一种基于幅度和相位迭代重建的四维合成孔径雷达成像方法

任笑真,  杨汝良

downloadPDF
文章导航 > 雷达学报  > 2016,  5 > 1: (65-71)  
任笑真, 杨汝良. 一种基于幅度和相位迭代重建的四维合成孔径雷达成像方法[J]. 雷达学报, 2016, 5(1): 65-71. doi: 10.12000/JR15135
引用本文: 任笑真, 杨汝良. 一种基于幅度和相位迭代重建的四维合成孔径雷达成像方法[J]. 雷达学报, 2016, 5(1): 65-71. doi: 10.12000/JR15135
shu
Ren Xiaozhen, Yang Ruliang. Four-dimensional SAR Imaging Algorithm Based on Iterative Reconstruction of Magnitude and Phase[J]. Journal of Radars, 2016, 5(1): 65-71. doi: 10.12000/JR15135
Citation: Ren Xiaozhen, Yang Ruliang. Four-dimensional SAR Imaging Algorithm Based on Iterative Reconstruction of Magnitude and Phase[J]. Journal of Radars, 2016, 5(1): 65-71. doi: 10.12000/JR15135
shu

一种基于幅度和相位迭代重建的四维合成孔径雷达成像方法

doi: 10.12000/JR15135
  • 1.

    (河南工业大学信息科学与工程学院 郑州 450001)

  • 2.

    (中国科学院电子学研究所 北京 100190)

基金项目: 

国家自然科学基金(61201390),河南省教育厅科学技术研究重点项目(16A510004)和河南省高等学校青年骨干教师(2015GGJS038)

详细信息
    作者简介:

    任笑真(1984-),女,河南偃师人,2010年7月获得中国科学院电子学研究所通信与信息系统博士学位。现为河南工业大学副教授,硕士生导师,研究方位为合成孔径雷达成像和信号处理。E-mail:rxz235@163.com杨汝良(1943-),男,云南昆明人,1965年毕业于电子科技大学雷达系,英国ABERDEEN大学工程系高级访问学者。现为中国科学院电子学研究所航天微波遥感系统部研究员、博士生导师,从事星载、机载合成孔径雷达系统研究工作。

    通讯作者:

    任笑真rxz235@163.com

Four-dimensional SAR Imaging Algorithm Based on Iterative Reconstruction of Magnitude and Phase

  • 1.

    (College of Information Science and Engineering, Henan University of Technology, Zhengzhou 450001, China)

  • 2.

    (The Institute of Electronics, Chinese Academy of Sciences, Beijing 100190, China)

Funds: 

The National Natural Science Foundation of China (61201390), The Key Scientific Research Project in Universities of Henan Province (16A510004), The Plan for Young Backbone Teacher of Henan Province (2015GGJS038)

