合成孔径雷达深度学习成像研究综述

现代合成孔径雷达（SAR）系统工作在日益复杂的电磁环境中，对成像精度、实时性以及算法鲁棒性等要求越来越高。传统的匹配滤波以及压缩感知技术在满足SAR成像的各类高标准要求时局限性较为明显，尤其在成像性能方面。随着机器学习的快速发展，研究人员将深度学习网络与雷达成像算法相结合，提出了学习成像技术，旨在为实现高质量实时成像寻求新的解决方案。本文从数据驱动以及模型驱动同数据驱动相结合的两种思路出发，介绍了用于求解SAR成像逆问题的深度学习网络架构。在此基础上，对SAR静止目标学习成像、SAR运动目标学习成像、SAR三维学习成像以及ISAR学习成像的研究现状进行概述，帮助研究人员和从业人员理解深度学习技术在SAR成像相关问题中的应用。最后，提出该研究方向一些悬而未决的问题，探讨潜在的解决方案和未来趋势。     

基于深度学习的雷达成像技术研究进展

成像雷达具有全天时、全天候、远距离、高分辨对地观测的能力,使得雷达系统具有对观测区域进行成像和解译的能力。利用先进信号处理技术实现实时高分辨成像以满足图像解译的需求是雷达成像技术研究的重要目的和意义。随着深度学习的迅速兴起,深度学习网络在逆问题求解中得到广泛应用,也为提升成像质量和成像效率提供新的求解思路。本文基于雷达成像数学模型将雷达成像问题建模为成像逆问题,从逆问题求解的角度分析了基于深度学习的雷达成像方法的可行性。并综述了近年来雷达深度学习技术在合成孔径雷达（Synthetic Aperture Radar,SAR）、逆合成孔径雷达（Inverse Synthetic Aperture Radar,ISAR）、SAR运动目标成像等雷达成像领域的研究现状,在此基础上探讨了目前面临的亟待解决的问题,并对未来发展方向进行了展望。     

基于自学习稀疏先验的三维SAR成像方法

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。      

基于深度学习复杂环境的偏振成像技术研究进展

偏振成像技术通过偏振信息的获取和解译,可以有效抑制复杂环境干扰,提升成像质量,增强目标感知能力,对于复杂环境下的光学成像探测具有独特优势。然而,在散射、低照度等复杂环境下,偏振图像退化机理呈现非线性特征,偏振信息解译方法复杂度高。深度学习方法具有强大的特征提取和学习能力,通过学习大规模数据隐藏的映射规律获得偏振信息的复原效果,特别适合偏振成像这种多维度、相互关联的复杂信号处理问题。文中基于偏振成像的基本原理以及复杂环境偏振成像技术的范式,针对散射和噪声这两类典型的成像环境,介绍了深度学习偏振成像技术的研究进展,同时阐述了深度学习赋能复杂环境偏振成像任务的优势,最后对该领域的未来发展方向作以展望。     

机载SAR图像解译系统设计研究

针对机载SAR系统应用的海量SAR图像数据的存储管理、态势显示和快速解译等需求,本文提出了一种基于客户端/服务器端（C/S）架构的机载SAR图像解译系统的解决方案。本文介绍了该方案的系统软件架构和硬件架构,重点阐述多源异构海量数据管理、基于OSGEarth的地图和图像叠加显示、基于金字塔的大图像显示、基于深度学习的目标自动检测等关键技术;描述了数据管理、SAR图像显示和SAR图像目标检测识别等功能,其中海量数据的有序管理和查询功能,有效解决海量数据存储管理问题;SAR图像数据的地图叠加显示功能,为图像解译奠定基础;基于深度学习的智能检测识别等功能,满足SAR图像实时快速解译需求。     

无先验模型复杂结构设施SAR全方位三维成像方法研究

复杂结构设施的SAR三维成像是SAR成像领域的热点和难点问题。现有SAR三维成像依赖于高程方向的多通道或多次飞行,对雷达系统或数据获取的要求较高。该文提出无先验模型复杂结构设施三维成像方法,仅需一次飞行即可获得先验信息未知区域全场景全方位三维图像。该方法充分利用圆迹SAR的全方位观测、解叠掩和解高程模糊优势,无需目标预先建模和三维成像网格构建,适用于大面积区域复杂结构设施的精细三维成像,在雷达三维成像实用化技术方面取得了重要进展。通过该方法首次获得FAST射电望远镜的雷达全方位三维图像,验证了理论与方法的正确性与有效性。      

