基于学习辅助的稀疏孔径ISAR成像方法、装置和设备

本技术涉及isar成像，特别是涉及一种基于学习辅助的稀疏孔径isar成像方法、装置和设备。

背景技术：

1、逆合成孔径雷达（inverse synthetic aperture radar, isar）成像是空间目标监测和信息感知的重要手段之一。受到雷达硬件条件限制，isar往往面对稀疏观测场景，造成isar图像散射点缺失、图像散焦等问题。稀疏孔径isar自聚焦成像技术目标是从不完整的回波中重构高分辨且聚焦的isar图像。

2、现有的稀疏孔径isar自聚焦成像方法主要可以分为模型驱动方法和数据驱动方法。模型驱动的稀疏孔径isar自聚焦成像方法往往具备显性的数学模型，具有良好的可解释性。该类算法对于不同的isar成像场景，例如不同的稀疏率、不同的信噪比以及不同的回波维度，都可以进行即插即用即时求解。但算法有效性和时效性上不如基于学习的方法，且需要手动调整算法中的超参数。数据驱动的稀疏孔径isar自聚焦成像方法通过隐性的黑盒神经网络来端到端的求解isar成像问题，通常具有高效的求解速度和有效的数据驱动求解性能。但该类方法往往高度依赖训练数据和预训练过程，难以适配空间目标isar自聚焦成像任务中场景复杂多变且缺乏训练数据的现实需求。

技术实现思路

1、基于此，有必要针对上述技术问题，提供一种能够在目标回波缺失的情况下有效的进行高精度目标成像的基于学习辅助的稀疏孔径isar成像方法、装置和设备。

2、一种基于学习辅助的稀疏孔径isar成像方法，所述方法包括：

3、获取稀疏孔径下的isar目标回波数据，根据所述isar目标回波数据生成对应的isar一维距离信号矩阵；

4、构建稀疏场景下的isar成像模型，所述isar成像模型中包括待求解的isar二维高分辨像矩阵，以及辅助求解的初相误差矩阵；

5、通过采用基于范数对所述isar成像模型进行正则约束，得到优化目标函数；

6、将所述isar一维距离信号矩阵代入所述优化目标函数后，采用交替迭代最小化算法进行迭代求解，得到所述isar二维高分辨像矩阵，以完成稀疏孔径isar成像。

7、在其中一实施例中，所述isar成像模型由isar一维距离信号矩阵、退化矩阵、高斯白噪声矩阵以及待求解的isar二维高分辨像矩阵构建得到，其中，所述退化矩阵由降采样矩阵、傅里叶变换矩阵以及所述初相误差矩阵进行表示。

8、在其中一实施例中，所述优化目标函数包括三项，分别为：

9、第一项为观测信号保真项，采用范数约束；

10、第二项和第三项分别为采用范数对待求解的isar二维高分辨像矩阵以及初相误差矩阵进行正则约束，并采用正则化参数控制；

11、所述优化目标函数以最小化isar二维高分辨像矩阵以及初相误差矩阵为目标。

12、在其中一实施例中，所述优化目标函数表示为：

13、；

14、在上式中，表示所述isar一维距离信号矩阵，表示所述初相误差矩阵，表示所述降采样矩阵，表示所述傅里叶变换矩阵，表示所述第一项，表示所述第二项，其中，表示正则化参数，表示所述第三项，其中，表示正则化参数。

15、在其中一实施例中，在采用交替迭代最小化算法对所述优化目标函数进行求解过程中的每一次迭代计算中，采用两个神经网络分别对所述isar二维高分辨像矩阵以及初相误差矩阵进行求解；

16、在利用所述神经网络对所述isar二维高分辨像矩阵以及中间初相误差矩阵进行求解后，还根据求解结果对所述神经网络的网络参数进行更新。

17、在其中一实施例中，在采用交替迭代最小化算法对所述优化目标函数进行求解过程中的每一次迭代计算中:

