本發(fā)明屬于合成孔徑雷達(dá)（synthetic?aperture?radar，簡(jiǎn)稱sar）數(shù)據(jù)處理領(lǐng)域，具體涉及一種基于l0-l1正則化的動(dòng)態(tài)字典非網(wǎng)格化層析合成孔徑雷達(dá)（syntheticaperture?radar?tomography，簡(jiǎn)稱tomosar）三維成像方法。

背景技術(shù)：

1、近年來，基于壓縮感知（compressed?sensing,?簡(jiǎn)稱cs）的tomosar成像方法在遙感領(lǐng)域得到了廣泛應(yīng)用，通過利用信號(hào)的稀疏性，顯著降低了數(shù)據(jù)采集和處理的復(fù)雜度。然而，盡管cs技術(shù)在tomosar成像中展現(xiàn)了巨大的潛力，其固有的局限性也逐漸顯現(xiàn)?；赾s重構(gòu)的前提需滿足約束等距性質(zhì)（restricted?isometry?property，簡(jiǎn)稱rip）以及不相干性，這兩個(gè)條件共同確保了稀疏信號(hào)能夠從少量的線性觀測(cè)中準(zhǔn)確重構(gòu)。rip保證了觀測(cè)矩陣在稀疏信號(hào)上的穩(wěn)定性，而不相干性則減少了觀測(cè)矩陣與稀疏表示基之間的干擾。由于這兩個(gè)條件的限制，cs方法無法保證在存在噪聲情況下進(jìn)行足夠稀疏的重建。為了提高散射體識(shí)別準(zhǔn)確率，通常會(huì)增加高程采樣網(wǎng)格，但密集的高程采樣網(wǎng)格可能會(huì)違背rip和不相干性。因此，無網(wǎng)格的成像方法相繼提出?，F(xiàn)有技術(shù)中有提出用半正定規(guī)劃算法求解原子范數(shù)最小化問題，實(shí)現(xiàn)了三維重構(gòu)，但該方法求解復(fù)雜度較高；也有提出基于交替下降的迭代重加權(quán)最小二乘法（alternating?descent-based?iteratively?reweighted?leastsquares,?簡(jiǎn)稱ad-irls），解決非網(wǎng)格差分tomosar成像問題，但是其相關(guān)的迭代參數(shù)設(shè)置難確定，并且受噪聲影響嚴(yán)重，限制了該方法的應(yīng)用。因此需要提出一種能解決以上技術(shù)問題的tomosar三維成像方法。

技術(shù)實(shí)現(xiàn)思路

1、發(fā)明目的：為提高tomosar成像精度，克服網(wǎng)格化方法帶來的高程位置限制，本發(fā)明提出了一種基于l0-l1正則化的動(dòng)態(tài)字典非網(wǎng)格化tomosar成像方法。

2、技術(shù)方案：本發(fā)明所述的基于l0-l1正則化的動(dòng)態(tài)字典非網(wǎng)格化tomosar成像方法，具體包括以下步驟：

3、（1）構(gòu)建tomosar成像模型，將高程反演問題轉(zhuǎn)化為稀疏信號(hào)恢復(fù)問題；

4、（2）使用omp求解l0最小化問題獲取初始的目標(biāo)高程位置；

5、（3）將初始高程位置作為先驗(yàn)信息，構(gòu)建基于l0-l1正則化的動(dòng)態(tài)字典tomosar最優(yōu)化求解模型，交替優(yōu)化求解；包括以下步驟：

6、（31）求解關(guān)于高程位置的最小化問題，并更新高程位置；

7、（32）求解加權(quán)l(xiāng)1最小化問題，更新高程散射系數(shù)；

8、（33）判斷是否滿足收斂條件，若滿足則輸出目標(biāo)的高程位置與高程散射系數(shù)；若不滿足，則跳轉(zhuǎn)至（31），繼續(xù)循環(huán)，直至滿足收斂條件；

