廖杏杏 劉 喆 武俊杰
(電子科技大學信息與通信工程學院 成都 611731)
傳統(tǒng)合成孔徑雷達(Synthetic Aperture Radar,SAR)無法同時獲得方位向高分辨率和距離向?qū)挏y繪寬成像。為了解決該問題,Staggered SAR利用周期線性變化的脈沖重復間隔(Pulse Repetition Interval,PRI)和掃描接收(SCan-On-REceive,SCORE)技術實現(xiàn)連續(xù)觀測的高分寬幅(High Resolution and Wide Swath,HRWS)成像[1]。由于Staggered SAR具有實現(xiàn)連續(xù)觀測的HRWS成像的巨大潛力,其已被視為下一代星載SAR系統(tǒng)Tandem-L和NISAR的基本工作模式[1,2]。根據(jù)平均脈沖重復頻率(Pulse Repetition Frequency,PRF)相對于多普勒帶寬的比值,Staggered SAR可被分為高過采樣和低過采樣Staggered SAR。高過采樣Staggered SAR發(fā)射信號過采樣率一般為1.8~2.3[1,3,4],其以增大發(fā)射和處理的數(shù)據(jù)量為代價降低丟失的影響,而低過采樣Staggered SAR的發(fā)射信號過采樣率可達到1.1[5],大大降低了星載SAR數(shù)據(jù)存儲負擔和傳輸成本,因而得到了廣泛關注。由于Staggered SAR存在變化的PRI引起的非均勻采樣和由于收發(fā)沖突造成的數(shù)據(jù)丟失問題,因此有效處理這兩個問題是獲得高質(zhì)量成像結(jié)果的前提。
處理高過采樣率Staggered SAR數(shù)據(jù)一般有兩種策略。第1種策略是對非均勻回波數(shù)據(jù)進行重采樣使其均勻,然后應用傳統(tǒng)SAR頻域成像方法。最優(yōu)線性無偏插值(Best Linear Unbiased,BLU)[1]、多通道重建(Multi-Channel Reconstruction,MCR)[1,3,5]等重采樣技術均已在高過采樣Staggered SAR中被成功應用。然而,BLU方法對PRI變化間隔較敏感,MCR只能在一個PRI變化周期中PRI序列較短的情況下有效工作。第2種策略是直接利用時域反投影(Back Projection,BP)算法或與其相似的頻域方法。然而,由于低過采樣以及丟失造成的欠采樣問題,這兩種策略都不能直接用于低過采樣率Staggered SAR。為了解決這個問題,文獻[5,6]提出了基于譜估計算法的兩步處理方法,其中丟失數(shù)據(jù)迭代自適應算法(Missing Data Iterative Adaptive Algorithm,MIAA)[7]和高過采樣Staggered SAR處理方法被依次用于恢復丟失數(shù)據(jù)和聚焦圖像。然而,由于MIAA對頻譜稀疏性的限制,且MIAA運算量較大,這種兩步處理方法不能很好地用于分布式面目標場景。因此,現(xiàn)有的低過采樣Staggered SAR方法無法完全有效抑制大場景面目標中的方位模糊,且效率低。
壓縮傳感(Compressive Sensing,CS)[8]技術已被廣泛應用于欠采樣SAR圖像重建[9–16]?;贑S的成像算法按照構(gòu)造的逆問題模型不同可以分為兩類。第1類逆問題模型[9,10]基于回波與場景的時域關系構(gòu)建,較長的重建時間和巨大的內(nèi)存成本使得這類CS重建方法對大場景實測數(shù)據(jù)進行處理顯得不切實際,因此往往只能用于處理較小的場景。為了降低基于場景向量化模型的CS算法中由測量矩陣和反射率向量直接相乘引起的較高計算復雜度,文獻[11–16]提出了一類基于SAR回波頻域模型(Frequency Domain Model,FDM)的CS成像方法。