首页|基于自学习稀疏先验的三维SAR成像方法

基于自学习稀疏先验的三维SAR成像方法

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
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.
3D SAR Imaging Method Based on Learned Sparse Prior

王谋、韦顺军、沈蓉、周梓晨、师君、张晓玲

展开 >

电子科技大学信息与通信工程学院 成都 611731

三维SAR 深度学习 深度展开 稀疏表征 稀疏成像

国家自然科学基金国家自然科学基金国家重点研发计划项目国家留学基金高分对地观测青年基金

61671113615010982017-YFB0502700202106070063GFZX04061502

2023

10.12000/JR22101

雷达学报
中国科学院电子学研究所 中国雷达行业协会

雷达学报

CSTPCDCSCD北大核心EI
影响因子：0.667
ISSN：2095-283X
年,卷(期)：2023.12(1)
  • 2
  • 2