  • 摘要: 4维合成孔径雷达获取的观测数据在基线-时间平面非均匀分布。若采用传统成像方法来获取目标散射体的高度-速率维像,则因强副瓣存在,成像效果不理想。当信号具有稀疏性时,压缩感知技术能够利用少量的信号投影值就可实现信号的准确或近似重构。然而标准的压缩感知成像方法是针对实数据进行处理,4维合成孔径雷达成像处理的数据为复数据。因此该文提出了一种基于幅度和相位迭代重建的4维合成孔径雷达成像方法。将4维合成孔径雷达高度-速率成像问题转化为目标复散射系数的幅度和相位联合重建问题,通过在成像过程中引入相位信息来改善成像质量。仿真结果验证了该算法的有效性。
    Abstract: Observation data obtained from the Four-Dimensional (4D) Synthetic Aperture Radar (SAR) system is sparse and non-uniform in the baseline-time plane. Hence, the imaging results acquired by traditional Fourier-based methods are limited by high side lobes. Compressive Sensing (CS) is a recently proposed technique that allows for the recovery of an unknown sparse signal with overwhelming probability from very limited samples. However, the standard CS framework has been developed for real-valued signals, and the imaging process for 4D synthetic aperture radar deals with complex-valued data. In this study, we propose a new 4D synthetic aperture radar imaging algorithm based on an iterative reconstruction of magnitude and phase, which transforms the height-velocity imaging problem of 4D synthetic aperture radar into a joint reconstruction problem of the magnitude and phase of the complex-valued scatter coefficient. Using the phase information in the algorithm, the image quality is improved. Simulation results confirm the effectiveness of the proposed method.
  • [1] Morrison K, Bennett J C, and Nolan M. Using DInSAR to separate surface and subsurface features[J]. IEEE Transactions on Geoscience and Remote Sensing, 2013, 51(6): 3424-3430.
    [2] Fornaro G, D'Agostino N, Giuliani R, et al.. Assimilation of GPS-derived atmospheric propagation delay in DInSAR data processing[J]. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 2015, 8(2): 784-799.
    [3] Fornaro G, Reale D, and Serafino F. Four-dimensional SAR imaging for height estimation and monitoring of signal and double scatterers[J]. IEEE Transactions on Geoscience and Remote Sensing, 2009, 47(1): 224-237.
    [4] Lombardini F. Differential tomography: a new framework for SAR interferometry[J]. IEEE Transactions on Geoscience and Remote Sensing, 2005, 43(1): 37-44.
    [5] Reigber A, Lombardini F, Viviani F, et al.. Three-dimensional and higher-order imaging with tomographic SAR: techniques, applications, issues[C]. IEEE International Geoscience and Remote Sensing Symposium (IGARSS), Milan, Italy, 2015: 2915-2918.
    [6] Serafino F, Soldovieri F, Lombardini F, et al.. Singular value decomposition applied to 4D SAR imaging[C]. IEEE International Geoscience and Remote Sensing Symposium (IGARSS), Seoul, Korea, 2005: 2701-2704.
    [7] 孙希龙, 余安喜, 董臻, 等. 一种差分SAR层析高分辨成像方法[J]. 电子与信息学报, 2012, 34(2): 273-278. Sun Xi-long, Yu An-xi, Dong Zhen, et al.. A high resolution method for differential SAR tomography[J]. Journal of Electronics Information Technology, 2012, 34(2): 273-278.
    [8] 任笑真, 杨汝良. 一种基于逆问题的差分干涉SAR层析成像方法[J]. 电子与信息学报, 2010, 32(3): 582-586. Ren Xiao-zhen and Yang Ru-liang. An inverse problem based approach for differential SAR tomography imaging[J]. Journal of Electronics Information Technology, 2010, 32(3): 582-586.
