本發(fā)明涉及雷達(dá)成像，尤其涉及一種聯(lián)合相位聚焦的結(jié)構(gòu)化稀疏isar成像方法。
背景技術(shù)：
：：1、作為一種全天時(shí)、全天候的目標(biāo)感知手段，逆合成孔徑雷達(dá)(inverse?syntheticaperture?radar,?isar)可以獲取非合作目標(biāo)的一維、二維甚至高維信息，可以為后端的目標(biāo)識(shí)別提供更多的精細(xì)特征，因此在軍事和民用領(lǐng)域發(fā)揮著越來越重要的作用。對(duì)于二維成像來說，發(fā)射信號(hào)的帶寬決定了距離分辨能力，而方位分辨能力則取決于雷達(dá)與目標(biāo)之間的相對(duì)轉(zhuǎn)動(dòng)角度，這就需要雷達(dá)連續(xù)發(fā)射多個(gè)子脈沖信號(hào)以獲取更長的虛擬成像孔徑。然而，隨著應(yīng)用需求的多樣化，isar成像正面臨著諸多新的困難與挑戰(zhàn)，特別是稀疏孔徑嚴(yán)重制約了傳統(tǒng)距離多普勒(range-doppler,?rd)算法的成像性能。將壓縮感知（compressive?sensing,?cs）理論應(yīng)用于isar成像領(lǐng)域，通過利用目標(biāo)固有的稀疏特性，可以獲得傳統(tǒng)rd算法無法比擬的性能，已成為解決稀疏成像問題的有效途徑；2、精確的運(yùn)動(dòng)補(bǔ)償是isar成像的關(guān)鍵，一般可以通過包絡(luò)對(duì)齊和相位聚焦兩個(gè)步驟實(shí)現(xiàn)。然而，孔徑的稀疏將會(huì)增加運(yùn)動(dòng)補(bǔ)償?shù)碾y度，尤其是對(duì)補(bǔ)償精度要求較高的相位聚焦影響較大。傳統(tǒng)相位聚焦算法，如相位梯度自聚焦(phase?gradient?autofocus,?pga)、多普勒中心跟蹤(doppler?centre?tracking,?dct)等，無法有效補(bǔ)償由運(yùn)動(dòng)引入的相位誤差，導(dǎo)致成像質(zhì)量的下降甚至失效。為了減少稀疏孔徑對(duì)相位聚焦乃至成像的影響，通常將快速3、快速最小熵相位補(bǔ)償法與與平滑范數(shù)(smoothed?l0?norm,?sl0)算法相結(jié)合，實(shí)現(xiàn)了相位校正與方位成像的聯(lián)合處理，但該方法對(duì)噪聲較為敏感。且由于該方法在實(shí)現(xiàn)過程中需要多次調(diào)用admm算法，其成像性能以及計(jì)算效率仍有較大提升空間。技術(shù)實(shí)現(xiàn)思路1、本發(fā)明的目的在于針對(duì)上述現(xiàn)有技術(shù)的不足，提供了一種聯(lián)合相位聚焦的結(jié)構(gòu)化稀疏逆合成孔徑雷達(dá)isar成像方法，充分利用了目標(biāo)的結(jié)構(gòu)稀疏特性，不僅可以實(shí)現(xiàn)存在相位誤差條件下的高精度isar成像，且進(jìn)一步提升了低信噪比下的處理性能。2、為實(shí)現(xiàn)上述目的，本發(fā)明采用了如下技術(shù)方案：3、本發(fā)明提供了一種聯(lián)合相位聚焦的結(jié)構(gòu)化稀疏逆合成孔徑雷達(dá)isar成像方法，包括以下步驟：4、s1、構(gòu)建稀疏isar成像回波模型；5、s2、采用結(jié)構(gòu)化的快速迭代收縮閾值處理算法對(duì)所述稀疏isar成像回波模型進(jìn)行求解；6、s201、設(shè)定目標(biāo)散射點(diǎn)的結(jié)構(gòu)加權(quán)矩陣，將所述稀疏isar成像回波模型進(jìn)行轉(zhuǎn)換；7、s202、在獲得轉(zhuǎn)換后的稀疏isar成像回波模型后，構(gòu)造估計(jì)相位誤差矩陣的優(yōu)化模型；8、s203、在獲得轉(zhuǎn)換后的稀疏isar成像回波模型以及轉(zhuǎn)換后的估計(jì)相位誤差矩陣，最后更新結(jié)構(gòu)加權(quán)矩陣；9、s204、判斷更新條件是否繼續(xù)。10、進(jìn)一步，所述s1具體為：11、考慮稀疏孔徑的條件，包含相位誤差的稀疏isar成像回波模型寫成矩陣形式為：12、????