双层稀疏组Lasso高分辨SAR结构特征增强成像

针对合成孔径雷达(synthetic aperture radar, SAR)成像中,基于?₁正则化线性回归(简称为Lasso)的凸优化类算法在进行稀疏特征增强时会导致弱散射体结构特征丢失，进而影响稀疏信号恢复精度的问题,本文提出一种基于双层稀疏组Lasso罚高斯回归模型的交替方向多乘子算法。该算法以散射体的块结构(组)特征为先验,首先针对SAR数据分类特征引入?₁范数对应的近端算子,通过在交替方向多乘子方法框架中利用高斯-赛德尔思想对其近端算子进行对偶迭代运算,实现第一层和第二层SAR组间的稀疏特征增强。另外混合范数中的?_F范数为高斯惩罚项,可对SAR回波复数据整体进行平滑,实现SAR结构特征增强成像。因此，所提算法可在SAR回波复数据处理中同时实现稀疏特征和结构特征联合增强。实验选取SAR、SAR地面动目标成像(SAR ground moving target imaging, SAR-GMTIm)和逆SAR的仿真数据与实测数据,分别从定性和定量两种角度对所提算法和传统算法进行对比,其中定量分析时采用相变图(phase transition diagram, PTD)方法来验证所提算法的重建能力，从而验证了本文所提算法应用于SAR稀疏与结构特征增强的有效性与优越性。     

基于l1正则化的多通道滑动聚束SAR成像

提出了基于l1正则化的多通道滑动聚束合成孔径雷达(synthetic aperture radar, SAR)稀疏成像算法。该方法将偏置相位中心天线(displaced phase center antenna,DPCA)技术和l1正则化策略结合来解决非均匀采样带来的方位模糊问题,并利用方位距离解耦算法降低计算复杂度。当非均匀度较大时,所提方法相比于基于多普勒频谱重建的匹〖JP3〗配滤波器组方法能更有效抑制方位模糊,具有更大的距离向测绘带宽潜力。该方法能有效抑制噪声和旁瓣,提高目标背景比,从而提高成像性能。通过仿真和实际数据实验,验证了所提算法的有效性。     

复数兼容全变分SAR目标结构特征增强

针对合成孔径雷达(synthetic aperture radar, SAR)成像目标复杂结构特征难以精准提取的问题, 设计复数兼容的多通道结构张量全变分(structure tensor total variation, STV)正则先验表征函数, 进而提出面向SAR目标结构特征增强的复数兼容-STV(complex value compatible-STV, CV-STV)优化算法。所提算法的结构先验函数设计涵盖实部/虚部两个通道的结构张量, 能适应SAR复成像数据特征并解析推导得到其近端算子，进而简化求解问题的模型复杂度。同时, 将CV-STV正则优化算法引入稀疏驱动先验, 借助交替方向多乘子法(alternating direction method of multipliers, ADMM)多任务优化框架实现目标散射点多特征的联合表征与增强。实验部分分别应用SAR仿真与实测数据对所提CV-STV正则优化算法进行有效性验证; 同时利用相变分析实验对比传统特征增强算法, 验证了所提算法的优越性。     

复图像域正则化特征增强SAR成像方法

通过分析合成孔径雷达(SAR)的成像过程和频域上的正则化特征增强方法,提出了一种在复图像域进行正则化特征增强的SAR成像方法,直接从SAR复图像域数据出发,利用先验信息,使用正则化方法重建高分辨率的SAR图像。实验结果表明,该方法能较好地保护目标并增强目标的可分辨性、抑制旁瓣和噪声、提高SAR图像的对比度。通过大量实验,研究了正则化参数的选取规律,总结出一些有用的结论。复图像域上的正则化特征增强方法的计算量比频域上的正则化特征增强方法的计算量大大减小。     

星载聚束SAR成像的一种预处理算法

针对星载SAR的高分辨率聚束成像模式,分析了雷达系统参数和成像区域大小之间的联系,说明了常用的基于接收时dechirp解调的算法不再适用于大范围的星载聚束SAR成像处理,同时接收回波时进行dechirp解调的方式也将不再适用。给出一种数据预处理方法来处理系统所接收的不经过dechirp解调的回波数据,在系统PRF保持和接收时dechirp解调方式一致的情况下,常用的聚束SAR成像算法(PFA、RMA等)经过少量修正就可以直接应用于大范围的星载聚束SAR成像处理。     

