基于自学习稀疏先验的三维SAR成像方法

摘要：

合成孔径雷达三维成像技术(3D SAR)能通过孔径维度扩展实现三维成像能力,但数据维度大、系统实现难、成像分辨率低.压缩感知稀疏重构技术在简化3D SAR系统、提升成像质量等方面展现出巨大潜力,但面临计算复杂度高、参数设置困难、弱稀疏场景适应差等新问题,制约了其实际应用.针对上述问题,该文结合卷积神经网络的特征学习及迭代算法的深度展开理论,提出了基于自学习稀疏先验的3D SAR成像方法.首先,探讨了常规3D SAR稀疏成像中矩阵向量线性表征模型的局限性,引入成像算子提升成像算法处理效率.其次,讨论了迭代算法映射网络的深度展开模型和实现方式,包括网络拓扑结构设计、算法参数的优化约束及网络的训练方法.最后,通过仿真数据和地面实验,证明了所提方法在提升成像精度的同时,其运行时间较传统稀疏成像算法降低一个数量级.

关键词：三维SAR、深度学习、深度展开、稀疏表征、稀疏成像

所属期刊栏目：12

分类号：TN957.52

资助基金：国家自然科学基金;国家自然科学基金;国家重点研发计划;教育部国家留学基金;高分对地观测青年基金

在线出版日期：2023-03-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共17页

页码：36-52