基于稀疏表示理论的合成孔径雷达成像方法 |
|||||||
申请号 | CN201410821539.3 | 申请日 | 2014-12-25 | 公开(公告)号 | CN104483671A | 公开(公告)日 | 2015-04-01 |
申请人 | 西安电子科技大学; | 发明人 | 赵光辉; 左功玉; 石光明; 罗喜; | ||||
摘要 | 本 发明 公开了一种基于稀疏表示理论的 合成孔径雷达 成像方法;主要解决传统稀疏表示的成像方法不能处理复杂场景及时间损耗大的问题。其实现步骤是:1.获得地面场景回波矩阵Y;2.构造地面场景方位向基矩阵R及地面场景距离向基矩阵G;3.根据步骤1、2中的矩阵、高斯噪声N及散射系数矩阵F获得矩阵关系式:Y=RFG+N;4.根据矩阵关系式、中间变量矩阵V、 水 平全变差矩阵Dx、垂直全变差矩阵Dy及步骤1、2中的矩阵构造全变差 框架 下的优化函数f(F,V,Dx,Dy);5.对优化函数进行求解得到地面场景的图像。本发明能实现对合成孔径雷达的高分辨成像,且成像速度快,可用于大面积地形测绘。 | ||||||
权利要求 | 1.一种基于稀疏表示理论的合成孔径雷达成像方法,包括如下步骤: |
||||||
说明书全文 | 基于稀疏表示理论的合成孔径雷达成像方法技术领域[0001] 本发明属于雷达技术领域,具体地说是一种能够有效地处理复杂的大场景的合成孔径雷达成像方法,可用于大面积地形测绘,制图学,全天候全球侦察。 背景技术[0002] 合成孔径雷达SAR是一种具有高分辨力的成像雷达,具有全天时、全天候成像能力,在军事和民用方面得到了广泛的应用。SAR的高分辨,在径向距离上依靠宽带信号,几百兆赫的频带可将距离分辨单元缩小到亚米级;在方位上则依靠雷达平台运动,等效地在空间形成很长的线性阵列,并将各次回波存储作合成的阵列处理。 [0003] 在SAR系统中,雷达沿着航线向地面场景发射脉冲,并且接收来自该地面场景散射的回波,然后利用聚焦算法,如Range Doppler,Chirp Scaling处理回波,重构出地面场景。虽然这种方法比较有效,但需要利用大于奈奎斯特频率的采样频率对回波进行数字化处理,较高的采样频率对接收端的A/D转换器来说无疑是一个巨大的挑战;同时采样获得的大量采样数据也增加了存储和传输的负担;传统方法重构出来的SAR图像的分辨率受限于SAR系统信号的带宽,为了提高分辨率只能提高信号的带宽,这样也增加硬件的复杂度,而且相干斑噪声,和旁瓣伪影对图像质量的影响也很严重。 [0004] 近年来涌现的稀疏表示理论指出,若某高维信号本身是稀疏的或在某个变换域下是稀疏的,可以通过一个与变换域不相关的观测矩阵将该信号投影到低维空间上,并通过优化方法实现高概率信号重建。稀疏表示理论的提出为合成孔径雷达的高分辨成像提供了可能性。根据这一理论,Vishal M.Patel等人在文献“Compressed Synthetic Aperture Radar.IEEE JournalofSelected Topicsin Signal Processing,Vol.4,NO.2,April2010.”提出了一种基于全变差稀疏表示的成像方法,将场景向量化并构造观测矩阵,再利用接收回波进行重构的方法。尽管这种成像方法可以在低于奈奎斯特采样频率下进行成像,但是往往需要花费大量的时间,不能达到实时性的成像处理,且成像有效性较差,使得其只能处理较小的场景。 发明内容[0005] 本发明的目的在于针对上述已有技术的不足,提出一种基于稀疏表示理论的合成孔径雷达成像方法,以实现直接对地面复杂二维场景进行重构,在保持高分辨率的同时减少成像时间。 [0006] 为实现上述目的,本发明的技术方案包括如下步骤: [0007] (1)根据雷达向地面场景发射脉冲 获得地面场景的回波信号 [0008] [0009] 式中,为快时间,ta为慢时间,fc为载频,γ为调频斜率,v为载机速度,C为电磁波传播速度,wa(·)为方位窗函数,wr(·)为线性调频脉冲信号时间窗函数,P为地面场景在方位向的离散网格个数,Q为地面场景在距离向的离散网格个数,p为地面场景在方位向的第p个离散网格,q为地面场景在距离向的第q个离散网格,fpq为第(p,q)个网格处散射点的散射系数,R0为雷达到地面场景中心的垂直斜距,Rq为雷达到距离向第q个离散网格的垂直斜距,xp为方位向第p个离散网格的x轴坐标; [0010] (2)对回波信号 