然而,這些基于FDM的CS重建方法或受限于窄帶場景而不能完全補償寬測繪帶場景的距離徙動(Range Cell Migration,RCM)[11–13,15,16]或沒有清晰、可微的表達式[11,14,15],并且因為FDM沒有處理低過采樣Staggered SAR的非均勻采樣、收發(fā)沖突造成的丟失和非理想天線方向圖(Azimuth Antenna Pattern,AAP)問題,不適用于低過采樣Staggered SAR。為了抑制非理想AAP造成的方位模糊,2013年Zhang等人[17]在基于時域回波模型的優(yōu)化問題中嵌入了AAP導致的模糊區(qū)信息,但是該方法不能處理Staggered SAR存在的非均勻采樣問題和寬幅場景下的RCM問題,且運算復雜度較高。
本文提出了一種創(chuàng)新的CS算法和選擇濾波(Selective Filtering,SF)算法有機結(jié)合的成像方法。首先,針對低過采樣Staggered SAR提出了一種創(chuàng)新性頻域模型(Innovative FDM,IFDM),其中精確的RCM首次在優(yōu)化問題構(gòu)造中被表示為多個非均勻離散傅里葉變換(Non-Uniform Discrete Fourier Transform,NUDFT)矩陣組成的三維張量;此外,非均勻采樣和收發(fā)沖突造成的丟失分別由NUDFT矩陣和丟失指示矩陣表示。在該IFDM基礎上,利用跡的性質(zhì)以及張量和矩陣的微分,推導出了目標函數(shù)梯度的解析表達式,利用該梯度公式,二維快速迭代收縮閾值算法(2D Fast Iterative Shrinkage Thresholding Algorithm,2D-FISTA)[18]處理可得到抑制了非均勻采樣和回波丟失造成的方位模糊的成像結(jié)果。最后,將迭代結(jié)果利用SF算法處理可抑制非理想AAP導致的模糊。為了提升本文方法的運算效率,利用快速傅里葉變換(Fast Fourier Transform,FFT)和非均勻快速傅里葉變換(Non-Uniform FFT,NUFFT)操作實現(xiàn)迭代更新過程中的離散傅里葉變換(Discrete Fourier Transform,DFT)和NUDFT矩陣乘。
本文的后續(xù)結(jié)構(gòu)如下:第2節(jié)介紹了低過采樣Staggered SAR信號模型,并分析了低過采樣、回波丟失、非均勻采樣及非理想AAP對方位模糊的影響;第3節(jié)詳細介紹了所提出的方法;第4節(jié)給出了點目標仿真和RADARSAT-1模擬回波數(shù)據(jù)處理的實驗結(jié)果,驗證了所提出方法的優(yōu)越性;第5節(jié)得出本文結(jié)論。
系統(tǒng)采集到的Staggered SAR回波由瞬時采樣時刻以及到達回波與發(fā)射脈沖的沖突關系共同決定。解調(diào)和距離壓縮后,Staggered SAR的回波可表示為
其中,τn表示距離時間τ的瞬時采樣時刻,τn2rref/c+(n ?N/2)/fsr,n0,1,...,N ?1,rref為參考點斜距,c為光速,fsr為距離向采樣頻率,N為距離時間采樣點數(shù);tm表示方位時間t的瞬時采樣時刻,由重復非均勻PRI序列決定,可表示為式(2);s?是無丟失回波信號的連續(xù)時間形式,可表示為式(3);b指示回波信號是否受收發(fā)沖突影響而丟失,可表示為式(4)。
