高级搜索

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

稳健型双层叠组LASSO逆合成孔径雷达高分辨成像算法

黄博 周劼 江舸

黄博, 周劼, 江舸. 稳健型双层叠组LASSO逆合成孔径雷达高分辨成像算法[J]. 电子与信息学报, 2021, 43(3): 674-682. doi: 10.11999/JEIT200338
引用本文: 黄博, 周劼, 江舸. 稳健型双层叠组LASSO逆合成孔径雷达高分辨成像算法[J]. 电子与信息学报, 2021, 43(3): 674-682. doi: 10.11999/JEIT200338
Bo HUANG, Jie ZHOU, Ge JIANG. High Resolution ISAR Imaging Algorithm Based on Robust Two-tier Group LASSO Alternating Direction Method of Multipliers[J]. Journal of Electronics and Information Technology, 2021, 43(3): 674-682. doi: 10.11999/JEIT200338
Citation: Bo HUANG, Jie ZHOU, Ge JIANG. High Resolution ISAR Imaging Algorithm Based on Robust Two-tier Group LASSO Alternating Direction Method of Multipliers[J]. Journal of Electronics and Information Technology, 2021, 43(3): 674-682. doi: 10.11999/JEIT200338

稳健型双层叠组LASSO逆合成孔径雷达高分辨成像算法

doi: 10.11999/JEIT200338
基金项目: 预研基金(61406190101)
详细信息
    作者简介:

    黄博:男,1986年生,博士生,助理研究员,研究方向为雷达信号处理、雷达高度表设计

    周劼:男,1972年生,博士,研究员,研究方向为信号与系统、无线测控通信系统等

    江舸:男,1982年生,博士,副研究员,研究方向为雷达高度表、太赫兹雷达成像等

    通讯作者:

    黄博 vick123y@163.com

  • 中图分类号: TN957.52

High Resolution ISAR Imaging Algorithm Based on Robust Two-tier Group LASSO Alternating Direction Method of Multipliers

Funds: Pre-research Fundation (61406190101)
  • 摘要: 经典的逆合成孔径雷达(ISAR)稀疏成像算法一般通过求解${\ell _{1}}$范数约束的最小化问题获取稀疏恢复结果,但此类算法在恢复过程中很容易将某些散射强度较低的分辨单元当作背景噪声一并消除,从而导致目标部分弱散射结构特征丢失。针对这一问题,该文提出一种基于稳健型双层叠组LASSO回归模型的交替方向多乘子算法(RTGL-ADMM)。该算法在ISAR目标稀疏先验的基础上,进一步引入目标散射体空间连续性结构特征先验知识,并应用${{{\ell _{1}}} / {{\ell _{\rm{F}}}}}$混合范数进行定量表征。接下来,在ADMM框架下引入非平滑的${{{\ell _{1}}} / {{\ell _{\rm{F}}}}}$混合范数惩罚项,并将距离向和方位向雷达回波复数据分别进行分组处理后再使其双层叠加,然后对混合范数对应的邻近算子进行对偶迭代运算,实现“分解-协同”框架下结构与组稀疏特征的有机调和,从而在对ISAR数据稀疏成像的同时实现结构特征增强。实验验证采用ISAR仿真复数据与Yak-42实测数据,针对RTGL-ADMM成像进行定性分析。继而采用相变曲线图定量分析RTGL-ADMM在不同参数调节下的成像能力,从而验证了该文所提算法应用于ISAR高分辨成像时的稳健性与优越性。
  • 图  1  ISAR目标运动示意图

    图  2  仿真ISAR复数据不同算法成像结果

    图  3  固定降采样时不同信噪比下不同算法成像结果对比

    图  4  固定信噪比时不同降采样下不同算法成像结果对比

    图  5  两种算法相变曲线图对比

    表  1  RTGL-ADMM算法流程

     基于稳健型双层叠组LASSO模型的交替方向多乘子(RTGL-
     ADMM)算法
     步骤 1 初始化,令$k = 0$,${{{X}}^{{0}}},{{{Z}}^{{0}}},{{{U}}^{{0}}}$;
     步骤 2 设定迭代次数与目标精度,若停止准则不满足,进行循环;
     步骤 3 根据式(10)更新${{X}}$变量如:
         ${{{X}}^{k + 1}} = {\left( {{{{A}}^{\rm{H}}}{{A}} + \rho {{I}}} \right)^{ - 1}}\left[ {{{{A}}^{\rm{H}}}{{Y}} + \rho \left( {{{{Z}}^k} - {{{U}}^k}} \right)} \right]$
     步骤 4 根据式(11)更新方位向分裂变量${{Z}}_1^{k + 1}$如:
         ${{Z}}_1^{k + 1} = \displaystyle\sum\limits_{n = 1}^N {\displaystyle\sum\limits_{w = 1}^W {{\rm{pro}}{{\rm{x}}_{{\beta / \rho }}}} } \left[ {{{X}}_{n,w}^{k + 1} + {{U}}_{n,w}^k} \right]$
     步骤 5 根据式(12)更新距离向分裂变量${{Z}}_2^{k + 1}$如:
         ${{Z}}_2^{k + 1} = \displaystyle\sum\limits_{m = 1}^M {\displaystyle\sum\limits_{v = 1}^V {{\rm{pro}}{{\rm{x}}_{{\beta / \rho }}}} } \left[ {{{X}}_{m,v}^{k + 1} + {{U}}_{m,v}^k} \right]$
     步骤 6 加权层叠后${{{Z}}^{k + 1}} = \left( {{{1} / {2}}} \right)\left( {{{Z}}_1^{k + 1} + {{Z}}_2^{k + 1}} \right)$
     步骤 7 根据式(13)更新对偶变量
         ${{{U}}^{k + 1}} = {{{U}}^k} + {{{X}}^{k + 1}} - {{{Z}}^{k + 1}}$
     步骤 8 若不满足停止准则,继续步骤3—步骤7,若满足停止准
         则,跳出循环;
     步骤 9 输出${{X}}$
    下载: 导出CSV
  • 田彪, 刘洋, 呼鹏江, 等. 宽带逆合成孔径雷达高分辨成像技术综述[J]. 雷达学报, 2020, 9(5): 765–802. doi: 10.12000/JR20060

