没有合适的资源?快使用搜索试试~ 我知道了~
广角SAR各向异性散射目标分离成像.docx
1.该资源内容由用户上传,如若侵权请联系客服进行举报
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
版权申诉
0 下载量 93 浏览量
2022-11-28
20:30:35
上传
评论
收藏 950KB DOCX 举报
温馨提示
![preview](https://dl-preview.csdnimg.cn/87192027/0001-ea87559e520d1f466f859acb8333213b_thumbnail-wide.jpeg)
![preview-icon](https://csdnimg.cn/release/downloadcmsfe/public/img/scale.ab9e0183.png)
试读
12页
广角SAR各向异性散射目标分离成像.docx
资源推荐
资源详情
资源评论
![docx](https://img-home.csdnimg.cn/images/20210720083331.png)
![docx](https://img-home.csdnimg.cn/images/20210720083331.png)
![docx](https://img-home.csdnimg.cn/images/20210720083331.png)
![zip](https://img-home.csdnimg.cn/images/20210720083736.png)
![pdf](https://img-home.csdnimg.cn/images/20210720083512.png)
![pdf](https://img-home.csdnimg.cn/images/20210720083512.png)
![](https://csdnimg.cn/release/download_crawler_static/87192027/bg1.jpg)
作为一种先进的遥感系统,合成孔径雷达(SAR)
[1]
在过去的几十年中得到了
广泛的应用。然而,线性航迹合成孔径雷达系统的方位向分辨率受限于观测角
度,无法进一步提升。因此,近年来提出了广角观测
[2,3,4]
的概念,可以用于构造更
大的观测角度范围。该系统可以有效地提高方位向分辨率,对后续目标分类、
识别和定位具有重要意义。
然而,在广角观测
[5,6]
条件下,大部分物体的散射并不持久。物体的几何形状、
阴影和相干闪烁可能会导致雷达的反射率与方位角
[7]
相关。此时,直接利用传统
的成像算法重建图像会导致分辨率下降,产生的相干斑也可能会覆盖目标的相
关散射特性
[8]
,这对合成孔径雷达图像的解析和目标识别是不利的。
众所周知 ,各向异性散射物 体 的反射在较小的数据观测 范 围内是稳定的
[9]
。
因此,可以采用子孔径
[10,11]
方法,将整个观测范围划分为几个较小的孔径,进行广
角合成孔径雷达数据的成像处理。根据视频合成孔径雷达
[12,13]
的方法,可以得到
一组位置和方位观测角度相关的低分辨率图像。然而,单幅图像的反射信息通
常是不够的。为此,有专家提出广义似然比检验(GLRT)方法
[14,15]
,该方法保留了
占主要散射能量的子孔径贡献,经过广义似然比检验处理后,合成孔径雷达图像
可解译性有所提高。上述算法都进行了子孔径的分解处理,但是没有完全利用
各向同性散射目标在整个孔径观测期间的反射能量,因此重建图像的方位向分
辨率仅取决于子孔径分割间隔。为提高图像分辨率,一些文献提出了正则化约
束
[16]
方法和非线性锐化技术
[17,18]
。但这些方法没有充分利用散射信息,致使重建
结果不理想。据悉,贝叶斯反演
[19]
、近似消息传递
[20]
和超完备字典方法
[21,22]
也被
应用在广角合成孔径雷达成像中。在贝叶斯反演方法中,目标雷达反射率是动
态变化的,可以采用动态贝叶斯压缩感知算法求解。但是,其计算复杂度较高,运
算量较大。
此外,在雷达系统中,各向同性散射和各向异性散射目标的反射数据是混合
接收的。由于它们的散射特性不同,需要设计的成像处理滤波器也是不同的。
考虑上述原因,将两者的回波进行分离成像处理更有利于提升图像质量。但在
密集场景下,这是非常困难的。另外,某些观测角度下的强反射信息会掩盖其他
采集区间内的弱反射信息,从而降低图像的可解译性。为解决以上问题,笔者提
出了一种基于稀疏的方法,可以对单通道的广角合成孔径雷达信号同时实现分
离和成像。其中,子孔径成像后散射特性估计信息
[23]
被用作反馈来帮助制定雷
达投影算子。稀疏约束常被用于下采样下的逆成像中
[24,25]
,笔者主要用它来促进
![](https://csdnimg.cn/release/download_crawler_static/87192027/bg2.jpg)
合成孔径雷达数据的分离。文中算法重建图像分辨率不仅由子孔径数据采集间
隔的决定,而且还由散射特性决定。此外,生成图像的可解译性也得到了改善,为
后续的目标检测和识别操作提供了依据。
1 各向异性 散射信号 模型
只考虑雷达截面积(RCS)随方位角变化较大的各向异性散射目标。假设雷
达系统发射一个调频斜率为 k
r
和载频为 f
c
的线性调频信号,则接收回波可以表
示为
S
a
(τ,t)=w
r
τ-2R(t)cw
a
(t-t
c
)σ(x
a
,y
a
,t)·
exp jπkrτ-2R(t)c2exp -j4πfccR(t)
(1)
式中,τ 和 t 分别表示距离向时间和方位向时间,函数 w
r
(·)和 w
a
(·)分别表示
距离向和方位向包络线,σ(x
a
,y
a
,t)是位于(x
a
,y
a
)处目标的可变散射振幅信息,c 是
光速。R(t)表示在任意方位向时间 t 下,目标到雷达平台的瞬时倾斜距离。由于
各向异性散射目标的 σ(x
a
,y
a
,t)随方位角的变化而变化时,经匹配滤波处理后,导
出的脉冲响应函数(IPR)变为 σ(x
a
,y
a
,θ)和二维正弦函数的卷积,这样可能会导致
