一种实孔径雷达自适应组合正则化角超分辨成像方法

本发明属于雷达成像，具体涉及一种实孔径雷达自适应组合正则化角超分辨成像方法。

背景技术：

1、实孔径雷达的角分辨率与天线孔径相关。在实际应用中由于雷达平台空间限制，孔径尺寸有限，导致实孔径雷达角分辨率低，难以满足飞行器自主着陆、地形测绘等领域高分辨率成像的应用需求。

2、正则化方法是提升实孔径雷达角分辨率的一种有效途径。文献“y.zhao，j.g.liu，b.zhang，w.hong，and y.-r.wu，‘adaptive total variation regularization based sarimage despeckling and despeckling evaluation index，’ieee transactions ongeoscience and remote sensing，2014，pp.2765-2774.”提出了一种基于全变差范数的边缘增强方法，但是单一正则化项的重建性能有限。文献“w.huo，x.tuo，y.zhang，y.zhang，and y.huang，‘balanced tikhonov and total variation deconvolution approach forradar forward-looking super-resolution imaging，’ieee geoscience and remotesensing let-ters，2021，pp.1-5.”提出了一种具有包含l2范数和tv范数的组合正则化方法，可以同时平滑噪声信息并增强目标的边缘信息。文献“q.zhang，y.zhang，y.huang，y.zhang，j.pei，q.yi，w.li，and j.yang，‘tv-sparse super-resolution method forradar forward-looking imaging，’ieee transactions on geoscience and remotesensing，vol.58，no.9，pp.6534-6549，2020”把l1范数和tv范数被作为组合约束项以增强目标的分辨率和边缘信息，但是随着正则化项的数量增加，正则化参数的选取复杂。

3、综上，虽然上述提到的方法都能在一定程度上改善实孔径雷达角分辨率。但是，单一正则化方法性能改善有限，而现有组合正则化方法在求解过程中面临复杂的参数选取，不利于实际应用。

技术实现思路

1、为解决上述技术问题，本发明提出了一种实孔径雷达自适应组合正则化角超分辨成像方法，以实现扩展目标的尺度信息重建，通过选择广义稀疏范数和广义全变差范数作为组合范数，同时增强角度分辨率和扩展目标边缘信息，然后提出了基于数据相关拟合准则的迭代重加权方法，实现了正则化参数自适应快速选取。

2、本发明的技术方案为：一种实孔径雷达自适应组合正则化角超分辨成像方法，具体步骤如下：

3、步骤一、回波数据的获取与预处理；

4、根据机载实孔径雷达的运动几何模型，雷达通过发射线性调频信号获取目标场景ω的信息，经过解调后，目标场景的回波可表示为：

5、

6、其中，τ表示距离向时间采样向量，t表示方位向时间采样向量，观测场景ω的方位采样点数为n，距离向采样点数为m；σ(x,y)表示场景ω中(x,y)点的目标散射系数，w(t)表示天线方向图函数调制，rect(·)表示矩形窗函数，tp表示发射信号的脉冲时宽，λ表示载频波长，c表示电磁波传播速度，k表示线性调频率，n(τ,t)表示加性高斯白噪声。目标的距离历史为r0表示目标起始距离，v表示机载平台运动速度，θ0表示目标空间方位角。

7、对回波进行脉冲压缩和距离走动校正，实现距离向的高分辨处理，目标场景的方位向回波可以转化为形式：

8、y＝hx+n   (2)

9、其中，y表示接收的方位向回波向量，h表示由天线方向图函数构成的卷积测量矩阵，x表示目标散射系数分布，n表示噪声向量。

10、步骤二、构建正则化目标函数；

11、在正则化框架下，选择广义稀疏范数和广义全变差范数作为组合范数构建目标函数，目标函数表达式为：

12、

13、其中，表示恢复的目标散射系数分布，表示数据表征项，表示向量二范数的平方；η1和η2表示正则化参数；表示广义稀疏范数，表示广义全变差范数，d表示梯度矩阵，p和q分别表示广义稀疏范数和广义全变差范数的范数值。

14、步骤三、计算归一化加权矩阵；

15、根据协方差拟合准则，式(3)中的正则化参数η1和η2可通过加权矩阵代替，表达式如下：

16、

17、其中，w表示加权矩阵，归一化表示为：

18、w＝diag(ω1,ω2,…,ωn)   (5)

19、其中，diag(·)表示对角矩阵，且an表示卷积测量矩阵h＝[a1,…,an,…an]的第n列，n表示方位采样点数。

20、步骤四、迭代初始化；

21、目标散射系数的初始值为：

22、

23、其中，t表示矩阵的转置。

24、步骤五、更新权重因子；

25、wp和wq分别表示p范数和q范数的正则化权重矩阵，分别更新为如下形式：

26、

27、

28、其中，表示第i-1次迭代中第n个目标散射系数元素的绝对值的p-2次方；表示第i-1次迭代中第n个目标散射系数元素的绝对值的q-2次方。

29、步骤六、更新目标散射系数；

30、根据步骤五中的正则化权重矩阵，目标散射系数的更新迭代公式为：

31、

32、重复步骤五和步骤六，经过i次迭代后，直至相邻两次的超分辨结果的误差不大于设定的误差值χ，循环结束。循环终止条件为：

33、

34、循环遍历回波矩阵的所有距离单元，得到对整个回波矩阵的方位超分辨成像结果。

35、本发明的有益效果：本发明的方法首先进行回波数据的获取与预处理，构建正则化目标函数，再通过计算归一化加权矩阵，并进行迭代初始化，更新权重因子，最后更新目标散射系数，得到对整个回波矩阵的方位超分辨成像结果。本发明的方法组合了广义稀疏范数和广义全变差范数作为约束项，同时增强角度分辨率和扩展目标边缘信息，然后采用基于数据驱动的迭代重加权方法，避免了正则化参数的选取，减少了手动选择参数的数量，相比现有组合范数方法，具有更强的尺度信息重建能力，提高了实孔径雷达对扩展目标的尺度重建准确性。

技术特征：

1.一种实孔径雷达自适应组合正则化角超分辨成像方法，具体步骤如下：

技术总结
本发明公开了一种实孔径雷达自适应组合正则化角超分辨成像方法，首先进行回波数据的获取与预处理，构建正则化目标函数，再通过计算归一化加权矩阵，并进行迭代初始化，更新权重因子，最后更新目标散射系数，得到对整个回波矩阵的方位超分辨成像结果。本发明的方法组合了广义稀疏范数和广义全变差范数作为约束项，同时增强角度分辨率和扩展目标边缘信息，然后采用基于数据驱动的迭代重加权方法，避免了正则化参数的选取，减少了手动选择参数的数量，相比现有组合范数方法，具有更强的尺度信息重建能力，提高了实孔径雷达对扩展目标的尺度重建准确性。

技术研发人员：毛德庆,黄钰林,庹兴宇,赵献,罗嘉伟,张永超,张寅,杨建宇,杨海光
受保护的技术使用者：电子科技大学
技术研发日：
技术公布日：2024/1/13