稀疏合成孔径雷达（SAR）成像与传统的基于匹配滤波的SAR成像相比，可以基于欠采样回波实现稀疏观测区域的高质量重构。然而，稀疏SAR成像目前在快速恢复大规模场景和抑制方位模糊方面仍然面临着挑战。由于接收到的回波在方位时域上是离散和有限的，在距离多普勒域上会产生主频带信号频谱的周期性扩展现象。当脉冲重复频率（PRF）满足Shannon-Nyquist采样理论时，方位模糊性并不严重。但由于稀疏SAR系统以降低PRF来获得宽测绘带，低PRF会导致严重的方位模糊，甚至导致图像重建失败。

为解决上述问题，本文借助近似观测理论，提出了一种基于L_2,1/2范数正则化的稀疏SAR成像方法，并将其应用于大规模稀疏场景的无模糊恢复中。由于在模型构建中考虑了方位模糊项，该方法在方位模糊抑制方面比匹配滤波方法和基于L_q范数正则化的方法表现出更好的性能。与现有基于L_2,1范数正则化的成像方法相比，进一步提高了方位模糊抑制能力，获得了更高质量的稀疏图像。

本文的创新点如下：

n  在模型构建中考虑了方位模糊项，提高了方位模糊抑制的能力；

n  提出了一种基于L_2,1/2范数正则化的稀疏SAR成像方法，并将其应用于大规模稀疏场景的无模糊恢复。

图1. 所提方法流程图

本文所提出的稀疏SAR成像方法在仿真数据和实测数据上进行了验证。在点目标仿真实验上，我们从左下到右上设置了4个点，其中两个点间隔较小为10米。使用50%欠采样数据来验证方法对方位模糊的抑制能力。在实测数据实验上，我们选取了Radarsat数据同样进行50%欠采样以验证所提出方法在无模糊稀疏成像中的能力。

通过(a) CSA, (b) L₁-Sp, (c) L_1/2-Sp, (d) L_2,1-Sp和(e) L_2,1/2-Sp从50%下采样数据中恢复图像

通过(a)完全采样数据的CSA, (b) 50%下采样数据的CSA,（c）50%下采样数据的L₁-Sp，(d)50%下采样数据的L_1/2-Sp, (e) 50%下采样数据的L_2,1-Sp和(f) 50%下采样数据的L_2,1/2-Sp恢复大规模场景图像

更多文章信息：

Bi H, Song Y F, Yin Y J, et al. A novel sparse SAR unambiguous imaging method based on mixed-norm optimization. Sci China Inf Sci, 2023, 66(11): 219302

doi: 10.1007/s11432-022-3814-8

https://link.springer.com/article/10.1007/s11432-022-3814-8