主瓣带宽扩展,旁瓣的幅度增加。在这种情况下,很难提取目标的真实外观,因此
需要设计新的成像处理方法。
2 各向异性 散射目标 的分离与 成像
为了构建高聚焦质量的各向异性目标图像,在成像过程中需要考虑不同的
散射特性。雷达散射截面的振幅信息是随空间和时间变化的,理想的广角合成
孔径雷达数据成像处理需要一组不同长度和加权参数的匹配滤波器。此外,考
虑到各向同性和各向异性散射目标的反射回波需要各自设计不同的成像滤波
器,笔者提出将混合接收回波数据进行分离成像处理。
首先 ,构建联合雷达系统矩阵 F=[F
p
,F
d
],其中矩阵 F
p
∈ CNd×NI,矩阵 F
d
∈
CNd×NI,被称为持久性和非持久性散射目标的雷达投影算子。经距离压缩后,
雷达回波数据可以表示为
S=F
p
f
p
+F
d
f
d
+n
0
=Ffpfd+n
0
(2)
其中,S∈ CNd×1,是叠加接收到合成孔径雷达数据后得到的列向量。
![](https://csdnimg.cn/release/download_crawler_static/87192027/bg3.jpg)
其次,在联合雷达系统矩阵 F= Fp,Fd 中,通过对 f
p
和 f
d
中第 i 个元素的目标
的合成孔径雷达系统函数进行叠加,得到 F
p
和 F
d
的第 i 列向量。此外,N
d
和 N
I
是指合成孔径雷达数据的长度和图像,下标 p 和 d 是指各向同性和异性目标,n
0
表示噪声矢量。
通常,F
p
的解析表达式可以根据雷达系统参数推导出,但 F
d
却很难直接得到。
由式(1)可以看出,方位向散射特性的影响可以看成对接收雷达数据的加权。因
此投影矩阵 F
d
可以表示为
F
d
≈F
p
A
(3)
其中,A=diag{A
i
},是一个由脉冲响应函数的附加加权信息组成的对角线矩
阵(该信息由各向异性散射行为引入)。由于散射特性的不同,各向同性和各向异
性散射目标的雷达回波数据与系统矩阵 F
p
和 F
d
的相干性关系不同,进而可以通
过在式(2)的求解中使用稀疏范数约束来实现分离。因此,建立以下优化函数:
minαp,αdJ
0
(f
p
, f
d
,F
d
)= minαp,αd,Td‖S-F
p
f
p
-F
d
f
d
‖22+λ
1
‖f
p
‖pp+λ
1
‖f
d
‖pp,
(4)
其中,‖· ‖pp 表示 l
p
范数,λ
1
表示正比例参数。在式(4)中,第 1 项是数据保真
度项,第 2 项和第 3 项旨在约束解的稀疏性。 lp 范数意味着解的稀疏约束,其被
广泛应用于压缩感知处理中,用以恢复下采样数据。在这里, lp 范数的使用相当
于对解 f
p
和 f
d
施加了能量类型的约束
[26]
。由于各向同性和各向异性目标的数据
与两个系统矩阵 F
p
和 F
d
之间的相关性不同,最优化问题(4)的求解将合成孔径雷
达数据分离,会得到两个矢量。稀疏约束进一步促进实现了混合接收数据的分
离,对旁瓣和虚假目标进行抑制,改善重建图像的质量。
在式(4)的迭代计算中,使用了相干加法,这意味着由被照亮目标的真实散射
间隔决定重构的脉冲响应函数分辨率。另外,利用稀疏约束可以抑制噪声和旁
瓣,有利于提高图像的分辨率。经过迭代计算,最终得到两幅独立的图像。
3 迭代求解
在精确地给定被照目标散射特性的情况下,可通过迭代计算求出式(4)中优
化问题的解。可以利用雷达截面积估计方法来构建各向异性散射目标的雷达系
统函数。但估计误差不可避免地会影响数据分离的性能,特别是当各向异性目
剩余11页未读,继续阅读
资源评论
![avatar-default](https://csdnimg.cn/release/downloadcmsfe/public/img/lazyLogo2.1882d7f4.png)
![avatar](https://profile-avatar.csdnimg.cn/3f07197aad004e4fa57ac5a008eb6aaf_weixin_57147647.jpg!1)
罗伯特之技术屋
- 粉丝: 4036
- 资源: 1万+
![benefits](https://csdnimg.cn/release/downloadcmsfe/public/img/vip-rights-1.c8e153b4.png)
下载权益
![privilege](https://csdnimg.cn/release/downloadcmsfe/public/img/vip-rights-2.ec46750a.png)
C知道特权
![article](https://csdnimg.cn/release/downloadcmsfe/public/img/vip-rights-3.fc5e5fb6.png)
VIP文章
![course-privilege](https://csdnimg.cn/release/downloadcmsfe/public/img/vip-rights-4.320a6894.png)
课程特权
![rights](https://csdnimg.cn/release/downloadcmsfe/public/img/vip-rights-icon.fe0226a8.png)
开通VIP
上传资源 快速赚钱
我的内容管理 展开
我的资源 快来上传第一个资源
我的收益
登录查看自己的收益我的积分 登录查看自己的积分
我的C币 登录后查看C币余额
我的收藏
我的下载
下载帮助
![voice](https://csdnimg.cn/release/downloadcmsfe/public/img/voice.245cc511.png)
![center-task](https://csdnimg.cn/release/downloadcmsfe/public/img/center-task.c2eda91a.png)
安全验证
文档复制为VIP权益,开通VIP直接复制
![dialog-icon](https://csdnimg.cn/release/downloadcmsfe/public/img/green-success.6a4acb44.png)