[发明专利]一种基于互质阵列的分解与融合的三维SAR稀疏成像方法

摘要

本发明公开了提出了一种基于互质阵列的分解与融合的三维SAR稀疏成像方法，该方法首先对互质阵列以及互质阵列的子阵列分别采用压缩感知迭代最小化稀疏贝叶斯重构(SBRIM)成像算法分别进行成像，得到三幅合成孔径雷达图像后，再将得到的成像结果进行融合，得到最终基于阵列分解与融合三维SAR稀疏成像结果。本发明是结合互质采样方法及压缩感知稀疏重构方法优势，利用互质采样不仅可以降低采样数据，相对于传统随机采样方式更易于系统实现；与传统稀疏成像方法相比，本发明方法能有效抑制栅瓣和虚假目标，提高成像质量。

主权项

1.一种基于互质阵列的分解与融合的三维SAR稀疏成像方法，其特征是它包括如下步骤：步骤1、初始化阵列SAR系统参数：初始化阵列SAR系统参数，包括：雷达载波波长，记为λ；雷达发射信号载频，记为f_c；雷达发射信号带宽，记为B_r；雷达发射脉冲时宽，记为T_r；雷达采样频率，记为F_s；雷达发射信号的调频斜率，记为f_dr；雷达波束中心入射角，记为θ；电磁波在空气中的传播速度记做C；阵列平台高度，记为H；方位向天线运动轨迹长度，记为L_a；跨航向阵列长度，记为L_c；阵列雷达平台观测空间设为地面三维坐标系，记为X‑Y‑Z，其中X表示水平面横轴，Y表示水平面纵轴，Z表示水平面垂直轴；雷达系统距离向采样点数，记为N_R；雷达方位向采样点数，记为N_s；跨航向采样点数，记为N_c；阵列天线各阵元位置，记为P(w)，其中，s为方位向慢时刻，l为跨航向采样点位置，w为天线各阵元序号，N_sN_c为阵列天线的阵元总数；距离向快时刻记为t_k，t_k＝1,2,…,N_R；阵列天线各阵元位置矢量P(w)在SAR观测方案设计中已经确定；根据SAR成像系统方案和观测方案，SAR成像方法需要的初始化成像系统参数均为已知；步骤2、初始化阵列SAR的观测场景目标空间参数：初始化阵列SAR的测场景目标空间参数，包括：以雷达波束照射场斜距平面Y‑R和垂直于该水平面向上的水平面横轴X所构成的空间直角坐标系X‑Y‑R作为阵列SAR的观测场景目标空间Ω₀，其中，该观测场景目标空间的水平面横轴X和纵轴Y与步骤1中雷达平台观测空间的水平面横轴X和纵轴Y相同，R表示雷达距离向；将观测场景目标空间Ω₀均匀划分为大小相等的三维离散分辨单元网格，记为Ω₀i,j,k，其中i,j,k分别为自然整数，并且i＝1,2,…,N_X，j＝1,2,…,N_Y，k＝1,2,…,N_R，i记为Ω₀i,j,k在水平面横轴X的第i个单元，j记为Ω₀i,j,k在水平面纵轴Y的第j个单元，k记为Ω₀i,j,k在距离向R的第k个单元，N_X、N_Y和N_R分别记为观测场景目标空间Ω₀在水平横轴X、水平纵轴Y和距离向R的单元网格总数，和d_r＝C/F_s/2分别记为单元网格在水平横轴X、水平纵轴Y和距离向R的相邻单元间隔，其中，W_x为观测场景目标空间Ω₀的水平面横轴X的场景范围大小，W_y为观测场景目标空间Ω₀的水平面横轴Y的场景范围大小，C和F_s分别为步骤1中初始化的电磁波在空气中的传播速度和雷达采样频率；三维空间Ω₀i,j,k的维数为N_X×N_Y×N_R；初始化阵列SAR的观测场景目标空间参数均为已知；步骤3、生成原始回波数据，并进行距离向脉冲压缩，得到脉冲压缩后的回波数据：阵列SAR的原始回波数据，记为s₀(t_k,w)，t_k＝1,2,…,N_R，w＝1,2,…,N_sN_c，其中，t_k为步骤1中初始化的距离向快时间，w为天线各阵元序号，N_R为步骤1中初始化雷达系统距离向采样点数，N_s为步骤1中初始化雷达方位向采样点数，N_c为步骤1中初始化跨航向采样点数；在阵列SAR实际成像中，原始回波数据s₀(t_k,w)由数据接收机提供；采用标准合成孔径雷达回波数据距离向脉冲压缩方法对原始回波数据s₀(t_k,w)，t_k＝1,2,…,N_R，w＝1,2,…,N_sN_c，进行距离向脉冲压缩，得到距离向压缩后的阵列SAR