一种基于混合范数优化的稀疏SAR无模糊成像方法
导读 与传统的基于匹配滤波(MF)的方法相比，稀疏合成孔径雷达(SAR)成像可以从下采样回波数据中获得稀疏监视区域的高质量图像。然而，稀疏SAR成像...
与传统的基于匹配滤波(MF)的方法相比，稀疏合成孔径雷达(SAR)成像可以从下采样回波数据中获得稀疏监视区域的高质量图像。然而，稀疏SAR成像仍然面临着一些挑战，特别是在大范围场景的快速恢复和方位模糊度抑制方面。接收到的回波在时域上是离散且有限的，在距离-多普勒域上呈现无限离散性，相当于主频带信号频谱的周期性扩展。当脉冲重复频率(PRF)满足香农-奈奎斯特采样理论时，方位模糊度并不严重。然而，稀疏SAR系统总是通过降低PRF来获得较宽的测绘带，这会导致方位模糊，甚至导致重建失败。
为了解决上述问题，本文借助近似观测理论，首先解决L q范数(0 < q< 1)正则化问题，以快速获得稀疏图像。此外，为了抑制有限脉冲重复频率(PRF)和数据下采样引起的方位模糊，提出了一种基于L 2,1/2范数正则化的稀疏SAR成像方法，并将其应用于无模糊恢复。大规模稀疏场景。由于在模型构建中考虑了方位模糊度项，因此该方法在方位模糊抑制方面比基于MF 和 L q范数正则化的方法表现出更好的性能。与现有的基于L 2,1范数正则化的成像方法相比，它扩展了方位模糊抑制能力，可以获得更高质量的稀疏图像。
主要贡献如下。
在模型构建中考虑方位模糊度项，以扩展方位模糊度抑制的能力。
提出了基于L 2,1/2范数正则化的稀疏SAR成像方法，并将其应用于大规模稀疏场景的无模糊恢复。
所提出的方法已在模拟和实际数据上得到验证。在点目标模拟中，研究人员从下到上、从左到右设置了四个点目标，两个目标在方位角方向上的间距较小，为10m。他们通过降低 PRF 对完全采样的回波数据进行 50% 均匀下采样，以验证方法抑制方位模糊的能力。在真实数据实验中，基于真实Radarsat数据进一步验证了所提出的方法。