18、将上一次迭代计算得到的中间isar二维高分辨像矩阵以及中间初相误差矩阵，分别作为对应神经网络的输入，并通过所述神经网络输出当前次迭代计算的中间isar二维高分辨像矩阵以及中间初相误差矩阵；

19、将当前次迭代计算的中间isar二维高分辨像矩阵以及中间初相误差矩阵，代入所述优化目标函数中进行计算，分别得到对应两个神经网络的损失函数；

20、判断所述损失函数是否收敛，若收敛，则当前次迭代计算的中间isar二维高分辨像矩阵以及中间初相误差矩阵为最终的isar二维高分辨像矩阵以及初相误差矩阵；

21、若不收敛，则根据损失函数对神经网络的网络参数进行更新，并将网络参数更新后的神经网络进行下一次迭代计算。

22、在其中一实施例中，对所述初相误差矩阵进行求解的神经网络为包括两层全连接网络的实数神经网络；

23、对所述isar二维高分辨像矩阵进行求解的神经网络包括八层的全卷积神经网络的复数神经网络。

24、本技术还提供了一种基于学习辅助的稀疏孔径isar成像装置，所述装置包括：

25、待成像isar回波信号得到模块，用于获取稀疏孔径下的isar目标回波数据，根据所述isar目标回波数据生成对应的isar一维距离信号矩阵；

26、isar成像模型构建模块，用于构建稀疏场景下的isar成像模型，所述isar成像模型中包括待求解的isar二维高分辨像矩阵，以及辅助求解的初相误差矩阵；

27、优化目标函数得到模块，用于通过采用基于范数对所述isar成像模型进行正则约束，得到优化目标函数；

28、稀疏孔径isar成像模块，用于将所述isar一维距离信号矩阵代入所述优化目标函数后，采用交替迭代最小化算法进行迭代求解，得到所述isar二维高分辨像矩阵，以完成稀疏孔径isar成像。

29、一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：

30、获取稀疏孔径下的isar目标回波数据，根据所述isar目标回波数据生成对应的isar一维距离信号矩阵；

31、构建稀疏场景下的isar成像模型，所述isar成像模型中包括待求解的isar二维高分辨像矩阵，以及辅助求解的初相误差矩阵；

32、通过采用基于范数对所述isar成像模型进行正则约束，得到优化目标函数；

33、将所述isar一维距离信号矩阵代入所述优化目标函数后，采用交替迭代最小化算法进行迭代求解，得到所述isar二维高分辨像矩阵，以完成稀疏孔径isar成像。

34、一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：

35、获取稀疏孔径下的isar目标回波数据，根据所述isar目标回波数据生成对应的isar一维距离信号矩阵；

36、构建稀疏场景下的isar成像模型，所述isar成像模型中包括待求解的isar二维高分辨像矩阵，以及辅助求解的初相误差矩阵；

37、通过采用基于范数对所述isar成像模型进行正则约束，得到优化目标函数；

38、将所述isar一维距离信号矩阵代入所述优化目标函数后，采用交替迭代最小化算法进行迭代求解，得到所述isar二维高分辨像矩阵，以完成稀疏孔径isar成像。

39、上述基于学习辅助的稀疏孔径isar成像方法、装置和设备，通过构建稀疏场景下的isar成像模型，该模型中包括待求解的isar二维高分辨像矩阵以及辅助求解的初相误差矩阵，通过采用基于范数对isar成像模型进行正则约束，得到优化目标函数，将获取的isar一维距离信号矩阵代入优化目标函数后，采用交替迭代最小化算法进行迭代求解，得到isar二维高分辨像矩阵，以完成稀疏孔径isar成像，其中，在采用交替迭代最小化算法对优化目标函数进行求解过程中的每一次迭代计算中，采用两个神经网络分别对isar二维高分辨像矩阵以及初相误差矩阵进行求解。采用本方法可以有效、快捷的进行高精度isar目标成像。