回波数据，记做s_rc(t_k,w)；步骤4、对步骤3阵列SAR回波数据分别进行均匀稀疏采样以及互质采样，得到均匀稀疏采样和互质采样后的回波数据：步骤4.1、初始化互为质数的两个整数，分别记为质数M₁和质数M₂；步骤4.2、采用公式计算得到采样间隔为M₁时，均匀稀疏采样后的SAR阵列系统采样点总数，记为N₁，其中，表示取整运算符号，N_s为步骤1中初始化雷达方位向采样点数，N_c为步骤1中初始化跨航向采样点数；对步骤3中得到的距离压缩后的回波数据s_rc(t_k,w)以及步骤1初始化的阵列天线各阵元位置P(w)，t_k＝1,2,…,N_R，w＝1,2,…,N_sN_c，采用标准均匀稀疏采样方法，进行采样间隔为M₁的均匀稀疏采样，得到对应的距离压缩后的回波数据s₁(t_k,w₁)和阵列天线位置P(w₁)，w₁＝1,2,…,N₁，其中，t_k为步骤1中初始化的距离向快时间，w₁表示采样间隔为M₁时均匀稀疏采样后的各阵元序号，N_R为步骤1中初始化雷达系统距离向采样点数；步骤4.3、采用公式计算得到采样间隔为M₂时，均匀稀疏采样后的SAR阵列系统采样点总数，记为N₂，其中表示取整运算符号，N_s为步骤1中初始化雷达方位向采样点数，N_c为步骤1中初始化跨航向采样点数；对步骤3中得到的距离压缩后的回波数据s_rc(t_k,w)以及步骤1初始化的阵列天线各阵元位置P(w)，t_k＝1,2,…,N_R，w＝1,2,…,N_sN_c，采用标准均匀稀疏采样方法，进行采样间隔为M₂的均匀稀疏采样，得到对应的距离压缩后的回波数据s₂(t_k,w₂)和阵列天线位置P(w₂)，w₂＝1,2,…,N₂，其中，t_k为步骤1中初始化的距离向快时间，w₂表示采样间隔为M₂时均匀稀疏采样后的各阵元序号，N_R为步骤1中初始化雷达系统距离向采样点数；步骤4.4、采用公式N₀＝N₁+N₂，计算得到互质采样后的SAR阵列系统采样点数，记为N₀，其中，N₁为步骤4.2得到的采样间隔为M₁时，均匀稀疏采样后的SAR阵列系统采样点总数，N₂为步骤4.3得到的采样间隔为M₂时，均匀稀疏采样后的SAR阵列系统采样点总数；对步骤3中得到的距离压缩后的回波数据s_rc(t_k,w)以及步骤1初始化的阵列天线各阵元位置P(w)，t_k＝1,2,…,N_R，w＝1,2,…,N_sN_c，采用标准的互质采样方法，进行互质采样，得到对应的距离压缩后的回波数据s₀(t_k,w₀)和阵列天线位置P(w₀)，w₀＝1,2,…,N₀，其中，t_k为步骤1中初始化的距离向快时间，w₀表示互质采样后的各阵元序号，N_R为步骤1中初始化雷达系统距离向采样点数，N_s为步骤1中初始化雷达方位向采样点数，N_c为步骤1中初始化跨航向采样点数；步骤5、分别根据步骤4均匀稀疏采样以及互质采样后的SAR距离压缩后的数据构造测量矩阵：步骤5.1、根据步骤1初始化得到的阵列SAR系统参数、步骤2初始化得到的观测场景目标空间参数和步骤4得到的采样间隔为M₁的均匀稀疏采样后的阵列天线位置P(w₁)，w₁＝1,2,…,N₁，采用标准压缩感知SAR测量矩阵构造方法，得到采样间隔为M₁的均匀稀疏采样后回波数据的测量矩阵，记为A₁，测量矩阵A₁的维数大小为N₁×N_XN_Y，其中，w₁表示采样间隔为M₁时均匀稀疏采样后的各阵元序号，N₁为步骤4.2得到的采样间隔为M₁时，均匀稀疏采样后的SAR阵列系统采样点总数，N_X和N_Y分别为步骤2中初始化观测场景目标空间在水平横轴X和水平纵轴Y的单元网格总数；步骤5.2、根据步骤1初始化得到的阵列SAR系统参数、步骤2初始化得到的观测场景目标空间参数和步骤4得到的采样间隔为M₂的均匀稀疏采样后的阵列天线位置P(w₂)，w₂＝1,2,…,N₂，采用标准压缩感知SAR测量矩阵构造方法，得到采样间隔为M₂的均匀稀疏采样后回波数据的测量矩阵，记为A₂，测量矩阵A₂的维数大小为N₂×N_XN_Y，其中，w₂表示采样间隔为M₂时均匀稀疏采样后的各阵元序号，N₂为步骤4.3得到的采样间隔为M₂