式(2)中,和〈·〉分別表示為向下取整和取余算子,M為發(fā)射脈沖的個數(shù),Δt1~ΔtK為一個脈沖重復周期T的PRI序列,K為一個脈沖重復周期T內(nèi)的脈沖個數(shù),。式(3)中,x(a,r)表示點散射系數(shù),a和r分別為點的方位向和距離向位置;h(t,τ;a,r)sinc(Wr(τ ?τd(t;a,r)))exp(?j2πξ0·(τ ?τd(t;a,r)))為點散射響應,其中ξ0和Wr分別為中心頻率和發(fā)射信號帶寬,τd為t時刻發(fā)射信號的收發(fā)時延,v為平臺速度。Staggered SAR的τd中t和r存在耦合,與傳統(tǒng)SAR產(chǎn)生RCM的原理一致。式(4)中,Tp表示發(fā)射脈沖寬度;
其中,k表示回波到達時刻位于發(fā)射脈沖間隔Δtk+1內(nèi),因此,b(tm,τn)0表示tm時刻發(fā)射脈沖在τn時刻后的回波信號由于收發(fā)沖突而丟失,b(tm,τn)1表示回波信號被成功接收。
基于以上分析,低過采樣Staggered SAR回波是非均勻采樣且存在丟失的,且丟失會導致欠采樣的問題,此外,還存在RCM和非理想AAP的問題,其中非理想AAP指的是雷達波束同時使用主瓣和副瓣照亮觀測場景,波束方向圖主瓣外沿以及副瓣的接收能量會造成圖像中出現(xiàn)方位模糊[19]。在低過采樣Staggered SAR成像中,必須仔細考慮以上這些因素,才能有效抑制方位向上所有的模糊。
由式(1)可知,因為Staggered SAR系統(tǒng)使用的PRI是周期線性變化的,其接收回波在方位向是非均勻采樣的,導致其方位頻譜混疊與傳統(tǒng)SAR存在一定差異。這會造成傳統(tǒng)SAR成像方法對Staggered SAR回波直接處理的結(jié)果在真實目標方位向上出現(xiàn)多對較弱的方位模糊。以下將理論分析Staggered SAR成像結(jié)果中存在方位模糊的原因。
首先分析非均勻采樣對方位模糊產(chǎn)生的影響。由PRI周期線性變化規(guī)律,回波方位向逐點采樣公式可以寫為M/K
其中,為PRI變化周期個數(shù)。
定義回波連續(xù)信號為s(t),按照式(7)對其進行采樣的結(jié)果為
s(t)采樣后對應的頻域信號可表示為
其中,?代表卷積運算,(mT+Δt1+...+Δtk)(f ?kf0),f0是PRI變化周期T對應的頻率,f01/T,k0,1,...,K。
從式(9)給出的回波方位頻域信號表達式可知,多個加權(quán)系數(shù)為θk的頻譜疊加會造成Staggered SAR回波方位頻域信號存在頻譜混疊,且相鄰加權(quán)結(jié)果的中心頻率相差f0,f0PRFmean/K。式(9)中考慮了非均勻采樣和雷達系統(tǒng)非理想AAP造成的頻譜混疊。具體地,式(9)中θ0對應基帶AAP,θk(k1,2,...,K ?1)對應非均勻采樣造成的加權(quán)AAP,θK對應雷達系統(tǒng)非理想AAP。圖1(a)和圖1(b)分別給出了高過采樣和低過采樣Staggered SAR的AAP混疊示意圖,其中基帶AAP用紅色實線表示,f0對應的由非均勻采樣造成的加權(quán)后AAP用綠色虛線表示,PRFmean對應的雷達系統(tǒng)非理想AAP用藍色虛線表示。因此,Staggered SAR成像結(jié)果中真實目標方位向會出現(xiàn)由非均勻采樣造成的多對均勻分布較弱的模糊,以及由非理想AAP造成的一對相對較強的模糊。