基于SVD-SRNet的SAR三维成像方法

合成孔径雷达（SAR）三维成像是传统二维SAR成像在雷达精细信息获取与感知领域的重要发展,可分辨重叠于二维SAR图像同一像素中的多个目标。稀疏信号处理是进行SAR三维成像的有效方法,但由于稀疏信号处理的非线性特征,常需迭代运算,效率较低。研究人员已提出利用深度学习技术实现快速解算非线性信号处理问题的思路,在三维成像领域已有初步应用。然而,由于SAR三维实测数据稀缺,三维成像网络的训练只能依赖于仿真数据进行,并且仿真数据与实测数据存在差异大的问题,导致基于深度学习方法的SAR三维成像精度受限。为此,本文提出了一种基于奇异值分解的信号空间归一化超分辨网络（SVD Signal-Space Normalization Super-Resolution Net,SVD-SRNet）,能够解决由于仿真数据与实测数据存在差异大导致的三维成像网络化方法鲁棒性低的问题,与传统方法相比所提方法具有更优异的成像精度。计算机仿真试验和无人机SAR实测数据试验证明了本文所提方法的有效性。      

基于散射信息和元学习的SAR图像飞机目标识别

SAR图像由于数据获取难度大,样本标注难,目标覆盖率不足,导致包含地理空间目标的影像数量稀少。为了解决这些问题,该文开展了基于散射信息和元学习的SAR图像飞机目标识别方法研究。针对SAR图像中不同型号飞机空间结构离散分布差异较大的情况,设计散射关联分类器,对飞机目标的离散程度量化建模,通过不同目标离散分布的差异来动态调整样本对的权重,指导网络学习更具有区分性的类间特征表示。考虑到SAR目标成像易受背景噪声的影响,设计了自适应特征细化模块,促使网络更加关注飞机的关键部件区域,减少背景噪声干扰。该文方法有效地将目标散射分布特性与网络的自动学习过程相结合。实验结果表明,在5-way 1-shot的极少样本新类别识别任务上,该方法识别精度为59.90%,相比于基础方法提升了3.85%。减少一半训练数据量后,该方法在新类别的极少样本识别任务上仍然表现优异。      

基于监督对比学习正则化的高分辨率SAR图像建筑物提取方法

近年来,高分辨合成孔径雷达(SAR)图像的智能解译技术在城市规划、变化监测等方面得到了广泛应用.不同于光学图像,SAR图像的获取方式、图像中目标的几何结构等因素制约了现有深度学习方法对SAR图像地物目标的解译效果.该文针对高分辨SAR图像城市区域建筑物提取,提出了基于监督对比学习的正则化方法,其主要思想是增强同一类别像...     

多航迹圆迹SAR三维联合稀疏成像方法

多航迹圆迹SAR具备三维成像能力,但受多次航迹观测,在高度向采样不足以及目标多角度观测散射特性变化等因素影响,多航迹圆迹SAR三维成像性能还需进一步提高,以满足后端目标解译的需求。文中综合利用成像场景在距离、方位和高度三个维度的稀疏分布特性,建立联合稀疏重构模型,实现高分辨率三维成像。进一步,针对建筑物等人造目标后向散射特性随角度变化剧烈的问题,采用分子孔径稀疏约束成像后进行子孔径非相干叠加的方式,以提高最终三维成像结果的信噪比等性能,在进行联合稀疏重构时采用分子孔径处理提高了目标的可解译度。Gotcha实测停车场数据中圆台Top-hat和Toyota Camry轿车的三维成像实验验证了方法的有效性。     

衍射层析模型下穿墙雷达三维学习成像方法

针对现有穿墙雷达三维稀疏成像中,存在网格时延构建字典矩阵所需内存过大以及凸优化稀疏成像算法阈值参数不确定影响重建图像质量的问题,提出了一种基于衍射层析稀疏模型的学习近似消息传递三维成像方法。该方法在衍射层析成像算法上通过构造快速傅里叶变换算子来建立三维成像稀疏模型,然后修正近似消息传递算法求解稀疏解,并将其迭代过程映射成多层神经网络,最后通过数据驱动自适应学习多层神经网络中的可调参数,从而实现三维学习成像。仿真和实验数据处理结果表明,该方法不仅减小了系统所需内存,还避免了参数的人工调整对成像质量的影响。     

面向SAR图像解译的物理可解释深度学习技术进展与探讨

深度学习技术近年来在合成孔径雷达(SAR)图像解译领域发展迅速,但当前基于数据驱动的方法通常忽视了SAR潜在的物理特性,预测结果高度依赖训练数据,甚至违背了物理认知.深层次地整合理论驱动和数据驱动的方法在SAR图像解译领域尤为重要,数据驱动的方法擅长从大规模数据中自动挖掘新模式,对物理过程能起到有效的补充;反之,在数据...     

