基于零空间l1范数最小化的ISAR成像方法

TN957.52; 在目标场景散射率分布满足稀疏性假设下,压缩感知(compressive sensing,CS)成像与传统距离 多普勒成像方法相比,可以使用很少的数据获得良好的图像,图像对比度高,没有旁瓣干扰.本文提出了一种基于零空间 l1 范数最小化的逆合成孔径雷达(inverse synthetic aperture radar,ISAR)CS成像方法.从解欠定方程组的角度,将待重建目标图像分解为初猜值与残余值两部分.首先使用加权最小二乘(weighted lease square,WLS)法估计初猜值,作为目标初像;然后将待重建目标场景散射率的 l1 范数作为额外的一个非线性测量值引入...

Full description

Saved in:
Bibliographic Details
Published in系统工程与电子技术 Vol. 42; no. 2; pp. 315 - 321
Main Authors 徐楚, 朱栋强, 汪玲, 王洁
Format Journal Article
LanguageChinese
Published 南京航空航天大学雷达成像与微波光子技术教育部重点实验室,南京江苏,210016%上海无线电设备研究所,上海,201109 01.02.2020
Subjects
l1 范数
成像
逆合成孔径雷达
零空间
压缩感知
Online AccessGet full text
ISSN1001-506X
DOI10.3969/j.issn.1001-506X.2020.02.09

Cover

More Information
Summary:TN957.52; 在目标场景散射率分布满足稀疏性假设下,压缩感知(compressive sensing,CS)成像与传统距离 多普勒成像方法相比,可以使用很少的数据获得良好的图像,图像对比度高,没有旁瓣干扰.本文提出了一种基于零空间 l1 范数最小化的逆合成孔径雷达(inverse synthetic aperture radar,ISAR)CS成像方法.从解欠定方程组的角度,将待重建目标图像分解为初猜值与残余值两部分.首先使用加权最小二乘(weighted lease square,WLS)法估计初猜值,作为目标初像;然后将待重建目标场景散射率的 l1 范数作为额外的一个非线性测量值引入到图像重建中,在卡尔曼滤波框架下,利用非线性"伪测量"值,最小化待重建目标场景的l1 范数来估计零空间中残余值的解.实测ISAR数据处理验证了所提算法的有效性.与正交匹配追踪算法(matching pursuit algorithm,OM P)和primal-dual l1 范数最小化方法相比,所提方法获得的成像效果更好,成像时间比primal-dual l1 范数最小化方法更短.
ISSN:1001-506X
DOI:10.3969/j.issn.1001-506X.2020.02.09