由圖1可知,高過采樣Staggered SAR相較于低過采樣Staggered SAR有較大的 PRFmean,可以有效減小一個PRF周期內(nèi)由 PRFmean處頻譜混疊引起的方位模糊,同時kf0(k1,2,...,K ?1)處頻譜混疊引起的多對方位模糊也相對較弱。而低過采樣Staggered SAR的 PRFmean較小,且可能存在由于回波丟失造成的欠采樣問題,因此 PRFmean處和kf0(k1,2,...,K ?1)的頻譜混疊都要比高過采樣Staggered SAR更加嚴重,導致低過采樣Staggered SAR的成像質(zhì)量大大差于高過采樣Staggered SAR。在實際情況中,圖1中基帶AAP左右兩邊都存在由非理想AAP和非均勻采樣造成的混疊,因此方位模糊在真實目標兩側(cè)相同位置偏移處成對出現(xiàn)[20]。
圖1 Staggered SAR 天線方向圖混疊示意圖Fig.1 Map of azimuth antenna pattern aliasing for Staggered SAR
首先,利用無丟失回波的頻譜對無丟失回波s?(tm,τn)進行建模。根據(jù)式(1),(tm,τn)具有非等間隔的方位瞬時時刻tm和等間隔的距離瞬時時刻τn,可表示為其二維頻譜的二維逆傅里葉變換(Inverse Fourier Transform,IFT)得到,過程如式(10)所示。
其中,ηp和ξq分別是離散多普勒頻率和離散距離頻率,
fsa,Tx為方位向發(fā)射信號采樣頻率,p0,1,...,M ?1,q0,1,...,N ?1 ;是(tm,τn)的二維頻譜。對式(3)進行二維傅里葉變換(Fourier Transform,FT)并利用駐定相位原理,可以得到的解析式為
將式(12)中的算子用矩陣或三維張量表示,使得回波模型可以表示為一系列矩陣乘法運算:
接下來,利用回波時域丟失信息對接收到的Staggered SAR信號建模。根據(jù)式(1)可以得到無丟失回波和實際接收回波在時域上的關系為s(tm,τn)s?(tm,τn)b(tm,τn)。結(jié)合該時域關系以及式(13),可以得到實際接收信號對應的IFDM為
低過采樣Staggered SAR的圖像重建過程等效于利用式(14)從回波矩陣S中提取反射率矩陣X,這是一個可用CS技術求解的不適定逆問題。給定一個稀疏化算子 Ψ,將反射率矩陣X變換為稀疏矩陣,即ΓΨ(X),Γ為稀疏矩陣,則式(14)中的逆問題可轉(zhuǎn)化為以下優(yōu)化問題:
其中,‖·‖1表示矩陣1范數(shù),λ>0是正則化參數(shù),g(X)可表示為
其中,‖·‖2表示矩陣Frobenius范數(shù)。
式(15)中的優(yōu)化問題是一個?1正則化的最小二乘問題。本文采用基于軟閾值和梯度下降的2D-FISTA方法來解決該問題。應用2D-FISTA的核心是推導?g(Γ)的解析式,即g關于Γ的梯度。由文獻[12,15]可知,近年來Daubechies小波已被成功應用于欠采樣SAR等遙感領域中,可以針對欠采樣SAR實現(xiàn)高質(zhì)量成像。因此,本文采用Daubechies-4小波[21]作為稀疏化算子,XΨ?1(Γ)。根據(jù)矩陣跡的性質(zhì),可得到
根據(jù)矩陣微分和梯度之間的關系,可以得到式(17)的梯度表達式為
其中,(·)?表示矩陣的共軛運算。
利用式(14)的IFDM和式(18)的梯度公式,求解式(15)的優(yōu)化問題的方法稱為IFDM-FISTA[22]。IFDM-FISTA將低過采樣Staggered SAR成像模糊抑制問題看作一個從低過采樣Staggered SAR回波中提取場景目標信息的逆問題,并利用CS優(yōu)化技術求解該逆問題。與采用前向正問題模型的傳統(tǒng)成像算法不同,IFDM-FISTA在逆問題求解過程中,不受奈奎斯特采樣定理約束,可以有效抑制低過采樣Staggered SAR由于回波欠采樣引起的頻譜混疊造成的方位模糊。并且,IFDM考慮了非均勻采樣影響,因此IFDM-FISTA可得到抑制回波丟失和非均勻采樣影響的低過采樣Staggered SAR成像結(jié)果。最后利用SF算法[23]處理可抑制非理想AAP的影響,得到方位模糊全部被抑制的成像結(jié)果Xfinal。