时，均匀稀疏采样后的SAR阵列系统采样点总数，N_X和N_Y分别为步骤2中初始化观测场景目标空间在水平横轴X和水平纵轴Y的单元网格总数；步骤5.3、利用步骤1初始化得到的阵列SAR系统参数、步骤2初始化得到的观测场景目标空间参数和步骤4得到的互质采样后阵列天线位置P(w₀)，w₀＝1,2,…,N₀，采用标准压缩感知SAR测量矩阵构造方法，得到互质采样后回波数据的测量矩阵，记为A₀，测量矩阵A₀的维数大小为N₀×N_XN_Y，其中，w₀表示互质采样后的各阵元序号，N₀为互质采样后的SAR阵列系统采样点总数，N_X和N_Y分别为步骤2中初始化观测场景目标空间在水平横轴X和水平纵轴Y的单元网格总数；步骤6、采用基于迭代最小化稀疏贝叶斯重构(SBRIM)方法进行稀疏成像：步骤6.1、根据回波信号s₁(t_k,w₁)与测量矩阵A₁，t_k＝1,2,…,N_R，w₁＝1,2,…,N₁，采用中的基于迭代最小化稀疏贝叶斯稀疏重构(SBRIM)成像算法，进行成像处理，得到采样间隔为M₁的均匀稀疏采样后回波数据稀疏重构成像结果，记为其中，的维数为N_R×N_XN_Y，维数为N_R×1，i＝1,2,…,N_XN_Y，其中t_k为步骤1中初始化的距离向快时间，w₁表示采样间隔为M₁时均匀稀疏采样后的各阵元序号，N₁为步骤4.2得到的采样间隔为M₁时，均匀稀疏采样后的SAR阵列系统采样点总数，N_X、N_Y和N_R分别为步骤2中初始化观测场景目标空间在水平横轴X、水平纵轴Y和距离向R单元网格总数；步骤6.2、根据回波信号s₂(t_k,w₂)与测量矩阵A₂，t_k＝1,2,…,N_R，w₂＝1,2,…,N₂，采用基于迭代最小化稀疏贝叶斯稀疏重构(SBRIM)成像算法，进行成像处理，得到采样间隔为M₂的均匀稀疏采样后回波数据稀疏重构成像结果，记为其中的维数为N_R×N_XN_Y，维数为N_R×1，i＝1,2,…,N_XN_Y，其中t_k为步骤1中初始化的距离向快时间，w₂表示采样间隔为M₂时均匀稀疏采样后的各阵元序号，N₂为步骤4.3得到的采样间隔为M₂时，均匀稀疏采样后的SAR阵列系统采样点总数，N_X、N_Y和N_R分别为步骤2中初始化观测场景目标空间在水平横轴X、水平纵轴Y和距离向R单元网格总数；步骤6.3、根据回波信号s₀(t_k,w₀)与测量矩阵A₀，t_k＝1,2,…,N_R，w₀＝1,2,…,N₀，采用基于迭代最小化稀疏贝叶斯稀疏重构(SBRIM)成像算法，进行成像处理，得到互质采样后回波数据稀疏重构成像结果，记为其中的维数为N_R×N_XN_Y，维数为N_R×1，i＝1,2,…,N_XN_Y，其中t_k为步骤1中初始化的距离向快时间，w₀表示互质采样后的各阵元序号，N₀为互质采样后的SAR阵列系统采样点总数，N_X、N_Y和N_R分别为步骤2中初始化观测场景目标空间在水平横轴X、水平纵轴Y和距离向R单元网格总数；步骤7、对均匀稀疏采样以及互质采样后得到稀疏成像结果进行栅瓣抑制融合：初始化一个维数为N_R×N_XN_Y的矩阵，记为其中其中，N_X、N_Y和N_R分别为步骤2中初始化观测场景目标空间在水平横轴X、水平纵轴Y和距离向R单元网格总数；采用公式将步骤6得到的成像结果和的逐个元素进行比较，其中，abs表示取绝对值运算，min表示最小值计算，T表示矩阵的转置运算；计算得到α_i(k)、β_i(k)和β_i(k)的最小值将中的第k个元素赋值为即根据得到矩阵S第i个元素重新赋值后的的值；根据得到重新赋值后的矩阵S，S即为栅瓣融合抑制后的稀疏重构结果，其中步骤8、重新排列得到最终的三维稀疏成像结果：将步骤7得到的N_R×N_XN_Y维稀疏重构结果S，采用标准矩阵维度转换方法，得到N_X×N_Y×N_R的三维重构结果，记为I，I即为互质阵列分解与融合后三维稀疏成像结果，其中N_X、N_Y和N_R分别为步骤2中初始化观测场景目标空间在水平横轴X、水平纵轴Y和距离向R单元网格总数；至此，得到基于阵列分解与融合三维SAR稀疏成像结果，整个方法结束。