE SignalProcess.Lett.,vol.22,no.11, pp.1995-1999,2015；L.Wang,L.Zhao,G.Bi,C.Wan andL.Yang,“Enhanced ISAR Imaging by Exploiting the Continuity of the TargetScene,”IEEE Trans.Geosci.Remote Sens.,vol.52,no.9, pp.5736-5750,2014)考虑目标各散射点之间关系，将目标结构化稀疏特性引入压缩感知框架，获取了视觉效果较好的ISAR图像。然而这些方法在迭代求解过程中均涉及大矩阵求逆计算，运算效率低，无法满足实时ISAR成像要求。研究基于目标结构化稀疏的稀疏孔径ISAR成像快速实现方法，可提升稀疏孔径条件下ISAR图像质量，同时满足ISAR成像系统的实时性要求，具有重要工程应用价值。

发明内容

本发明要解决的技术问题是传统基于目标散射点稀疏的稀疏孔径ISAR成像方法所得 ISAR图像质量较低，而基于目标结构化稀疏先验的稀疏孔径ISAR成像方法虽然可以改进成像质量，但运算效率低，难以满足工程应用需求。