张 研 王保平 方 阳 王佳慧 宋祖勋

①(西北工业大学电子信息学院 西安 710072)

②(西北工业大学无人机特种技术重点实验室 西安 710065)

③(国网陕西省电力公司经济技术研究院 西安 710065)

1 引言

雷达3维成像技术通过发射宽带电磁波信号和孔径合成的方法对目标进行高分辨合成孔径(Synthetic Aperture Radar, SAR) 3维成像，因其具有高分辨、低辐射、非接触、3维立体成像等优点，在民用和军用领域开展了广泛的研究。在民用领域主要可应用于安检、医学诊断、灾难救援、无损检测等领域；在军用和反恐领域主要可应用于战场隐匿物体探测、重要军事目标勘察、地雷探测等领域[1-6]。

雷达3维成像分辨率取决于发射信号带宽、频率和合成孔径大小。目前常用的传统3维成像方法，如后向投影算法(Backward Projection Algorithm,BPA)及距离徙动算法(Range Migration Algorithm,RMA)等，受香农-奈奎斯特采样定律的限制，要求成像系统具有很高的采样率，且成像结果实际为目标散射强度分布的近似解[3-7]。压缩感知(Compressed Sensing, CS)成像方法可以大大降低成像系统的采样率，以欠采样数据恢复出精确的目标图像[8-12]。在重构算法中， ℓ1范数最小化方法重构结果较为精确，但计算效率较低[13]。正交匹配追踪(Orthogonal Matching Pursuit, OMP)算法重构精度略低于 ℓ1范数最小化方法，但可以快速收敛，计算效率较高。近年来提出的ℓ1/2范数约束和总差分(Total-Variation, TV)正则化等稀疏成像方法，以目标场景散射系数之间的联系进行稀疏表示，在一定程度上提高了成像质量和抗噪性，但并没有注重目标轮廓细节重构，且计算效率较低[14-16]。

目前的CS成像方法主要基于成像场景散射强度的稀疏表示，忽略了目标整体结构信息，因此对目标的轮廓细节体现较差，不利于目标识别。……