[發明專利]基于CV-ADMMN的SA-ISAR成像與自聚焦方法

有效

• 申請號: 202010975711.6
• 申請日: 2020-09-16
• 公開（公告）號: CN112099008B
• 公開（公告）日: 2022-05-27
• 發明（設計）人: 張雙輝;李瑞澤;劉永祥;霍凱;姜衛東;黎湘
• 申請（專利權）人: 中國人民解放軍國防科技大學
• 主分類號: G01S13/90
• 分類號: G01S13/90
• 代理公司: 湖南企企衛知識產權代理有限公司 43257
• 代理人: 任合明

本發明屬于雷達成像領域，具體涉及一種基于CV?ADMMN的SA?ISAR成像與自聚焦方法，包括以下步驟：S1對運動目標一維距離像序列進行建模；S2對運動目標稀疏孔徑ISAR成像場景進行建模；S3建立運動目標稀疏孔徑ISAR成像問題的ADMM重構模型；S4建立CV?ADMMN網絡結構模型；S5利用CV?ADMMN網絡結構對稀疏孔徑ISAR成像問題進行求解；本發明取得的有益效果為：通過本發明可實現運動目標稀疏孔徑ISAR成像與自聚焦，在稀疏孔徑條件下，可快速重構完整雷達圖像，并實現相位誤差補償。算法性能對參數選取依賴性弱，進而獲得更佳的重構性能。對于數據缺失條件下稀疏孔徑ISAR成像、自聚焦有重要的工程應用價值。

技術領域

本發明屬于雷達成像領域，具體涉及一種基于復數域交替方向乘子法網絡(Complex-valued ADMM-Net，CV-ADMMN)的目標稀疏孔徑逆合成孔徑雷達(Sparseaperture inverse synthetic aperture radar，SA-ISAR)成像與自聚焦方法。

背景技術

逆合成孔徑雷達(ISAR)成像技術可以用于對目標進行高分辨率成像，具有全天時全天候的特性，在民用與軍事領域應用廣泛。

SA-ISAR成像是指利用稀疏孔徑雷達回波對目標進行成像。稀疏孔徑回波是指雷達接收到的不完整回波。通常來講，環境與雷達接收機噪聲、多功能雷達的“寬-窄”交替模式、壓縮感知雷達的隨機采樣方式、多通道雷達的目標切換模式等都將導致稀疏孔徑回波。在稀疏孔徑條件下，由于回波之間的相關性被嚴重破壞，傳統快速傅里葉變換(FastFourier transform，FFT)方法無法對方位向單元進行成像。此時，一般可以利用凸優化方法通過雷達圖像的稀疏性先驗迭代求解成像結果。凸優化方法往往對模型參數選取具有敏感性，不同參數的選取往往會對算法效果造成巨大影響。在實際應用中需要對參數進行手工微調，為工程應用帶來不便。

自聚焦可以對運動目標的平動所產生的相位誤差進行補償，從而實現精細的平動補償。在稀疏孔徑條件下，由于數據缺失，傳統自聚焦方法難以得到良好的效果，導致圖像散焦。因此在稀疏孔徑條件下，對運動目標進行高效地成像與自聚焦具有重要的工程應用價值。

發明內容

本發明要解決的技術問題是在稀疏孔徑條件下，傳統運動目標ISAR成像方法對參數敏感性強，傳統自聚焦方法效果不佳，難以滿足工程應用需求。

本發明的思路是針對稀疏孔徑條件下，成像算法對參數選取敏感性強，以及傳統自聚焦方法效果不佳的問題，提出一種基于CV-ADMMN的SA-ISAR成像與自聚焦方法。該方法基于深度學習網絡模型，利用深度展開的方式，將傳統交替方向乘子法(Alternatingdirection method of multipliers，ADMM)應用于SA-ISAR問題，并將其建模為深度網絡模型。將該網絡在數據集上訓練，從而自適應地調整算法參數。為改善稀疏孔徑條件下的自聚焦效果，本發明在已有的網絡結構中嵌入了基于最小熵的自聚焦模塊，從而構成完整CV-ADMMN結構。該結構通過網絡前向傳播可以從稀疏孔徑一維距離向序列重構出原始雷達圖像。

本發明解決其技術問題所采取的技術方案是：一種基于CV-ADMMN的SA-ISAR成像與自聚焦方法，包括以下步驟：

S1對運動目標一維距離像序列進行建模：

平動補償是ISAR成像的首要環節，經過幾十年發展，其技術路線已相對成熟(保錚,邢孟道,王彤.雷達成像技術[M].北京:電子工業出版社,2005)，因此，本發明假設對目標的平動補償已經完成。雷達發射線性調頻(Linear frequency modulation，LFM)信號，針對運動目標接收到的二維回波可被建模為：