机动平台俯冲大斜视SAR脉冲重复频率设计

在机动平台俯冲段大斜视合成孔径雷达(synthetic aperture radar, SAR)成像中,传统脉冲重复频率(pulse repetition frequency, PRF)设计方法存在下限值过高导致数据录取量增加,且PRF值无法根据高度变化实时调整的缺陷。针对上述问题,首先构建机动平台俯冲大斜视SAR成像模型;然后提出一种新的基于等距离环的方位带宽计算方法,得到考虑运动及系统误差情况下的PRF下限值;最后提出分高度段动态选取PRF的新方法,根据平台位置动态调整较少次数的PRF值即可实现波束覆盖区内回波数据录取,解决了PRF值无法随高度变化实时调整的难题。     

可变先验贝叶斯学习稀疏SAR成像

针对合成孔径雷达(synthetic aperture radar, SAR)在稀疏成像中, 传统贝叶斯机器学习算法存在先验固化、成像结果容易过拟合等问题。提出一种可变成像先验贝叶斯(varying imaging prior Bayes, VIP-Bayes)学习稀疏SAR成像算法。首先, 引入可动态灵活表征目标散射特征的广义高斯分布先验。然后，在贝叶斯推理框架下进行分层建模, 后验分布推导。最后, 针对常规吉布斯采样算法无法采样复杂后验分布的问题, 引入哈密顿蒙特卡罗(Hamiltonian Monte Carlo, HMC)采样算法进行求解。另外, 考虑到HMC算法对非平滑后验分布无法采样，因此引入近端算子, 进行近端梯度近似, 提出近端-HMC(proximal-HMC, P-HMC)算法。P-HMC算法可有效解决非平滑后验采样问题。因而可实现VIP-Bayes稀疏成像。通过仿真数据进行算法有效性验证, 选取SAR实测数据与多种算法进行成像对比实验, 利用相变热力图对算法成像性能进行定量分析，验证了所提算法的实用性和优越性。     

基于正交频谱重构的微波三维成像方法

传统微波三维成像方法的回波数据量非常大, 基于目标场景稀疏的压缩感知成像方法虽然可以降低采样率和数据量, 但字典矩阵内存占用巨大, 且对连续分布目标成像效果不佳。针对上述问题, 本文分析了目标回波在三维频域的数据分布特征, 根据构建的频谱正交投影重构模型实现了目标三维频谱的重构。为了进一步优化重构模型, 以最小图像熵作为判别准则对重构的正则化参数进行了最优估计, 并得到最优的频谱重构结果。本文所提方法具有较好的成像效果, 较高的运算速度和较小的内存占用。计算机仿真实验和微波暗室实验验证了本文所提方法的有效性。     

基于形态学自适应分块的高分辨SAR多特征增强算法

传统基于l1范数正则化算子(least absolute shrinkage and selection operator,LASSO)模型的合成孔径雷达(synthetic aperture radar,SAR)压缩感知类稀疏成像算法易丢失弱散射点.基于扩展型组LASSO系列模型的算法虽可增强SAR结构特征以保留弱散...     

稀疏场景下SAR方位向随机丢失数据的迭代成像算法

针对合成孔径雷达(synthetic aperture radar, SAR)方位向随机丢失部分数据导致目标模糊和能量分散的问题, 提出基于稀疏优化理论的重建成像方法。该方法主要针对稀疏观测场景的SAR方位向随机缺失数据的回波信号进行成像处理, 利用SAR回波模拟算子, 避免了二维回波信号矩阵变成向量的操作, 从而减小了内存占用和计算量。所提出的基于SAR近似观测模型的迭代优化重建算法能够实现对观测目标幅度的高精度重建。和传统基于匹配滤波的SAR成像算法相比, 提出的算法能够明显地消除SAR方位向随机丢失部分数据引起的目标模糊和目标能量分散。和迭代软阈值收缩算法相比, 提出的算法重建的目标幅度误差更小。理想的点目标回波数据和真实的星载SAR稀疏观测场景的回波数据处理表明了所提算法在减少重建目标误差、提高观测目标区域的目标背景比等方面有较大的优势。     

