主权项 |
1.一种针对空域稀疏SAR图像的频域压缩感知方法,其特征在于,包括以下几个步骤:步骤一:确定原始SAR图像具有稀疏性的方向;确定原始SAR图像在距离向或方位向上具有稀疏性;步骤二:将原始SAR图像沿具有稀疏性的方向进行傅立叶变换,得到该方向的频域图像;SAR图像沿具有稀疏性的方向进行傅立叶变换后,频域图像的每一条频域信号的离散表达式为:<maths num="0001"><![CDATA[<math><mrow><mi>X</mi><mrow><mo>(</mo><mi>n</mi><mo>)</mo></mrow><mo>=</mo><munderover><mi>Σ</mi><mrow><mi>i</mi><mo>=</mo><mn>1</mn></mrow><mi>K</mi></munderover><msub><mi>A</mi><mi>i</mi></msub><mo>·</mo><mi>exp</mi><mo>[</mo><mo>-</mo><mi>j</mi><mn>2</mn><mi>π</mi><mrow><mo>(</mo><msub><mi>f</mi><mi>c</mi></msub><mo>-</mo><mfrac><mi>B</mi><mn>2</mn></mfrac><mo>+</mo><mi>nΔf</mi><mo>)</mo></mrow><msub><mi>τ</mi><mi>i</mi></msub><mo>]</mo><mo>,</mo><mi>n</mi><mo>=</mo><mn>1</mn><mo>,</mo><mo>.</mo><mo>.</mo><mo>.</mo><mo>,</mo><mi>N</mi><mo>-</mo><mo>-</mo><mo>-</mo><mrow><mo>(</mo><mn>1</mn><mo>)</mo></mrow></mrow></math>]]></maths>其中,K为散射点的个数,A<sub>i</sub>和τ<sub>i</sub>分别为第i个散射点的幅度和时延,f<sub>c</sub>为载频,B为信号带宽,Δf为频率间隔,N为频域信号长度;步骤三:建立频域稀疏重构模型,求解模型参数,建立观测向量,重构频域信号,形成重构频域图像;(1)建立频域稀疏重构模型为:X=Ψα (2)其中,X为频域信号向量,X=[X<sub>1</sub>,X<sub>2</sub>,...,X<sub>N</sub>]<sup>T</sup>,Ψ为基底构成的矩阵,Ψ=[ψ<sub>1</sub>,ψ<sub>2</sub>,...,ψ<sub>i</sub>,...,ψ<sub>K</sub>],<img file="FDA00001610531100012.GIF" wi="492" he="80" />p<sub>i</sub>=exp(-j2πΔfτ<sub>i</sub>),α为信号在基底表示下的系数,α=[α<sub>1</sub>,α<sub>2</sub>,...,α<sub>K</sub>]<sup>T</sup>,<img file="FDA00001610531100013.GIF" wi="569" he="127" />i=1,2,...,K,K<<N;(2)求解模型参数;频域信号向量X的协方差矩阵为:R<sub>X</sub>=E[X·X<sup>H</sup>]=ΨR<sub>α</sub>Ψ<sup>H</sup> (3)其中,R<sub>α</sub>=E[α·α<sup>H</sup>]代表α的协方差矩阵;E表示求均值,H表示矩阵的共轭转置;已知频域信号向量X的协方差矩阵后,采用root-MUSIC算法,通过寻找最靠近单位圆的K个根,获取p<sub>i</sub>值,得到p<sub>i</sub>值后,即得到矩阵Ψ;采用最小二乘法获取α,即:α<sub>LS</sub>=(Ψ<sup>H</sup>Ψ)<sup>-1</sup>Ψ<sup>H</sup>X (4)α<sub>LS</sub>表示α的最小二乘解;(3)建立观测向量;选取观测矩阵为Φ,则观测向量Y为:Y=ΦX=ΦΨα=Θα (5)并且,Θ=[E F]<sup>T</sup> (6)其中,E和F都是K×K的矩阵,满足<maths num="0002"><![CDATA[<math><mrow><msub><mi>E</mi><mi>ij</mi></msub><mo>=</mo><mfenced open='{' close=''><mtable><mtr><mtd><mn>1</mn><mo>,</mo></mtd><mtd><mi>i</mi><mo>=</mo><mi>j</mi></mtd></mtr><mtr><mtd><mn>0</mn><mo>,</mo></mtd><mtd><mi>i</mi><mo>≠</mo><mi>j</mi></mtd></mtr></mtable></mfenced><mo>,</mo></mrow></math>]]></maths><maths num="0003"></maths>α<sub>i</sub>为频域信号向量X在基底Ψ表示下的第i个系数;根据式(5),观测向量Y=[α<sub>1</sub>,α<sub>2</sub>,...,α<sub>K</sub>,p<sub>1</sub>,p<sub>2</sub>,...,p<sub>K</sub>]<sup>T</sup>;通过观测向量Y重构信号X;(4)重构频域信号,形成重构频域图像;观测向量Y包含了频域稀疏重构模型的参数,根据式(2),重构频域信号,每一条频域信号都重构之后,形成重构频域图像;步骤四:将重构频域图像沿该方向做逆傅立叶变换,得到重构图像。 |