进行二维离散采样,得到如下回波矩阵Y: [0011] [0012] 其中,M为方位向发射脉冲的数目,N为每个脉冲内,距离向采样点数; 为回波信号在第(m,n)个采样时刻的样本值,其表示式如下: [0013] [0014] 式中,λ为载波波长,ta,m为第m个脉冲, 为快时间第n个采样时刻值; [0015] (3)构造地面场景的方位向基矩阵R: [0016] [0017] 其中, [0018] (4)构造地面场景的距离向基矩阵G: [0019] [0020] 其中, [0021] (5)根据回波矩阵Y、方位向基矩阵R、距离向基矩阵G和地面场景的散射系数矩阵F,构建如下矩阵关系式: [0022] Y=RFG+N, [0023] 式中,N是与回波矩阵Y同维度的噪声矩阵,散射系数矩阵F的形式如下: [0024] [0025] 其中,p=1,2,…,P,q=1,2,…,Q; [0026] (6)根据地面场景的散射系数矩阵F,获得中间变量矩阵V,水平全变差矩阵Dx,垂直全变差矩阵Dy: [0027] V=F [0028] Dx=DhF, [0029] Dy=FDv [0030] 式中,Dh为水平全变差算子矩阵,Dv为垂直全变差算子矩阵; [0032] [0033] 其中 表示求函数最小值的运算符,λ为全变差罚因子,ν为场景散射系数罚因子,μ为回波罚因子,||·||F表示求矩阵的Frobenius范数,||·||1表示对矩阵的每一个元素取绝对值后再相加; [0035] (9)对步骤(8)得到地面场景散射系数矩阵F的最终迭代结果F取模值,输出得到地面场景的图像。 [0036] 本发明与现有技术相比具有如下优点: [0037] 第一,本发明通过对场景做全变差处理,然后利用Split-Bregman方法成像处理,使得基于稀疏表示的方法处理复杂的场景成为了可能。 [0038] 第二,本发明直接对二维地面场景图像进行重构成像,避免了场景图像向量化的重构方法产生的观测矩阵过大,计算量急剧增加的问题,具有大场景快速成像,小场景实时成像的优点,对成像速度要求高的应用场合有明显的优势。附图说明 [0039] 图1是本发明的实现流程图; [0040] 图2是本发明仿真使用的海港场景的图像; [0041] 图3是用本发明方法重构出的海港场景的图像; [0042] 图4是本发明仿真使用的梯田场景的图像。 [0043] 具体实施方法 [0044] 下面结合附图对本发明做进一步的详细描述。 [0045] 参照图1,本发明的具体实施步骤如下: [0046] 步骤1:获得离散二维回波矩阵Y。 [0047] (1a)载机沿着航向前行,雷达向地面场景发射线性调频脉冲: [0048] [0049] 式中,fc为载频,γ为调频斜率,t为全时间, 为快时间,ta为慢时间,这三个时间的关系为 表示线性调频脉冲信号的时间窗函数,Tr是脉冲持续的时间; [0050] (1b)接收该场景的回波脉冲,得到回波信号为 [0051] [0052] 式中,v为载机速度,C为电磁波传播速度,wa(·)为方位窗函数,wr(·)为线性调频脉冲信号时间窗函数,P为地面场景在方位向的离散网格个数,Q为地面场景在距离向的离散网格个数,p为地面场景在方位向的第p个离散网格,q为地面场景在距离向的第q个离散网格,fpq为第(p,q)个网格处散射点的散射系数,R0为雷达到地面场景中心的垂直斜距,Rq为雷达到距离向第q个离散网格的垂直斜距,xp为方位向第p个离散网格的x轴坐标; [0053] (1c)将步骤(1b)地面场景的回波 进行二维离散采样,得到回波矩阵Y: [0054] [0055] 其中M为方位向发射脉冲的数目,N为每个脉冲内的距离向采样点数; 表示回波的第(m,n)个采样时刻的样本值,其表示式如下: [0056] [0057] 式中λ为载波波长,ta,m为第m个脉冲, 为快时间第n个采样时刻值。 [0058] 步骤2:构造地面场景的方位向基矩阵R和距离向基矩阵G。 [0059] (2a)根据步骤1参数,构造地面场景的方位向基因子r(ta,m,p): [0060] [0061] 其中,ta,m为第m个脉冲,p=1,2,…,P,m=1,2,…,M,wa(·)为方位窗函数,v为载机速度,λ为载波波长,R0为雷达到地面场景中心的垂直斜距,xp为方位向第p个离散网格的x轴坐标; [0062] (2b)根据方位向基因子r(ta,m,p),获得方位向基矩阵R: [0063] [0064] 式中,M为方位向发射脉冲的数目,P为地面场景方位向的离散网格个数; [0065] (2c)根据步骤1参数,构造地面场景的距离向基因子 [0066] [0067] 式中, 为快时间第n个采样时刻值,q=1,2,…,Q,n=1,2,…,N,γ为调频斜率,wr(·)为线性调频脉冲时间窗函数,C为电磁波传播速度,λ为载波波长,Rq为雷达到距离向第q个离散网格的垂直斜距; [0068] (2d)根据距离向基因子 获得距离向基矩阵G: [0069] [0070] 其中,N为每个脉冲内的距离向采样点数,Q为地面场景D在距离向的离散网格个数。 [0071] 步骤3:根据步骤1和2得到的回波矩阵Y、方位向基矩阵R、距离向基矩阵G和地面场景的散射系数矩阵F,构建如下矩阵关系式: [0072] Y=RFG+N [0073] 式中,N是与回波矩阵Y同维度的噪声矩阵,散射系数矩阵F的形式如下: [0074] [0075] 其中,p=1,2,…,P,q=1,2,…,Q。 [0076] 步骤4:根据步骤1和2得到的矩阵变量以及步骤3中的矩阵关系式构造全变差框架下的优化函数f(F,V,Dx,Dy)。 [0077] (4a)根据地面场景的散射系数矩阵F,获得中间变量矩阵V,水平全变差矩阵Dx,垂直全变差矩阵Dy: [0078] V=F [0079] Dx=DhF, [0080] Dy=FDv [0081] 式中,Dh为水平全变差算子矩阵,Dv为垂直全变差算子矩阵; [0082] (4b)根据步骤(4a)中的矩阵变量,构造全变差框架下的优化函数f(F,V,Dx,Dy): [0083] [0084] 其中, 表示求函数最小值的运算符,λ为全变差罚因子,ν为场景散射系数罚因子,μ为回波罚因子,||·||F表示求矩阵的Frobenius范数,||·||1表示对矩阵的每一个元素取绝对值后再相加。 [0085] 步骤5:用Split-Bregman方法对步骤4中的优化函数f(F,V,Dx,Dy)进行迭代求解,得到成像后的地面场景的图像。 [0086] (5a)根据优化函数f(F,V,Dx,Dy),得到Split-Bregman形式的优化函数L(F,V,Dx,Dy): [0087] [0088] 式中,Bx为水平全变差矩阵辅助变量,By为垂直全变差矩阵辅助变量,W为散射系数矩阵辅助变量; [0089] (5b)初始化:迭代步数k=0,第k次迭代后散射系数矩阵Fk为全1矩阵,第k次k迭代后中间变量矩阵V为全1矩阵,第k次迭代后水平全变差矩阵 为全1矩阵,第k次k 迭代后垂直全变差矩阵 为全1矩阵;第k次迭代后散射系数矩阵辅助变量W为全0矩阵,第k次迭代后水平全变差矩阵辅助变量 为全0矩阵,第k次迭代后垂直全变差矩阵辅助变量 为全0矩阵;设置全变差罚因子λ>0,场景散射系数罚因子ν>0,回波罚因子μ>0,迭代终止条件ε=5×10-4; [0090] (5c)获得第k+1次迭代后散射系数矩阵Fk+1; [0091] (5c1)根据方位向基矩阵R,距离向基矩阵G,获得方位向对称矩阵Ψ,距离向对称矩阵Φ: [0092] Ψ=RTR, [0093] Φ=GGT [0094] 其中,(·)T表示矩阵转置; [0096] (5c3)根据回波矩阵Y,方位向基矩阵R,距离向基矩阵G,第k次迭代后中间变量矩阵Vk,第k次迭代后散射系数矩阵辅助变量Wk,方位向正交矩阵UR,距离向正交矩阵UG,方位向对角矩阵LR,距离向对角矩阵LG,按照如下公式获得第k+1次迭代后散射系数辅助矩阵[0097] [0098] 式中,p=1,2,…,P,q=1,2,…,Q; [0099] (5c4)根据方位向正交矩阵UR,距离向正交矩阵UG,第k+1次迭代后散射系数辅助k+1矩阵 按照如下公式获得第k+1次迭代后散射系数矩阵F : [0100]k+1 [0101] (5d)获得第k+1次迭代后中间变量矩阵V ; [0102] (5d1)根据水平全变差算子矩阵Dh,垂直全变差算子矩阵Dv,获得水平全变差矩阵E,垂直全变差矩阵Z: [0103] [0104] (5d2)根据特征分解水平全变差矩阵E,垂直全变差矩阵Z,得到水平全变差正交矩阵Ux,水平全变差对角矩阵Lx,垂直全变差正交矩阵Uy,垂直全变差对角矩阵Ly; [0105] (5d3)根据第k+1次迭代后散射系数矩阵Fk+1,水平全变差算子矩阵Dh,垂直全变k差算子矩阵Dv,第k次迭代后散射系数矩阵辅助变量W,第k次迭代后水平全变差矩阵辅助变量 第k次迭代后垂直全变差矩阵辅助变量 