基于滤波器组的星载SAR DPC-MAB技术方位向非均匀采样信号的重构

给出了基于滤波器组对方位向周期性非均匀采样信号重构方位向均匀采样信号的算法。该算法主要利用滤波器组重建信号的原理,由完全重建条件和已知的分析滤波器组得到合成滤波器组,通过得到的合成滤波器组对方位向周期性非均匀采样信号进行重构,得到均匀采样信号。该均匀采样信号被用来消除当多相位中心方位向多波束星载SAR在系统的脉冲重复频率(PRF)偏离理想值时进行成像而产生的成对虚假目标。通过仿真,证明了该算法的有效性。     

二维稀疏采样下的双通道SAR地面运动目标检测方法

多通道合成孔径雷达(synthetic aperture radar, SAR)地面运动目标检测系统具有良好的主瓣杂波抑制能力,但是其采样数据量过大的问题给数据存储与传输系统带来沉重负担。针对该问题,提出一种二维稀疏采样下的双通道SAR运动目标检测方法。该方法首先在距离和方位两维域进行随机稀疏采样,然后利用压缩感知技术对双通道的SAR回波数据进行联合处理,构造变换矩阵将目标能量支撑区从所有场景散射点的能量支撑区中进行分离,采用基于加权的最小l₁范数优化模型进行杂波抑制与运动目标成像。所提算法能够有效降低原始数据量,在杂波散射点的空间分布稀疏性较差的情况下,仍可以较好地检测地面运动目标。仿真实验验证了所提算法的有效性。     

基于过完备字典的缺失振动数据压缩感知重构算法

针对振动数据采集过程中由于设备短路或环境变化等诸多因素导致的数据丢失问题,提出了一种基于过完备字典的缺失振动数据压缩感知重构算法。首先利用K 奇异值分解算法对大量振动数据进行字典学习得到过完备字典,然后构建缺失振动数据的采样矩阵作为压缩感知框架下的测量矩阵。最后利用正则化正交匹配追踪算法完成缺失数据的重构。通过振动数据库数据和实测航空发动机振动数据实验表明，所提算法优于传统基于离散余弦变换和离散傅里叶变换的数据修复算法,同时具有一定的鲁棒性。     

基于复近似信息传递的多通道SAR成像方法

偏置相位中心天线(displaced phase center antenna, DPCA)技术作为一种实现高分辨率、宽测绘带宽的有效技术手段,被广泛应用于高性能合成孔径雷达(synthetic aperture radar, SAR)系统研制中。为了实现最佳的成像效果,DPCA雷达成像系统需要满足方位向均匀采样条件,否则会导致方位向等效相位中心的周期性非均匀分布,进而使用经典匹配滤波成像方法会产生严重的方位模糊。根据稀疏信号处理理论,本文提出了一种基于复近似信息传递(complex approximate message passing, CAMP)算法的多通道非均匀采样DPCA成像方法,可以有效地解决多通道SAR因非均匀采样所产生的方位模糊以及杂波干扰问题,实现对观测区域的高精度重建。仿真和实际数据实验验证了该方法的有效性。     

基于改进ResNet网络的复数SAR图像舰船目标识别方法

合成孔径雷达(synthetic aperture radar, SAR)采用微波相干成像, 因此SAR图像本质上是复数的。传统基于神经网络的SAR图像目标识别方法, 通常只处理SAR图像的幅度信息, 无法有效利用SAR图像特有的复数信息。本文面向SAR图像中的舰船目标识别应用, 从SAR图像的本质出发, 首先通过组合SAR图像的实部、虚部和幅度三通道信息, 隐式地提供了输入数据的复数信息表示; 然后在ResNet18网络及其结构基础上引入通道注意力机制, 使网络能自适应学习实部、虚部和幅度三通道之间包含的复数信息; 最后引入标签平滑正则化, 解决因复数数据集样本较少出现的过拟合现象。基于OpenSARShip数据集的实验结果表明, 所提方法可以较好利用SAR图像本身的复数信息, 在一定程度上提升了基于深度神经网络的舰船目标识别效果。     

