基于张量的下视稀疏线阵三维SAR成像技术研究

With the increasing demand on high-resolution downward-looking sparse linear array three-dimensional SAR of remote sensing areas, this project, based on the Tensor, aims at digging the internal relationship of multiple dimensions, combining the sparse representation theory and downward-looking sparse linear array three-dimensional SAR imaging technique, and exploring three-dimensional imaging algorithms with high resolution, flexibility and robustness. By constructing geometrical-signal model in tensor space, the imaging mechanism of downward-looking sparse linear array three-dimensional SAR is illustrated, and the relationship between the echo and the target backscattering coefficient is quantitatively described. Based on the model, a novel way of three-dimensional imaging algorithms using sparse representation is proposed, which can utilizes the sparse and low-rank property of high-dimensional data. This method not only improves the resolution capability, but also solves the imaging problems brought by sparse sampling. Therefore, our research will prove a new way for downward-looking sparse linear array three-dimensional SAR imaging. It is also valuable for fully exploiting the large amount of information present in three-dimensional SAR and improving the high-resolution imaging capability of complex objects.

本项目面向高分辨率下视稀疏线阵三维SAR在遥感领域中的应用需求，立足于张量数据结构，旨在充分挖掘并利用多维度间的内在关系，并将稀疏信号表示理论与下视稀疏线阵三维SAR成像技术相结合，探索分辨率高、灵活性好、鲁棒性强的三维成像算法。具体来说，首先构建张量空间成像几何-信号模型，更为精细、全面揭示下视稀疏线阵三维SAR成像机理，定量描述回波信号与目标散射系数之间的关系；在此基础上，借助稀疏信号表示理论，充分利用高维数据间存在的稀疏性和低秩性，在张量空间中引入压缩感知和数据补全，提出多种基于稀疏表示的三维成像方法，既能提高重构图像的分辨能力，又可以解决稀疏空间采样下的成像问题。项目的研究成果不但为下视稀疏线阵三维SAR成像提供了新的技术途径，而且对充分挖掘三维SAR数据信息、提高对感兴趣场景中复杂目标的高分辨成像能力同样具有重要意义。

兼具高分辨率成像和三维成像能力的下视稀疏线阵三维SAR，可以实现对复杂场景（城市、山区等）及特殊目标（建筑物、舰船、车辆等）的高精度三维成像，在三维地形测绘、目标定位与识别等国民经济与军事领域具有极大的研究价值和应用前景。.面向高分辨率下视稀疏线阵三维SAR在遥感领域中的应用需求，本项目达到了预期研究目标，完成了预期研究内容。本项目围绕着“成像建模-信号重构-稀疏成像”三个层面，深入研究了基于张量的下视稀疏线阵三维SAR成像方法。在成像建模方面，分析了下视稀疏线阵三维SAR成像几何模型、回波信号、成像空间等特性，建立了稀疏线阵结构与回波信号之间的线性表征关系，研究了回波信号张量的稀疏性和低秩性，建立了张量空间下的下视稀疏线阵SAR三维成像模型。在信号重构方面，利用数据补全、压缩感知等理论实现了对三维稀疏信号的精确重构，提高了对高维信号处理的算法效率和重构的准确性，为稀疏成像算法的研究提供了基础。在高精度稀疏成像算法方面，首先基于降维的思想，提出了基于矩阵补全的三维SAR稀疏成像方法；在此基础上，针对张量空间的信号，提出了基于张量补全和张量压缩感知的三维SAR稀疏成像方法，并利用仿真数据和实测数据开展了实验验证，证实了方法的有效性。研究成果为SAR稀疏成像提供了理论、技术和应用支撑。.在本项目资助下，项目组发表学术论文25篇，SCI收录20篇，EI收录4篇。参加IEEE IGARSS、IEEE ICSP等本领域权威国际会议3次并报告研究成果，获2020年IEEE International Conference on Signal Processing国际会议“优秀论文奖”。申请国防专利1项，获中国电子学会自然科学奖二等奖1项，培养博士及硕士研究生共6人。此外，项目负责人作为第一作者将撰写专著1部。