本文結(jié)合IFDM-FISTA和SF,提出了IFDMFISTA-SF方法,并在表1中進行了總結(jié)。在表1中,初始化參數(shù)選取范圍依據(jù)文獻[18,24];?f確定梯度下降步長[24];表示以U(l)元素為導向的軟閾值函數(shù),其[m,n]th元素的值為,其中(·)+在輸入項大于等于0時輸出輸入項本身,否則輸出0;SF(·)表示選擇濾波處理。由表1可知,本文方法每次迭代的計算復雜度由步驟3和步驟4決定,這兩個步驟所有關于DFT和NUDFT矩陣的矩陣乘法都是通過FFT或NUFFT實現(xiàn)的,共包含M點FFT和NUFFT運算各 2N次,N點FFT和NUFFT運算各2M次,MN點哈達瑪乘積3次,因此IFDM-FISTASF方法的計算復雜度為O(LMNlog2(MN))。
表1 IFDM-FISTA-SF流程Tab.1 The process of IFDM-FISTA-S
為了驗證IFDM-FISTA-SF方法抑制低過采樣Staggered SAR成像結(jié)果中方位模糊的有效性,給出了點目標仿真和RADARSAT-1寬幅場景模擬回波數(shù)據(jù)處理的實驗結(jié)果。為了定量分析各方法對方位模糊的抑制能力,使用最大模糊和真實目標幅值比(Ambiguity-to-Target Ratio,ATR)和積分旁瓣比(Integrated Sidelobe Ratio,ISLR)來評價,其中ATR20lg(iA/iT),iA為真實目標方位向最大的模糊,iT為真實目標幅值,ISLR計算只考慮除非理想AAP外的其他因素(回波丟失,非均勻采樣)造成的模糊。除本文提出的方法外,還采用ωK直接成像方法演示非均勻采樣和回波丟失的影響,為進一步支撐本文論點、凸顯本文算法處理非稀疏寬幅場景面目標的優(yōu)勢,本文選取的發(fā)射信號過采樣率與文獻[5]相同,在此條件下與文獻[5]所提出的方法進行比較、分析。實驗的硬件配置采用Intel(R)Core(TM) i7-10700F處理器,32 GB內(nèi)部存儲器,軟件環(huán)境為MATLAB 2017a。
低過采樣Staggered SAR點目標回波仿真參數(shù)如表2所示。由于點目標仿真回波未添加噪聲,IFDM-FISTA-SF 算法的初始化參數(shù)可設置為λβ0[24]。圖2給出了不同方法對低過采樣Staggered SAR點目標回波的處理結(jié)果,紅色實線、紅色虛線和綠色虛線標注處分別為真實目標、非理想AAP造成的模糊和非均勻采樣造成的模糊的位置。表3列出了圖2中不同方法對點目標方位模糊抑制效果的性能評估對比。
表2 低過采樣Staggered SAR仿真參數(shù)Tab.2 Simulation parameters for low-oversampled Staggered SAR
從圖2可以看出,ωK方法的處理結(jié)果中存在多對沿著真實目標方位向較弱的模糊和一對較強的模糊,分別處于非均勻采樣和非理想AAP影響所在的方位位置。圖2(b)和圖2(c)表明對于孤立點目標,MIAA-MCR和IFDM-FISTA方法都能很好地抑制非均勻采樣和回波丟失造成的方位模糊,但是非理想AAP造成的較強方位模糊仍然存在。圖2(d)表明IFDM-FISTA-SF方法繼承了IFDM-FISTA算法抑制非均勻采樣以及回波丟失造成的方位模糊的能力,同時SF可以進一步抑制非理想AAP造成的模糊,從而實現(xiàn)高質(zhì)量成像。表3中的結(jié)果同樣表明IFDM-FISTA-SF能夠最好地抑制各種因素造成的方位模糊。具體地,IFDM-FISTA-SF的ISLR?14.18和ATR?33.56分別表明其對丟失及非均勻采樣和非理想AAP造成的模糊抑制效果優(yōu)于其他方法。接下來,將對比分析各方法對面目標中方位模糊的抑制效果。