基于时频联合尺度变换的中轨SAR斜视成像方法

在中轨合成孔径雷达(synthetic aperture radar, SAR)成像中,大斜视角以及长合成孔径时间会导致信号产生严重的距离走动和二维空变。首先，针对信号的距离走动问题,采用了变脉冲重复频率(pulse repetition frequency, PRF)技术对回波进行录取,消除大距离走动带来的回波接收问题。然后，针对传统的波数域算法不能实现大斜视中轨SAR信号的聚焦问题,提出了一种结合改进的Stolt插值的时频联合尺度变换的成像方法,利用方位时间尺度变换来解决信号方位调频率的2次空变,再使用改进的Stolt插值完成距离徙动校正。最后,利用多普勒尺度变换来处理剩余的高次空变。通过仿真结果可以证明所提算法的有效性。     

优化DPC-MAB SAR性能的自适应阵列配置技术

偏置相位中心方位多波束（displaced phase centers multiple azimuth beam, DPC-MAB）模式有效地提高了星载合成孔径雷达(synthetic aperture radar, SAR)系统的高分辨大测绘带(high resolution wide swath, HRWS)观测能力,但是脉冲重复频率（pulse repetition frequency, PRF）偏离均匀采样要求的最优值时,信号重构的性能会有恶化。依赖于有源相控阵天线灵活的波束形成能力,通过自适应地调整相位中心间距可以实现任意脉冲重复频率下的均匀采样,从而使得系统在信号重构、方位模糊抑制比以及信噪比等方面的性能得以优化。依赖于这样的阵列配置,还能够在无附加独立发射孔径的条件下实现多发多收（multiple-input multiple-output, MIMO）系统,进一步扩展系统功能。     

基于多普勒谱估计的多通道SAR盲重构方法

方位信号重构是多通道合成孔径雷达(sythetic aperture radar,SAR)成像过程中关键的一个步骤。文中在现有算法的基础上进行改进和扩展,提出了一种基于多普勒谱结构估计的多通道SAR盲重构方法,能够有效解决模糊分量个数和位置变化,导向矢量未知时信号重构的问题。该方法借助Capon谱估计的思想获得混叠多普勒谱的结构图,然后根据结构图构造导向矢量,实现方位信号无模糊重构。所提出的算法能够尽可能保持多普勒谱的完整性,并抑制多普勒谱边缘的噪声。仿真实验验证了所提算法的有效性。     

多发多收Scan模式实现高分辨宽测绘带SAR成像

针对传统星载合成孔径雷达(synthetic aperture radar, SAR)高分辨与宽测绘带成像之间的矛盾,提出基于多发多收扫描模式的SAR成像方法。该方法通过控制波束指向,使其在距离向多个子测绘带间周期性照射,进而得到距离向宽测绘带。同时,为了保证方位向分辨率,利用多天线接收和波束形成实现低方位重复频率下的多普勒模糊信号重构。另外,利用多个发射天线发射不同载频信号及频带合成技术获得距离向高分辨率。最后,应用参数设计结合仿真数据实验验证了该方法的有效性。     

基于深度特征融合的SAR图像与AIS信息关联方法

星载合成孔径雷达(synthetic aperture radar, SAR)和自动识别系统(automatic identification system, AIS)都可以获取到探测目标的相关信息，将两者获取的信息进行关联融合，有益于实现高效的海上侦察监视。由于数据之间存在的异构性，传统方法多依赖人工特征建立SAR图像与AIS信息的关联关系，但这些方法存在精度差、效率低等缺点。本文提出了一种基于深度特征融合的SAR图像与AIS信息关联方法，针对两种模态数据的特点分别设计了对应的特征学习网络获取单模态特征表示，进一步融合不同模态的特征信息以增强跨模态信息间的语义相关性，然后通过设计的关联学习目标函数进行跨模态特征之间关联学习。在构建的数据集上验证表明，所提方法关联精度高、适应性强，验证了所提数据集和方法的有效性。