面向高分辨SAR成像的正则参数自学习
2022-09-16焦卫东廖仙华
刘 伟 焦卫东 廖仙华 杨 磊
(中国民航大学天津市智能信号与图像处理重点实验室,天津 300300)
1 引言
合成孔径雷达(Synthetic Aperture Radar,SAR)是一种全天时、全天候的高分辨率微波成像雷达[1],与常规雷达类似,通过接收发射信号的目标回波进行一系列处理后实现目标探测。与常规雷达不同的是,SAR 是雷达通过运动形成虚拟合成孔径,通过相干回波处理实现高分辨成像。
针对SAR 成像过程中的特征提取与增强问题,传统傅里叶成像方法受限于奈奎斯特采样定理,成像主瓣受到带宽限制,高旁瓣导致目标特征难以提取,进而无法精确恢复目标散射特征。2004 年,由Donoho 与Candes 等人提出的压缩感知(Compressed Sensing,CS)[2]理论系统性地解决了这一问题。CS利用信号的稀疏特性,在远小于奈奎斯特采样率的条件下,用较少的观测值去恢复原始信号,可以实现由低维观测信号到高维目标信号的精确恢复。常见的压缩感知算法在面对高维SAR 信号时,运算复杂度将会大大升高,导致运算效率较低。2011年,Boyd等人完善了交替方向乘子法(Alternating Direction Method of Multipliers,ADMM)[3],将一个比较复杂的优化问题分解为几个较为简单的凸的子问题,同时结合近端算法,有效降低了运算规模。相比较其他优化算法,ADMM最突出的优势在于它的可分解性和收敛速率,降低了问题的求解复杂度,实现了算法的快速收敛。
在ADMM 框架下,为了便于高精度地恢复信号散射特征,我们通常引入先验假设,其中最典型的莫过于Lasso(Least Absolute Shrinkage and Selection Op⁃erator,Lasso)模型,ADMM框架将Lasso模型分解为平滑的最小二乘项和非平滑的ℓ1范数正则项,ℓ1范数用来调节待成像目标的稀疏度。……