（1）；13、其中，為含有相位誤差的一維距離像矩陣；為方位向降采樣個(gè)數(shù)、為距離向單元數(shù)、且；；為方位向降采樣矩陣；為方位向傅里葉矩陣；為下標(biāo)；，<mstyledisplaystyle="true"mathcolor="#000000"><msub><mi>f</mi><mi>a</mi></msub><mi>=</mi><msup><mrow><mo>[</mo><mrow><mi>?</mi><mrowbevelled="true"><mn>1</mn><mostretchy="true">/</mo><mn>2</mn></mrow><mo>+</mo><mn>1</mn><mi>/</mi><mi>na</mi><mi>,</mi><mi>?</mi><mrowbevelled="true"><mn>1</mn><mostretchy="true">/</mo><mn>2</mn></mrow><mo>+</mo><mn>2</mn><mi>/</mi><mi>na</mi><mi>,</mi><mi>?</mi><mi>,</mi><mrowbevelled="true"><mn>1</mn><mostretchy="true">/</mo><mn>2</mn></mrow></mrow><mo>]</mo></mrow><mi>t</mi></msup></mstyle>，<mstyledisplaystyle="true"mathcolor="#000000"><msub><mi>t</mi><mi>a</mi></msub><mi>=</mi><mrow><mo>[</mo><mrow><mn>0</mn><mi>,</mi><mn>1</mn><mi>,</mi><mi>?</mi><mi>,</mi><mi>na</mi></mrow><mo>]</mo></mrow></mstyle>；為噪聲矩陣；為待重構(gòu)的二維isar成像矩陣；為估計(jì)相位誤差矩陣，表示為：14、<mstyledisplaystyle="true"mathcolor="#000000"><mtablecolumnalign="left"><mtr><mtd><mi>e</mi><mi>=</mi><mi>diag</mi><mrow><mo>{</mo><mrow><msup><mi>e</mi><mrow><mi>j</mi><msub><mi>φ</mi><mn>1</mn></msub></mrow></msup><mi>,...</mi><msup><mi>e</mi><mrow><mi>j</mi><msub><mi>φ</mi><mi>n</mi></msub></mrow></msup><mi>,...</mi><msup><mi>e</mi><mrow><mi>j</mi><msub><mi>φ</mi><mi>n</mi></msub></mrow></msup></mrow><mo>}</mo></mrow></mtd></mtr><mtr><mtd><mi></mi><mi>=</mi><msub><mrow><mo>[</mo><mtable><mtr><mtd><msup><mi>e</mi><mrow><mi>j</mi><msub><mi>φ</mi><mn>1</mn></msub></mrow></msup></mtd><mtd/><mtd/><mtd><mn>0</mn></mtd></mtr><mtr><mtd/><mtd><msup><mi>e</mi><mrow><mi>j</mi><msub><mi>φ</mi><mn>2</mn></msub></mrow></msup></mtd><mtd/><mtd/></mtr><mtr><mtd/><mtd/><mtd><mi>?</mi></mtd><mtd/></mtr><mtr><mtd><mn>0</mn></mtd><mtd/><mtd/><mtd><msup><mi>e</mi><mrow><mi>j</mi><msub><mi>φ</mi><mi>m</mi></msub></mrow></msup></mtd></mtr></mtable><mo>]</mo></mrow><mrow><mi>m</mi><mi>×</mi><mi>m</mi></mrow></msub></mtd></mtr></mtable></mstyle>（2）；15、其中，為構(gòu)建對(duì)角矩陣運(yùn)算，表示第n行數(shù)據(jù)矩陣的相位信息；16、對(duì)于式（1）所示的問題，轉(zhuǎn)換成所述稀疏isar成像回波模型求解：17、（3）；18、其中，為正則化參數(shù)，和分別表示范數(shù)和范數(shù)，為1范數(shù)。