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。