9、（4）根據(jù)步驟（3）輸出的高程位置和散射分布，計(jì)算目標(biāo)的實(shí)際高程位置和散射分布。

10、進(jìn)一步地，所述步驟（1）實(shí)現(xiàn)過程如下：

11、假設(shè)有景單視復(fù)數(shù)據(jù)，第個(gè)聚焦測(cè)量值表示為：

12、；

13、其中，，表示高程向復(fù)反射函數(shù)；表示高程向跨度；，表示高程向頻率，關(guān)于表示第個(gè)垂直基線，表示斜距，表示波長(zhǎng)；沿高程向進(jìn)行離散化，為高程向離散點(diǎn)數(shù)，tomosar成像模型表示為：

14、；

15、其中，，表示大小的測(cè)量向量，；表示大小的觀測(cè)矩陣，；表示高程向復(fù)反射函數(shù)；高程向理論分辨率表示為：

16、；

17、其中，表示高程孔徑大小。

18、進(jìn)一步地，步驟（2）所述使用omp求解l0最小化問題獲取初始的目標(biāo)高程位置通過以下公式實(shí)現(xiàn)：

19、；

20、其中，是關(guān)于的觀測(cè)矩陣，列與有關(guān)，表示由加性噪聲強(qiáng)度決定的參量，表示范數(shù)；通過omp來求解獲取高程稀疏分布，并通過找到中的稀疏位置確定高程位置。

21、進(jìn)一步地，步驟（3）所述基于l0-l1正則化的動(dòng)態(tài)字典tomosar最優(yōu)化求解模型為：

22、；

23、其中，是關(guān)于高程向的觀測(cè)矩陣，列與有關(guān)，表示中的第個(gè)元素，且，表示中的第個(gè)元素，第一個(gè)正則化項(xiàng)用于優(yōu)化高程向的復(fù)反射函數(shù)，最后一項(xiàng)為關(guān)于的懲罰函數(shù)，用于控制觀測(cè)矩陣的列不相關(guān)；為控制參數(shù)。

24、進(jìn)一步地，所述步驟（31）實(shí)現(xiàn)過程如下：

25、輸入高程位置，測(cè)量向量，高程向頻率；

26、初始化參數(shù)：控制參數(shù)：，初始迭代：，最大迭代次數(shù)：，誤差參數(shù)：，初始高程位置：，為長(zhǎng)度為的全0向量；

27、更新高程向采樣網(wǎng)格，求解以下最小化問題：

28、；

29、；

30、直到不再增加，輸出高程位置。

31、進(jìn)一步地，所述步驟（32）實(shí)現(xiàn)過程如下：

32、更新高程向散射系數(shù)，求解以下最小化問題：

33、；

34、其中，為第次迭代更新的高程向的復(fù)反射函數(shù)，為第次迭代更新的權(quán)重矩陣，為第次迭代更新的高程位置，為誤差參數(shù)，為單位矩陣。

35、進(jìn)一步地，所述步驟（33）實(shí)現(xiàn)過程如下：

36、判斷是否滿足收斂條件，當(dāng)滿足收斂條件時(shí)，結(jié)束循環(huán)，輸出高程位置和高程向的復(fù)反射函數(shù)；若不滿足收斂條件，繼續(xù)循環(huán)，，直至，結(jié)束循環(huán)，輸出高程位置和高程向的復(fù)反射函數(shù)。

37、進(jìn)一步地，步驟（4）所述目標(biāo)的實(shí)際高程位置和散射分布為：

38、；

39、其中，為高程位置，為高程向的復(fù)反射函數(shù)。

40、有益效果：與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果：本發(fā)明通過解決l0正則化方法計(jì)算目標(biāo)的初始位置作為先驗(yàn)信息，再求解l1正則化問題交替更新字典，字典的列即高程采樣網(wǎng)格，以及相應(yīng)的參數(shù)會(huì)根據(jù)測(cè)量數(shù)據(jù)進(jìn)行自適應(yīng)調(diào)整，克服高程采樣網(wǎng)格的影響，保證超分辨能力的同時(shí)，獲取更加準(zhǔn)確的目標(biāo)高程位置信息；本發(fā)明能使用少量的動(dòng)態(tài)字典列，顯著減少網(wǎng)格化的tomosar成像方法中參數(shù)量化偏差和大內(nèi)存需求的問題，實(shí)現(xiàn)tomosar的高精度三維成像。