19、進(jìn)一步，所述s201中，轉(zhuǎn)換后的稀疏isar成像優(yōu)化模型為：20、（4）；21、其中，為全1矩陣；為目標(biāo)散射點(diǎn)的結(jié)構(gòu)加權(quán)矩陣；表示循環(huán)次數(shù)。22、進(jìn)一步，所述s201具體為：23、s2011、令，則：24、（5）；25、其中，為目標(biāo)矩陣；為優(yōu)化后的目標(biāo)矩陣；26、對(duì)公式（5），利用下式獲得的最優(yōu)解，具體為：27、，28、，29、else?if30、，31、，32、其中，，33、；34、為設(shè)置的輔助參數(shù)，且；為一常數(shù)滿足，為的利普希茨常數(shù)；為在處的梯度值；為第l次循環(huán)中的替代矩陣，35、計(jì)算方式為；為設(shè)置的閾值；36、s2012、在獲得更新后的后，按照式（6）獲得轉(zhuǎn)換后的稀疏isar成像回波模型：37、??????（6）；38、其中，表示矩陣的hadamard乘積。39、進(jìn)一步，所述s202具體為：40、所述估計(jì)相位誤差矩陣的優(yōu)化模型為：41、??????????????（7）；42、其中，為轉(zhuǎn)換后的估計(jì)相位誤差矩陣。43、s2021、對(duì)公式（7）求的一階導(dǎo)：，獲得的估計(jì)值結(jié)果，為：；44、s2022、利用<mstyledisplaystyle="true"mathcolor="#000000"><msub><moveraccent="true"><mi>e</mi><mo>^</mo></mover><mrow><mi>l</mi><mo>+</mo><mn>1</mn></mrow></msub><mi>=</mi><mi>diag</mi><mrow><mo>[</mo><mrow><mi>exp</mi><mrow><mo>(</mo><mrow><mi>j</mi><mrow><mo>[</mo><mrow><mi>angle</mi><mrow><mo>(</mo><msub><moveraccent="true"><mi>e</mi><mo>^</mo></mover><mi>l</mi></msub><mo>)</mo></mrow></mrow><mo>]</mo></mrow></mrow><mo>)</mo></mrow></mrow><mo>]</mo></mrow></mstyle>，獲得相位更新值；45、其中，為復(fù)數(shù)標(biāo)志；表示取相位操作。46、進(jìn)一步，所述s3中，更新結(jié)構(gòu)加權(quán)矩陣，具體為：47、（8）；48、其中，為中的第個(gè)元素；為更新后的結(jié)構(gòu)加權(quán)矩陣；且；，為正數(shù)。49、進(jìn)一步，所述s204，具體為：50、，；51、else?if?，break；52、其中，為設(shè)置的估計(jì)誤差值。53、本發(fā)明的有益效果為：在考慮運(yùn)動(dòng)誤差的前提下，構(gòu)建出聯(lián)合相位誤差以及目標(biāo)結(jié)構(gòu)特性的方位向稀疏成像優(yōu)化模型；為求解范數(shù)優(yōu)化問題，將相位校正以及目標(biāo)結(jié)構(gòu)加權(quán)融入快速迭代收縮閾值算法實(shí)現(xiàn)過程，通過算法的迭代，同時(shí)實(shí)現(xiàn)相位誤差的校正以及結(jié)構(gòu)權(quán)值信息的更新，最終獲得高分辨isar成像結(jié)果。實(shí)測數(shù)據(jù)實(shí)驗(yàn)證明，相比于傳統(tǒng)稀疏成像方法，所提算法由于充分利用了目標(biāo)的結(jié)構(gòu)稀疏特性，不僅可以實(shí)現(xiàn)存在相位誤差條件下的高精度isar成像，且進(jìn)一步提升了低信噪比下的處理性能。當(dāng)前第1頁12當(dāng)前第1頁12