    TIAN Biao, LIU Yang, HU Pengjiang, et al. Review of high-resolution imaging techniques of wideband inverse synthetic aperture radar[J]. Journal of Radars, 2020, 9(5): 765–802. doi: 10.12000/JR20060
    王天. 机载雷达对海面目标SAR/ISAR成像方法[D]. [硕士论文], 电子科技大学, 2019.

    WANG Tian. The hybrid SAR/ISAR imaging of sea-surface target by airborne radar[D]. [Master dissertation], University of Electronic Science and Technology of China, 2019.
    朱晓秀, 胡文华, 郭宝锋. 基于压缩感知的ISAR成像技术综述[J]. 飞航导弹, 2018(3): 84–89. doi: 10.16338/j.issn.1009-1319.2018.03.20

    ZHU Xiaoxiu, HU Wenhua, and GUO Baofeng. A review of ISAR imaging techniques based on compressed sensing[J]. Aerodynamic Missile Journal, 2018(3): 84–89. doi: 10.16338/j.issn.1009-1319.2018.03.20
    苏潇然. 基于稀疏信号处理的ISAR运动补偿及成像技术[D]. [硕士论文], 中国科学技术大学, 2019.

    SU Xiaoran. ISAR motion compensation and imaging technologies based on sparse signal processing[D]. [Master dissertation], University of Science and Technology of China, 2019.
    DONOHO D L. Compressed sensing[J]. IEEE Transactions on Information Theory, 2006, 52(4): 1289–1306. doi: 10.1109/TIT.2006.871582
    王伟, 张斌, 李欣. 基于混合匹配追踪算法的MIMO雷达稀疏成像方法[J]. 电子与信息学报, 2016, 38(10): 2415–2422. doi: 10.11999/JEIT151453

    WANG Wei, ZHANG Bin, and LI Xin. An imaging method for MIMO radar based on hybrid matching pursuit[J]. Journal of Electronics &Information Technology, 2016, 38(10): 2415–2422. doi: 10.11999/JEIT151453
    李瑞, 张群, 苏令华, 等. 基于稀疏贝叶斯学习的双基雷达关联成像[J]. 电子与信息学报, 2019, 41(12): 2865–2872. doi: 10.11999/JEIT180933

    LI Run, ZHANG Qun, SU Linghua, et al. Bistatic radar coincidence imaging based on sparse Bayesian learning[J]. Journal of Electronics &Information Technology, 2019, 41(12): 2865–2872. doi: 10.11999/JEIT180933
    BOYD S, PARIKH N, CHU E, et al. Distributed optimization and statistical learning via the alternating direction method of multipliers[J]. Foundations and Trends ® in Machine Learning, 2011, 3(1): 1–122. doi: 10.1561/2200000016
    杨磊, 李埔丞, 李慧娟, 等. 稳健高效通用SAR图像稀疏特征增强算法[J]. 电子与信息学报, 2019, 41(12): 2826–2835. doi: 10.11999/JEIT190173

    YANG Lei, LI Pucheng, LI Huijuan, et al. Robust and efficient sparse-feature Enhancement for generalized SAR imagery[J]. Journal of Electronics &Information Technology, 2019, 41(12): 2826–2835. doi: 10.11999/JEIT190173
    YUAN Ming and LIN Yi. Model selection and estimation in regression with grouped variables[J]. Journal of the Royal Statistical Society: Series B (Statistical Methodology) , 2006, 68(1): 49–67. doi: 10.1111/j.1467-9868.2005.00532.x
    YANG Lei, LI Pucheng, ZHANG Su, et al. Cooperative multitask learning for sparsity-driven SAR imagery and nonsystematic error autocalibration[J]. IEEE Transactions on Geoscience and Remote Sensing, 2020, 58(7): 5132–5147. doi: 10.1109/TGRS.2020.2972972
    TIBSHIRANI R. Regression shrinkage and selection via the LASSO[J]. Journal of the Royal Statistical Society: Series B (Methodological) , 1996, 58(1): 267–288. doi: 10.1111/j.2517-6161.1996.tb02080.x
    DONOHO D L, MALEKI A, and MONTANARI A. The noise-sensitivity phase transition in compressed sensing[J]. IEEE Transactions on Information Theory, 2011, 57(10): 6920–6941. doi: 10.1109/TIT.2011.2165823
  • 加载中
图(5) / 表(1)
计量
  • 文章访问数:  74
  • HTML全文浏览量:  37
  • PDF下载量:  12
  • 被引次数: 0
出版历程
  • 收稿日期:  2020-04-30
  • 修回日期:  2020-09-11
  • 网络出版日期:  2020-11-17
  • 刊出日期:  2021-03-22

目录

    /

    返回文章
    返回

    官方微信,欢迎关注