熊旭颖, 李 根, 马彦恒

(陆军工程大学石家庄校区无人机工程系, 河北 石家庄 050003)

0 引 言

压缩感知和稀疏重构理论表明,当成像场景稀疏或可以被稀疏表示时,可以利用少量的雷达回波数据获取高分辨和高质量的合成孔径雷达(synthetic aperture radar,SAR)图像,稀疏SAR成像技术能够有效降低雷达接收机的数据采集与存储的压力,相关的成像方法受到了广泛关注[1-4]。

传统的稀疏SAR成像方法需要根据平台的运动轨迹构建测量矩阵。对于机载SAR成像,由于惯导设备精度有限,平台的运动轨迹通常难以精确测量,运动误差的存在将导致成像理论模型和测量矩阵失配,这种失配将产生严重的散焦现象。因此,基于回波数据的自聚焦是稀疏SAR成像过程中必不可少的环节。Onhon等人在2012年提出了一种稀疏驱动的自聚焦方法[5],该方法将误差相位引入测量矩阵，构建了一种稀疏自聚焦模型,并将模型的迭代求解分为SAR场景重建和误差相位估计两步,能够校正一维和二维的相位误差,该方法也被称为基于两步优化的稀疏自聚焦方法。基于两步优化的自聚焦思想,Yang等人提出了能够估计观测位置误差的压缩感知SAR成像方法[6]。Chen等人提出了一种基于参数化稀疏表示的SAR运动补偿方法[7],进一步提高了成像质量。以上这些方法的自聚焦模型均是在时域构建测量矩阵,这种测量矩阵又被称为精确观测算子。当成像场景较大时,精确观测算子将产生巨大的运算量和内存占用量[8-9],限制了稀疏SAR成像方法的应用。……