    [9] Candes E J, Romberg J, and Tao T. Robust uncertainty principles: exact signal reconstruction from highly incomplete frequency information[J]. IEEE Transactions on Information Theory, 2006, 52(2): 489-509.
    [10] Donoho D. Compressed sensing[J]. IEEE Transactions on Information Theory, 2006, 52(4): 1289-1306.
    [11] Zhu X X and Bamler R. Sparse reconstruction techniques for SAR tomography[C]. 17th International Coference on Digital Signal Processing, Corfu, Greece, 2011: 1-8.
    [12] Ren Xiao-zhen and Chen Li-na. Four-dimensional SAR imaging algorithm using Bayesian compressive sensing[J]. Journal of Electromagnetic Waves and Applications, 2014, 28(13): 1661-1676.
    [13] Cetin M and Karl W C. Feature enhanced synthetic aperture radar image formation based on non-quadratic regularization[J]. IEEE Transactions on Image Processing, 2001, 10(4): 623-631.
    [14] Samadi S, Cetin M, and Masnadi-Shirazi M A. Sparse representation-based synthetic aperture radar imaging[J]. IET Radar, Sonar Navigation, 2011, 5(2): 182-193.
  • [1] 李永祯, 黄大通, 邢世其, 王雪松.  合成孔径雷达干扰技术研究综述 . 雷达学报, 2020, 9(5): 753-764. doi: 10.12000/JR20087
    [2] 黄岩, 赵博, 陶明亮, 陈展野, 洪伟.  合成孔径雷达抗干扰技术综述 . 雷达学报, 2020, 9(1): 86-106. doi: 10.12000/JR19113
    [3] 潘洁, 王帅, 李道京, 卢晓春.  基于分布式压缩感知的高分宽幅SAR动目标成像技术 . 雷达学报, 2020, 9(1): 166-173. doi: 10.12000/JR19060
    [4] 卫扬铠, 曾涛, 陈新亮, 丁泽刚, 范宇杰, 温育涵.  典型线面目标合成孔径雷达参数化成像 . 雷达学报, 2020, 9(1): 143-153. doi: 10.12000/JR19077
    [5] 邢孟道, 林浩, 陈溅来, 孙光才, 严棒棒.  多平台合成孔径雷达成像算法综述 . 雷达学报, 2019, 8(6): 732-757. doi: 10.12000/JR19102
    [6] 闫敏, 韦顺军, 田博坤, 张晓玲, 师君.  基于稀疏贝叶斯正则化的阵列SAR高分辨三维成像算法 . 雷达学报, 2018, 7(6): 705-716. doi: 10.12000/JR18067
    [7] 田鹤, 李道京.  稀疏重航过阵列SAR运动误差补偿和三维成像方法 . 雷达学报, 2018, 7(6): 717-729. doi: 10.12000/JR18101
    [8] 韦顺军, 田博坤, 张晓玲, 师君.  基于半正定规划的压缩感知线阵三维SAR自聚焦成像算法 . 雷达学报, 2018, 7(6): 664-675. doi: 10.12000/JR17103
    [9] 李杭, 梁兴东, 张福博, 吴一戎.  基于高斯混合聚类的阵列干涉SAR三维成像 . 雷达学报, 2017, 6(6): 630-639. doi: 10.12000/JR17020
    [10] 刘向阳, 杨君刚, 孟进, 张晓, 牛德智.  低信噪比下基于Hough变换的前视阵列SAR稀疏三维成像 . 雷达学报, 2017, 6(3): 316-323. doi: 10.12000/JR17011
    [11] 陈文峰, 李少东, 杨军, 马晓岩.  基于线性Bregman迭代类的多量测向量ISAR成像算法研究 . 雷达学报, 2016, 5(4): 389-401. doi: 10.12000/JR16057
    [12] 肖鹏, 吴有明, 于泽, 李春升.  一种基于压缩感知恢复算法的SAR图像方位模糊抑制方法 . 雷达学报, 2016, 5(1): 35-41. doi: 10.12000/JR16004
    [13] 张增辉, 郁文贤.  稀疏微波SAR图像特征分析与目标检测研究 . 雷达学报, 2016, 5(1): 42-56. doi: 10.12000/JR15097
    [14] 杨军, 张群, 罗迎, 邓冬虎.  基于压缩感知的认知雷达多目标跟踪方法 . 雷达学报, 2016, 5(1): 90-98. doi: 10.12000/JR14107
    [15] 王爱春, 向茂生.  基于块压缩感知的SAR层析成像方法 . 雷达学报, 2016, 5(1): 57-64. doi: 10.12000/JR16006
    [16] 顾福飞, 张群, 杨秋, 霍文俊, 王敏.  基于NCS算子的大斜视SAR压缩感知成像方法 . 雷达学报, 2016, 5(1): 16-24. doi: 10.12000/JR15035
    [17] 金添.  叶簇穿透合成孔径雷达增强成像方法 . 雷达学报, 2015, 4(5): 503-508. doi: 10.12000/JR15114
    [18] 吴一戎, 洪文, 张冰尘, 蒋成龙, 张柘, 赵曜.  稀疏微波成像研究进展(科普类) . 雷达学报, 2014, 3(4): 383-395. doi: 10.3724/SP.J.1300.2014.14105
    [19] 赵曜, 张冰尘, 洪文, 吴一戎.  基于RIPless 理论的稀疏微波成像波形分析方法 . 雷达学报, 2013, 2(3): 265-270. doi: 10.3724/SP.J.1300.2013.13032
    [20] 仲利华, 胡东辉, 丁赤飚, 张问一.  一种稀疏孔径下大尺寸目标的ISAR 成像方法 . 雷达学报, 2012, 1(3): 292-300. doi: 10.3724/SP.J.1300.2012.20033
  • 加载中
WeChat 点击查看大图
计量
  • 文章访问数:  1490
  • HTML全文浏览量:  286
  • PDF下载量:  945
  • 被引次数: 0
出版历程
  • 收稿日期:  2015-12-31
  • 修回日期:  2016-01-24
  • 刊出日期:  2016-02-28

