[發(fā)明專利]基于相關(guān)向量機線性陣列SAR三維成像快速貝葉斯壓縮感知方法

有效

• 申請?zhí)枺?/td>: 202110479408.1
• 申請日: 2021-04-30
• 公開（公告）號: CN113204022B
• 公開（公告）日: 2022-07-29
• 發(fā)明（設(shè)計）人: 張曉玲;王楠;胥小我;田博坤;韋順軍;師君
• 申請（專利權(quán)）人: 電子科技大學
• 主分類號: G01S13/90
• 分類號: G01S13/90;G06F17/16
• 代理公司: 電子科技大學專利中心 51203
• 代理人: 曾磊

本發(fā)明公開了一種基于相關(guān)向量機的快速貝葉斯壓縮感知(FBCS?RVM)方法，它是在SBRIM算法的基礎(chǔ)上，結(jié)合了相關(guān)向量機，通過利用相關(guān)向量機實現(xiàn)目標與背景的分類進而提取成像場景空間中目標可能存在的區(qū)域，并根據(jù)目標可能存在的區(qū)域代替全成像場景空間簡化測量矩陣，并估計目標區(qū)域的散射系數(shù)，本發(fā)明成功的避免了線陣SAR三維成像中的高維度矩陣運算，極大地提高算法的運算效率；同時測量矩陣更好的表征了成像場景空間中的目標特性，更好的抑制了虛假目標、旁瓣干擾對于高質(zhì)量成像的影響，成功的提高了線陣SAR三維成像的成像質(zhì)量。本發(fā)明具有重構(gòu)精度高、運算效率較高的優(yōu)勢，本發(fā)明適用于線陣合成孔徑雷達三維成像等領(lǐng)域。

技術(shù)領(lǐng)域

本發(fā)明屬于雷達技術(shù)領(lǐng)域，它特別涉及了合成孔徑雷達(SAR)成像技術(shù)領(lǐng)域。

背景技術(shù)

作為一種工作在微波波段的有源雷達，合成孔徑雷達(Synthetic ApertureRadar,SAR)具有全天時、全天候的成像能力，即無論是白天或黑夜、晴天還是雷雨風雪天氣，都可以隨時隨地成像，克服了光學和紅外系統(tǒng)不能在晚上和復雜天氣條件進行成像的缺點。傳統(tǒng)的SAR成像一般只具有二維成像分辨率，在一些起伏比較大的地方比如陡峭的山峰、峽谷以及城市中矗立挺拔的高樓時，傳統(tǒng)SAR成像存在的失真(陰影遮擋效應、空間模糊、頂?shù)椎怪玫?導致空間的一些重要信息(比如高度)丟失，所以能對目標進行三維成像是非常有必要的，為了適應這種需求，目前常見的三維成像技術(shù)有圓周SAR(Circular SAR)三維成像、層析SAR(Tomography SAR)三維成像、線陣SAR(Array SAR，ASAR)三維成像。

線陣SAR(LASAR)三維成像的基本原理是在切行跡向添加陣列天線，通過沿航跡向平臺的飛行形成虛擬的面陣進而獲得二維分辨率，距離向再通過脈沖壓縮技術(shù)獲得第三維的分辨率。相比于圓周SAR三維成像，線陣SAR三維成像不需要圓周運動的軌跡；相比于層析SAR三維成像需要航過多次，線陣SAR三維成像只需一次航過，所以線陣SAR三維成像相對于層析SAR和圓周SAR三維成像有更強的靈活性。目前線陣SAR三維成像技術(shù)在地形測繪、城市測繪、災難救援、軍事探測等領(lǐng)域發(fā)揮著重要的作用。

使用匹配濾波器算法進行LASAR三維成像時，LASAR的陣列成像分辨率受線性陣列的長度限制。為了實現(xiàn)高質(zhì)量的成像，LASAR必須滿足以下兩個要求:

(1)線性陣列中相鄰元素之間的間距必須滿足Nyquist采樣定理，以避免光柵波瓣。

(2)必須采用整個線性陣列的回波信號，盡量避免旁瓣干擾。

以上兩個要求使得線性陣列中的元素數(shù)量非常龐大，在真實的硬件系統(tǒng)中實現(xiàn)LASAR是非常復雜和昂貴的。

壓縮感知(CS)算法可以利用隨機采樣信號恢復原始稀疏信號，根據(jù)LASAR成像場景的稀疏性，已成功地將其引入LASAR成像。采用不同CS算法進行LASAR稀疏成像時，提高了LASAR成像分辨率。為了減少用于稀疏成像的陣元，通常用隨機采樣陣代替線性陣元。

在進行稀疏成像之前，一旦預設(shè)參數(shù)設(shè)置不當，CS算法可能會受到嚴重的旁瓣干擾，甚至不能正確估計散射系數(shù)。它們的計算復雜度可能顯著增加。在不同的LASAR數(shù)據(jù)下，這個預設(shè)參數(shù)不能總是滿足高質(zhì)量稀疏成像的要求，需要反復調(diào)試。由于預設(shè)參數(shù)通常不需要在不同的LASAR數(shù)據(jù)下重新調(diào)試，SBRIM算法在CS算法中獲得了較好的成像結(jié)果。然而，由于高維矩陣的運算(如矩陣的求逆)，其計算復雜度非常巨大，硬件系統(tǒng)必須有很強的計算能力才能完成高維矩陣的運算。這一缺點嚴重限制了SBRIM算法在三維稀疏成像中的應用。因此，我們需要研究如何在保證成像質(zhì)量的前提下提高SBRIM算法的計算效率。