雷达学报

作者：王谋, 韦顺军, 沈蓉, 周梓晨, 师君, 张晓玲

单位：电子科技大学信息与通信工程学院 成都 611731；

关键词：三维SAR, 深度学习, 深度展开, 稀疏表征, 稀疏成像

基金：国家自然科学基金(61671113, 61501098)，国家重点研发计划项目(2017-YFB0502700)，国家留学基金(202106070063)，高分对地观测青年基金(GFZX04061502)

合成孔径雷达三维成像技术(3D SAR)能通过孔径维度扩展实现三维成像能力，但数据维度大、系统实现难、成像分辨率低。压缩感知稀疏重构技术在简化3D SAR系统、提升成像质量等方面展现出巨大潜力，但面临计算复杂度高、参数设置困难、弱稀疏场景适应差等新问题，制约了其实际应用。针对上述问题，该文结合卷积神经网络的特征学习及迭代算法的深度展开理论，提出了基于自学习稀疏先验的3D SAR成像方法。首先，探讨了常规3D SAR稀疏成像中矩阵向量线性表征模型的局限性，引入成像算子提升成像算法处理效率。其次，讨论了迭代算法映射网络的深度展开模型和实现方式，包括网络拓扑结构设计、算法参数的优化约束及网络的训练方法。最后，通过仿真数据和地面实验，证明了所提方法在提升成像精度的同时，其运行时间较传统稀疏成像算法降低一个数量级。

来源：2023年第1期

《雷达学报》期刊编辑部

查看雷达学报杂志2023年第1期