[发明专利]基于加权迭代最小稀疏贝叶斯重构算法的SAR成像方法

说明书

本发明公开一种基于加权迭代最小稀疏贝叶斯重构算法的SAR成像方法，它是针对线阵SAR观测场景目标空间中主散射目标在空间上稀疏的特征，通过建立线阵SAR原始回波信号与观测场景目标空间中散射系数的线性测量矩阵，本发明在迭代最小稀疏贝叶斯重构(SBRIM)算法的基础上，对代价函数中L1范数进行加权，对距离向进行脉冲压缩、划分等距离面，然后再对每一个等距离的二维平面进行稀疏重构。与传统方法相比，本发明具有重构精度高、运算效率高的特点，本发明可适用于合成孔径雷达成像和地球遥感等领域。

技术领域

本技术发明属于雷达技术领域，它特别涉及了合成孔径雷达(SAR)成像技术领域。

背景技术

作为一种工作在微波波段的有源雷达，合成孔径雷达(Synthetic ApertureRadar,SAR)具有全天时、全天候的成像能力，即无论是白天或黑夜、晴天还是雷雨风雪天气，都可以随时随地成像，克服了光学和红外系统不能在晚上和复杂天气条件进行成像的缺点。传统的SAR成像一般只具有二维分辨率，在一些起伏比较大的地方比如陡峭的山峰、峡谷以及城市中矗立挺拔的高楼时，传统SAR成像存在的失真(阴影遮挡效应、空间模糊、顶底倒置等)导致空间的一些重要信息(比如高度)丢失，所以能对目标进行三维成像是非常有必要的，为了适应这种需求，目前常见的三维成像技术有圆周SAR(Circular SAR)三维成像、层析SAR(Tomography SAR)三维成像、线阵SAR(LASAR)三维成像。

圆周SAR三维成像的基本思想是载有雷达的平台沿着空间一定的轨迹做圆周运动形成一个曲面线阵得到这个平面的二维分辨率，再结合脉压技术获得距离向的分辨率，实现三维成像。而层析SAR三维成像技术是在干涉SAR技术的基础上发展而来的。它主要是利用多次平行航过的二维数据获得在层析向的第三维分辨率。但是由于圆周SAR三维成像需要雷达平台做圆周运动，层析SAR三维成像不仅要求雷达平台多次航过，而且要求多次航过的轨迹必须平行。这不仅对实际的雷达成像实验中增加了难度，而且增加了飞行的成本，从而限制了它们的发展。

线阵SAR三维成像的基本原理是在切行迹向添加线阵天线，通过沿航迹向平台的飞行形成虚拟的面阵进而获得二维分辨率，距离向再通过脉压技术获得第三维的分辨率，从而具有三维的成像能力。相比于圆周SAR三维成像，线阵SAR三维成像不需要圆周运动的轨迹；相比于层析SAR三维成像需要航过多次，线阵SAR三维成像只需一次航过，所以线阵SAR三维成像相对于层析SAR和圆周SAR三维成像有更强的灵活性。目前线阵SAR三维成像技术在地形测绘、城市测绘、灾难救援、军事探测等领域发挥着中重要的作用。

传统基于匹配滤波的SAR成像方法的分辨率受到限制，具体来说就是距离向的分辨率受信号带宽的影响，沿航迹分辨率受合成孔径长度的影响，切航迹的分辨率受线阵天线的影响。尤其是切航迹的分辨率，如果按照传统的方法很难提高。如果一个信号是稀疏的或者是可压缩的，那么这个信号就能以低于Nyquist采样定理要求的采样率精确的重构出该信号，这就是压缩感知的基本思想。针对压缩感知理论用于SAR成像，目前的重构算法大概可以分为以下几类：贪婪追踪算法、凸松弛算法、贝叶斯框架算法、组合算法。

基于稀疏贝叶斯理论的算法，它的主要原理是对测量信号进行合理的先验概率建模，然后利用构造的似然函数进行相关的参数估计。详见“Wei S J,Zhang X L,ShiJ.Sparse reconstruction for linear array SAR 3-D imaging based on Bayesianestimation[C]//Radar(Radar),2011 IEEE CIE International Conference on.IEEE,2011,2:1522-1525”。