技術(shù)特征：

1.一種基于l0-l1正則化的動(dòng)態(tài)字典非網(wǎng)格化tomosar成像方法，其特征在于，包括以下步驟：

2.根據(jù)權(quán)利要求1所述的基于l0-l1正則化的動(dòng)態(tài)字典非網(wǎng)格化tomosar成像方法，其特征在于，所述步驟（1）實(shí)現(xiàn)過程如下：

3.根據(jù)權(quán)利要求1所述的基于l0-l1正則化的動(dòng)態(tài)字典非網(wǎng)格化tomosar成像方法，其特征在于，步驟（2）所述使用omp求解l0最小化問題獲取初始的目標(biāo)高程位置通過以下公式實(shí)現(xiàn)：

4.根據(jù)權(quán)利要求1所述的基于l0-l1正則化的動(dòng)態(tài)字典非網(wǎng)格化tomosar成像方法，其特征在于，步驟（3）所述基于l0-l1正則化的動(dòng)態(tài)字典tomosar最優(yōu)化求解模型為：

5.根據(jù)權(quán)利要求1所述的基于l0-l1正則化的動(dòng)態(tài)字典非網(wǎng)格化tomosar成像方法，其特征在于，所述步驟（31）實(shí)現(xiàn)過程如下：

6.根據(jù)權(quán)利要求1所述的基于l0-l1正則化的動(dòng)態(tài)字典非網(wǎng)格化tomosar成像方法，其特征在于，所述步驟（32）實(shí)現(xiàn)過程如下：

7.根據(jù)權(quán)利要求1所述的基于l0-l1正則化的動(dòng)態(tài)字典非網(wǎng)格化tomosar成像方法，其特征在于，所述步驟（33）實(shí)現(xiàn)過程如下：

8.根據(jù)權(quán)利要求1所述的基于l0-l1正則化的動(dòng)態(tài)字典非網(wǎng)格化tomosar成像方法，其特征在于，步驟（4）所述目標(biāo)的實(shí)際高程位置和散射分布為：

技術(shù)總結(jié)
本發(fā)明公開了一種基于L0?L1正則化的動(dòng)態(tài)字典非網(wǎng)格化TomoSAR成像方法，構(gòu)建TomoSAR成像模型，將高程反演問題轉(zhuǎn)化為稀疏信號(hào)恢復(fù)問題；利用正交匹配追蹤算法求解L0最小化問題來獲取初始的目標(biāo)高程位置，交替更新高程采樣網(wǎng)格和高程散射系數(shù)，動(dòng)態(tài)調(diào)整高程采樣網(wǎng)格進(jìn)而更新觀測(cè)矩陣；再利用加權(quán)L1算法更新高程散射系數(shù)，直至找到最優(yōu)的目標(biāo)高程位置。本發(fā)明不僅具有超分辨能力，還能忽視高程采樣網(wǎng)格的限制，準(zhǔn)確找到不在高程采樣網(wǎng)格上的目標(biāo)高程位置，減少內(nèi)存需求的同時(shí)，獲取更準(zhǔn)確的高程信息；在魯棒性和高程位置重構(gòu)精度方面均表現(xiàn)出顯著優(yōu)勢(shì)。

技術(shù)研發(fā)人員：金雙,畢輝,郭倩,張晶晶
受保護(hù)的技術(shù)使用者：南京航空航天大學(xué)
技術(shù)研發(fā)日：
技術(shù)公布日：2025/5/15