一种基于幅度和相位迭代重建的四维合成孔径雷达成像方法

doi: 10.12000/JR15135
  • 1. (河南工业大学信息科学与工程学院 郑州 450001)
  • 2. (中国科学院电子学研究所 北京 100190)
    • 基金项目:

    国家自然科学基金(61201390),河南省教育厅科学技术研究重点项目(16A510004)和河南省高等学校青年骨干教师(2015GGJS038)

    作者简介:

    任笑真(1984-),女,河南偃师人,2010年7月获得中国科学院电子学研究所通信与信息系统博士学位。现为河南工业大学副教授,硕士生导师,研究方位为合成孔径雷达成像和信号处理。E-mail:rxz235@163.com杨汝良(1943-),男,云南昆明人,1965年毕业于电子科技大学雷达系,英国ABERDEEN大学工程系高级访问学者。现为中国科学院电子学研究所航天微波遥感系统部研究员、博士生导师,从事星载、机载合成孔径雷达系统研究工作。

    通讯作者: 任笑真rxz235@163.com
  • 收稿日期: 2015-12-31
  • 修回日期: 2016-01-24
  • 刊出日期: 2016-02-28

摘要: 4维合成孔径雷达获取的观测数据在基线-时间平面非均匀分布。若采用传统成像方法来获取目标散射体的高度-速率维像,则因强副瓣存在,成像效果不理想。当信号具有稀疏性时,压缩感知技术能够利用少量的信号投影值就可实现信号的准确或近似重构。然而标准的压缩感知成像方法是针对实数据进行处理,4维合成孔径雷达成像处理的数据为复数据。因此该文提出了一种基于幅度和相位迭代重建的4维合成孔径雷达成像方法。将4维合成孔径雷达高度-速率成像问题转化为目标复散射系数的幅度和相位联合重建问题,通过在成像过程中引入相位信息来改善成像质量。仿真结果验证了该算法的有效性。

English Abstract

任笑真, 杨汝良. 一种基于幅度和相位迭代重建的四维合成孔径雷达成像方法[J]. 雷达学报, 2016, 5(1): 65-71. doi: 10.12000/JR15135
引用本文: 任笑真, 杨汝良. 一种基于幅度和相位迭代重建的四维合成孔径雷达成像方法[J]. 雷达学报, 2016, 5(1): 65-71. doi: 10.12000/JR15135
shu
Ren Xiaozhen, Yang Ruliang. Four-dimensional SAR Imaging Algorithm Based on Iterative Reconstruction of Magnitude and Phase[J]. Journal of Radars, 2016, 5(1): 65-71. doi: 10.12000/JR15135
Citation: Ren Xiaozhen, Yang Ruliang. Four-dimensional SAR Imaging Algorithm Based on Iterative Reconstruction of Magnitude and Phase[J]. Journal of Radars, 2016, 5(1): 65-71. doi: 10.12000/JR15135
shu

    全文HTML

参考文献 (14)

目录

    /

    返回文章
    返回

    京ICP备05002787号-1   本系统由 北京仁和汇智信息技术有限公司 开发    百度统计