圖2 點目標成像結(jié)果方位剖面圖Fig.2 Azimuth profiles of reconstructed results for a point target
表3 不同方法對點目標模糊抑制性能的評估結(jié)果Tab.3 Evaluation results of the azimuth-ambiguity-removal performance for different methods
本文利用文獻[4,16]的數(shù)據(jù)模擬方式對加拿大溫哥華地區(qū)RADARSAT-1覆蓋范圍為20 km×20.5 km(方位向×距離向)的寬幅場景對應的原始回波數(shù)據(jù)進行處理,獲得寬幅場景下低過采樣Staggered SAR模擬回波數(shù)據(jù)。根據(jù)L曲線法[25],IFDM-FISTA-SF算法處理以上低過采樣Staggered S A R 寬幅場景模擬回波數(shù)據(jù)的初始化參數(shù)為λ0.98,0.9,β0.95,迭代次數(shù)L20。圖3給出了各方法對該場景大小為20 km×20.5 km(方位向×距離向)的成像結(jié)果,圖3(a)—圖3(d)分別對應ωK,MIAA-MCR,IFDM-FISTA和IFDMFISTA-SF方法。表4列出了ωK,MIAA-MCR、使用NUDFT實現(xiàn)的IFDM-FISTA和IFDMFISTA/IFDM-FISTA-SF方法的計算復雜度,其中Md為MIAA-MCR處理時對一個方位向數(shù)據(jù)的分段長度。由于log2(MN)?M+(如圖3實驗中,MN4096,Md100,log2(MN)24,10000,M+N8192),因此IFDM-FISTA/IFDM-FISTA-SF的計算復雜度要遠遠小于MIAAMCR和利用NUDFT實現(xiàn)的IFDM-FISTA。表4中IFDM-FISTA/IFDM-FISTA-SF成像處理時間遠小于MIAA-MCR和利用NUDFT實現(xiàn)的IFDMFISTA,同樣說明了IFDM-FISTA/IFDM-FISTASF是一種高效的處理方法。進一步地,為了證明本文方法比MIAA-MCR能更好地抑制面目標中的方位模糊,取圖3中“區(qū)域1”和“區(qū)域2”進行以下分析。
表4 各方法計算復雜度以及處理圖3對應寬幅場景耗時Tab.4 Different methods’ computation complexity and time for the scene given by Fig.3
圖3 覆蓋范圍為20 km×20.5 km場景的模擬回波數(shù)據(jù)處理結(jié)果Fig.3 Imaging result of the simulated data of the 20 km×20.5 km scene
圖3所示20 km×20.5 km場景中“區(qū)域1”的大小為2.8 km×0.8 km(方位向×距離向)。圖4(a)—圖4(c)分別給出了ωK,MIAA-MCR和IFDM-FISTASF方法對圖3“區(qū)域1”成像結(jié)果的放大圖,圖4(d)給出了沿著其中強點狀目標模糊分布方向的剖面圖對比。如圖4(a)和圖4(b)所示,ωK方法直接成像結(jié)果中強點目標的方位模糊十分顯著,MIAA-MCR方法成像結(jié)果中強點目標的方位模糊相對ωK方法有所減弱,但仍較為顯著,這是因為MIAA受面目標譜不稀疏的限制,對面目標回波丟失的恢復性能比對孤立點目標的恢復性能要差;從圖4(c)可以發(fā)現(xiàn),IFDM-FISTA-SF方法具有最好的模糊抑制性能;圖4(d)所示方位剖面圖進一步表明MIAAMCR方法對非稀疏場景中強點的模糊抑制效果雖然要好于ωK,但遠差于IFDM-FISTA-SF方法。