第k次迭代后水平全变差矩阵第k次迭代后垂直全变差矩阵 水平全变差正交矩阵Ux,垂直全变差正交矩阵Uy,水平全变差对角矩阵Lx,垂直全变差对角矩阵Ly,按照如下公式获得第k+1次迭代后中间变量辅助矩阵 [0106] [0107] 式中,p=1,2,…,P,q=1,2,…,Q; [0108] (5d4)根据水平全变差正交矩阵Ux,垂直全变差正交矩阵Uy,第k+1次迭代后中间k+1变量辅助矩阵 按照如下公式获得第k+1次迭代后中间变量矩阵V : [0109]k+1 [0110] (5e)根据第k+1次迭代后中间变量矩阵V ,第k次迭代后水平全变差矩阵辅助变量 第k次迭代后垂直全变差矩阵辅助变量 按照如下公式获得第k+1次迭代后水平全变差矩阵 第k+1次迭代后垂直全变差矩阵 [0111] [0112] 式中,p=1,2,…,P,q=1,2,…,Q,Dh为水平全变差算子矩阵,Dv为垂直全变差算子矩阵,sign(·)为符号函数; [0113] (5f)根据上述已得到的第k+1次迭代后中间变量矩阵Vk+1,第k+1次迭代后散射k+1系数矩阵F ,第k+1次迭代后水平全变差矩阵 第k+1次迭代后垂直全变差矩阵第k次迭代后水平全变差矩阵辅助变量 第k次迭代后垂直全变差矩阵辅助变量 第k k次迭代后散射系数矩阵辅助变量W,按照如下公式获得第k+1次迭代后散射系数矩阵辅k+1 助变量W ,第k+1次迭代后水平全变差矩阵辅助变量 第k+1次迭代后垂直全变差矩阵辅助变量 k+1 k k+1 k+1 [0114] W =W +V -F [0115] [0116] [0117] (5g)根据第k+1次迭代后散射系数矩阵Fk+1,第k次迭代后散射系数矩阵Fk,按如下公式得到均方误差M: [0118] [0119] 式中,||·||F表示求矩阵的Frobenius范数; [0120] (5h)判断均方误差M≤ε是否成立,若成立执行步骤(5i);否则令k=k+1,返回步骤(5c)继续迭代运行; [0121] (5i)令F*=Fk+1,得到地面场景散射系数矩阵F的最终迭代结果F*; [0122] (5j)对最终迭代结果F*取模值,输出得到地面场景的图像。 [0123] 本发明的效果可以通过下述仿真实验加以说明: [0124] 1.仿真条件 [0125] (1a)运行平台配置: [0126] CPU:Intel(R)Core(TM)2Duo CPU E4500@2.20GHz;内 存:2GB( 亿 能 DDR2667MHZ); [0128] (1b)仿真参数设置 [0129] 发射信号采用线性调频信号,发射信号参数以及实验仿真参数设置如表1所示。 [0130] 表1 发射信号参数以及实验仿真参数 [0131]参数 取值 载波频率 fc=10GHz 线性调频信号持续时间 Tr=5μs 线性调频信号调频带宽 Br=37.5MHz 载机平台速度 v=150m/s 天线等效孔径 D=4m 载机与场景中心的垂直斜距 R0=20Km 脉冲重复频率 PRF=300Hz 采样频率 fs=225MHz [0132] 2.仿真内容与结果 [0133] 仿真1,根据表1的仿真参数,用合成孔径雷达对图2所示的大小为687×803的海港场景,进行探测并获取回波,用本发明方法重构出海港场景的图像,结果如图3所示。图像表明:本发明能实现对地面复杂大场景的高分辨重构。 [0134] 仿真2,根据表1的仿真参数,仿真获得如图4所示的不同大小梯田场景的回波,其中图4(a)为64×64的梯田场景,图4(b)为128×128的梯田场景,图4(c)为256×256的梯田场景,图4(d)为512×512的梯田场景。 [0135] 根据图4(a),图4(b),图4(c),图4(d)的回波,用本发明方法分别对图4(a),图4(b),图4(c),图4(d)进行重构,记录相应的重构时间损耗,如表2所示。 [0136] 表2 本发明方法重构不同尺寸梯田场景的时间损耗 [0137]梯田场景 图4(a) 图4(b) 图4(c) 图4(d) 场景的尺寸 64×64 128×128 256×256 512×512 时间损耗(s) 0.126 0.369 1.592 14.739 [0138] 由表2的本发明方法重构不同尺寸梯田场景的时间损耗可以看出,相对于现有的将二维场景向量化的稀疏表示算法,本发明的方法大大加速了对场景的成像时间,实现了小场景实时成像,大场景快速成像的目的,具有显著的实用性。 |