New SAR image interpretation method of aircraft based on joint time-frequency analysis

With the continuous improvement of Synthetic Aperture Radar （SAR） resolution,interpreting the small targets like aircraft in SAR images becomes possible and turn out to be a hot spot in SAR application research.However,due to the complexity of SAR imaging mechanism,interpreting targets in SAR images is a tough problem.This paper presents a new aircraft interpretation method based on the joint time-frequency analysis and multi-dimensional contrasting of basic structures.Moreover,SAR data acquisition experiment is designed for interpreting the aircraft.Analyzing the experiment data with our method,the result shows that the proposed method largely makes use of the SAR data information.The reasonable results can provide some auxiliary support for the SAR images manual interpretation.     

基于压缩感知的多发多收高分辨SAR成像算法研究

压缩感知理论指出,稀疏信号可以通过以低于奈奎斯特采样的测量数据重建出原始信号。针对高分辨率SAR成像在奈奎斯特理论下所面临的高速A／D采样、大数据量存储、传输等问题挑战。本文提出了一种基于压缩感知理论的多发多收高分辨率SAR二维成像算法。该算法减轻了高分辨率SAR成像的压力,采用压缩感知处理降低了A／D采样速率、数据量...     

基于超表面的智能电磁感知:理论、系统与实验

电磁感知是现代社会迫切需要的非接触式探测技术，而实现实时数据处理、低成本、低能耗的智能电磁感知系统一直是微波探测领域的长期追求目标. 为了实现这一目标，文中将能够任意调控电磁波前的可编程超表面与具有强大信息处理能力的深度学习技术相结合，实现了智能电磁感知系统；并分别从理论、系统设计与实验三个角度深入研究了深度学习驱动的智能电磁感知方法. 文中首先利用“k空间”法分析了基于可编程超表面的电磁感知系统的理论分辨率和影响因素；然后介绍了一款32×24的1比特可编程超表面的系统设计，并实验验证了其动态调控电磁波前的良好性能；在此基础上将深度学习技术引入感知系统中，建立了自适应处理高维感知数据的成像卷积神经网络，实现了高保真度的人体姿态成像. 本文的研究成果可用于指导智能电磁感知系统的设计与分析，并且为未来人工智能时代的电磁感知系统开辟了一条新的途径.     

“5G+MEC”为智能制造赋能的部署应用

MEC是5G网络的关键技术之一,可以将应用本地化,促进网络和业务的深度融合。为实现“5G+MEC”在垂直行业的应用,采用NFV技术部署了服务化架构的5G核心网,并在郑州格力制造园区部署面向智能制造的MEC,采用独立组网方式实现园区5G覆盖,打造了“计算+连接”的5G MEC网络。通过将“5G+MEC”应用在智能制造行业,实现工业制造的网络化、信息化、智能化,使得生产数据在网络边缘处理而不必上传至核心网,降低了网络时延,实现了智能制造的数据闭环。     

基于邻域一致性的极化SAR图像仿射配准

极化SAR图像的配准是极化SAR图像处理的基础,需要具备较高的精度与速度。基于深度学习的极化SAR图像配准大多数是结合图像块特征的匹配与基于随机抽样一致性的参数迭代估计来实现的。目前尚未实现端到端的基于深度卷积神经网络的一步仿射配准。该文提出了一种基于弱监督学习的端到端极化SAR图像配准框架,无需图像切块处理或迭代参数估计。首先,对输入图像对进行特征提取,得到密集的特征图。在此基础上,针对每个特征点保留k对相关度最高的特征点对。之后,将该4D稀疏特征匹配图输入4D稀疏卷积网络,基于邻域一致性进行特征匹配的过滤。最后,结合输出的匹配点对置信度,利用带权最小二乘法进行仿射参数回归,实现图像对的配准。该文采用RADARSAT-2卫星获取的德国Wallerfing地区农田数据以及PAZ卫星获取的中国舟山港口地区数据作为测试图像对。通过对升降轨、不同成像模式、不同极化方式、不同分辨率的极化SAR图像对的配准测试,并与4种现有方法进行对比,验证了该方法具有较高的配准精度与较快的速度。      

斜视SAR成像处理中多普勒频率的新应用

多普勒频率在斜视SAR成像处理中的新应用被发现.由于斜视SAR方位向采样不同、脉冲重复频率不同,而且不同的斜距目标具有不同的多普勒频率,该文从雷达信号的回波模型入手,详细分析了回波信号的瞬时方位频率和瞬时多普勒频率及距离Chirp斜率对方位频率的影响,说明在CS算法中,选择适当的多普勒频率才能进行正确的成像,点目标仿真结果表明,该方法是合理的,能有效的进行距离压缩和方位聚焦,改善成像质量.