圖4 20 km×20.5 km場景中“區(qū)域1”成像結(jié)果放大圖及剖面圖對比Fig.4 Larger image of imaging result of“Zone 1”in the 20 km×20.5 km scene and comparison of azimuth profiles
為了體現(xiàn)IFDM-FISTA-SF方法對非理想AAP方位模糊的抑制性能,選取圖3所示20 km×20.5 km場景中“區(qū)域2”進行分析,其大小為12 km×6 km(方位向×距離向)。圖5(a)—圖5(d)分別給出了ωK,MIAA-MCR,IFDM-FISTA和IFDM-FISTASF方法對圖3“區(qū)域2”成像結(jié)果的放大圖。表5給出了“區(qū)域 2”中紅色圈內(nèi)AAP模糊相對于真實目標的ATR值。圖5(a)表明ωK直接成像的結(jié)果中出現(xiàn)了由回波丟失、非均勻采樣以及非理想AAP造成的嚴重的方位模糊;圖5(b)表明MIAA-MCR方法能抑制大部分非均勻采樣以及丟失造成的方位模糊,只有少量殘余,但無法抑制非理想AAP造成的方位模糊;圖5(c)和圖5(d)表明IFDM-FISTASF方法首先利用IFDM-FISTA成功抑制由回波丟失、非均勻采樣造成的方位模糊,再利用SF抑制非理想AAP造成的方位模糊,從而實現(xiàn)方位模糊完全被抑制的低過采樣Staggered SAR高質(zhì)量成像。表5中MIAA-MCR和IFDM-FISTA的ATR值相比ωK基本不變,而IFDM-FISTA-SF相比ωK則降低了12.41 dB,進一步證明了IFDM-FISTASF方法利用SF對非理想AAP造成的方位模糊進行抑制的良好性能。
圖5 20 km×20.5 km場景中“區(qū)域2”成像結(jié)果放大圖Fig.5 Larger image of reconstructed result of“Zone 2”in the 20 km×20.5 km scene
表5圖5(a)—圖5(d)中“區(qū)域 2”紅色圈標注的AAP模糊相對真實目標的ATR結(jié)果Tab.5 ATR results corresponding to the AAP ambiguity in red circle of“Zone 2”in Fig.5(a)—Fig.5(d)
針對低過采樣Staggered SAR存在的非均勻采樣、回波丟失造成的欠采樣、RCM和非理想AAP問題,本文提出了一種結(jié)合IFDM-FISTA和SF算法的成像方法。實驗結(jié)果證明了該方法不受非均勻采樣、欠采樣和非理想AAP問題的影響,可以高效地抑制低過采樣Staggered SAR點、面目標成像結(jié)果中的方位模糊。與現(xiàn)有譜估計方法處理寬幅場景回波數(shù)據(jù)相比,本文方法用更少的時間獲得了更好的方位模糊抑制效果,證明了本文方法可更加有效且高效地實現(xiàn)高分寬幅成像。此外,該方法逆問題模型IEDM利用三維張量處理RCM,給出了具體的實現(xiàn)過程和清晰的解析解,打破了傳統(tǒng)基于匹配濾波CS重建方法必須滿足窄帶和均勻采樣條件的限制,是對傳統(tǒng)基于匹配濾波CS重建方法的推廣和改進,不但具有理論意義而且更有實用價值。因此,雖然為低過采樣Staggered SAR而設計,但通過簡單地修改丟失指示矩陣和方位向NUDFT矩陣,本文方法可以擴展應用于采用不同采樣方案SAR系統(tǒng)的高質(zhì)量成像。