基于成簇稀疏性约束的舰船目标高分辨SAR成像研究

舰船目标SAR成像是微波遥感领域的重要任务之一，具有很强的科学挑战性和迫切的军民应用需求。传统的舰船目标SAR成像处理存在诸多瓶颈问题，如大量数据信息冗余、难以获取高分辨率、无法对多艘舰船批量成像等。为解决这些难题，基于前期工作的坚实积累，本项目把稀疏信号恢复的最新理论与舰船目标SAR成像相结合，提出新的稀疏信号模型（成簇稀疏模型）来表征舰船信号，研究基于成簇稀疏性约束的舰船目标高分辨SAR成像的理论与方法。研究内容包括：舰船目标SAR回波的成簇稀疏信号模型，基于该模型的SAR回波稀疏采样方案设计，基于该模型约束的舰船目标高分辨SAR成像算法。这种新的成像机理大大降低了SAR采样数据量，显著提高了成像分辨率，具备多艘舰船批量成像能力，从根本上解决了传统的舰船目标SAR成像的瓶颈问题。本项目既是对微波遥感成像机理的创新，也是对稀疏信号模型与恢复算法的创新，具有重要的学术价值和广阔的应用前景。

舰船目标SAR成像技术能够实现全天时、全天候的海面监控，对军事和民用应用具有重要意义。为了解决传统SAR成像处理中的瓶颈问题，如大量数据信息冗余、难以获取高分辨率、无法对多艘舰船批量成像等，本项目把稀疏信号恢复的最新理论引入舰船目标SAR成像，构建舰船回波信号的成簇稀疏模型，研究大场景、高分辨的海面舰船成像方法。经过三年研究，取得了以下主要成果：. （1）提出了基于马尔科夫随机场的成簇稀疏约束模型。. 在SAR监视海面时，舰船上各散射点的空间位置和运动参数是彼此临近的，因此舰船目标SAR信号的稀疏性体现出“成簇”特性。本项目基于马尔科夫随机场理论提出了舰船目标SAR信号的成簇稀疏约束模型，构建相邻像素散射强度之间的推演概率关系，目标图像质量得到显著提高，成像错误率降低了一个数量级。. （2）提出了参数化稀疏表征理论及自适应稀疏恢复方法。. 准确获知舰船运动状态是实现舰船目标SAR信号稀疏表征的必要前提，然而舰船运动状态是无法预先获知的。本项目提出了参数化稀疏表征理论，构建了以舰船目标运动状态为参数的基信号矩阵，提出了舰船运动状态估计与稀疏成像的联合求解方法。在此基础上，又提出了自适应稀疏恢复方法，显著提高了联合求解精度，同时显著降低了计算量。. （3）提出了子空间加权稀疏恢复方法。. 舰船目标的稀疏成像最终归结为稀疏恢复求解问题，目前广泛使用的L1范数最小化算法精度较差。本项目提出了子空间加权L1范数凸优化稀疏恢复算法，利用统计信号处理中的主成分分析理论构建加权矢量，使得加权L1范数最小化稀疏求解能够准确恢复目标的空间位置及目标群的拓扑结构，并使得统计精度优于现有的同类稀疏恢复方法。. （4）提出了基于序贯稀疏恢复的宽幅海面SAR成像方法。. 现有的二维联合稀疏成像处理耗费大量存储和计算资源，无法应用于宽幅海面舰船监控。本项目提出了基于序贯稀疏恢复的宽幅海面舰船目标SAR成像方法，把二维联合稀疏求解问题近似为距离向和方位向两个序贯的一维稀疏恢复问题，所得到的舰船目标成像结果信噪比损失低于3dB，同时存储量需求呈数量级下降、计算速度呈数量级提高。. 标注本项目资助的论文已发表25篇，其中SCI收录7篇、EI收录15篇。得益于本项目的资助与培养，负责人于2010年12月晋升为副教授，于2011年被评为“教育部新世纪优秀人才”。