基于即插即用框架和二维AMP的稀疏SAR学习成像方法
简介：合成孔径雷达(synthetic aperture radar,SAR)稀疏成像问题主要通过压缩感知(compressed sensing,CS)理论来解决,通过构建正则化优化模型将先验信息引入图像恢复任务.然而,简单的正则化约束难以提供目标复杂的结构信息,尤其是非稀疏场景.提出了一种新颖的基于即插即用(plug-and-play,PnP)框架和深度展开网络(deep unfold-ing networks,DUN)的二维稀疏SAR学习成像方法.基于线性调频变标算法(chirp-scaling algorithm,CSA)推导出近似观测模型来降低计算成本;使用基于匹配滤波的二维近似消息传递(matched filter-based approximate message-passing,MFAMP)方法迭代求解该稀疏成像问题.为了克服现有稀疏成像方法中先验模型的局限性,在稀疏重建框架中引入PnP先验模型来代替传统的L1范数稀疏正则化器.将成像过程展开为一个DUN,称为基于PnP框架和MFAMP的SAR学习成像网络(PnP-MFAMP-Net).实验结果验证了所提成像方法的鲁棒性和优越性.展开
关键词：合成孔径雷达压缩感知深度展开网络稀疏成像学习成像
资助基金：国家自然科学基金;62371468;国家自然科学基金;国家自然科学基金;62131020;国家自然科学基金;61871396
在线出版日期：2025-02-20 （网站首发日期）
