合成孔径雷达深度学习成像研究综述

摘要：

现代合成孔径雷达(SAR)系统工作在日益复杂的电磁环境中,对成像精度、实时性以及算法鲁棒性等要求越来越高.传统的匹配滤波以及压缩感知技术在满足SAR成像的各类高标准要求时局限性较为明显,尤其在成像性能方面.随着机器学习的快速发展,研究人员将深度学习网络与雷达成像算法相结合,提出了学习成像技术,旨在为实现高质量实时成像寻求新的解决方案.本文从数据驱动以及模型驱动同数据驱动相结合的两种思路出发,介绍了用于求解SAR成像逆问题的深度学习网络架构.在此基础上,对SAR静止目标学习成像、SAR运动目标学习成像、SAR三维学习成像以及ISAR学习成像的研究现状进行概述,帮助研究人员和从业人员理解深度学习技术在SAR成像相关问题中的应用.最后,提出该研究方向一些悬而未决的问题,探讨潜在的解决方案和未来趋势.

关键词：合成孔径雷达(SAR)、深度学习、SAR成像、数据驱动、模型驱动

所属期刊栏目：39

分类号：TN957.9

资助基金：国家自然科学基金;国家自然科学基金;国家自然科学基金

在线出版日期：2023-10-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共31页

页码：1521-1551