【最新成果】基于“数据驱动＋智能学习”的合成孔径雷达学习成像

点击蓝色“雷达学报”关注

对感兴趣目标的数量、位置、型号等参数信息的精确获取是合成孔径雷达（SAR）技术中的重要研究内容之一。现阶段的SAR信息处理主要分为成像和解译两大部分，两者的研究相对独立。SAR成像和解译各自开发了大量算法，复杂度越来越高，但SAR解译并未因成像分辨率提升而变得简单，特别是对重点目标识别率低的问题亟待解决。

针对该问题，空工大罗迎副教授等从SAR成像解译一体化角度出发，尝试利用“数据驱动+智能学习”的方法提升机载SAR的信息处理能力，提出了一种SAR“学习成像”方法，给出了学习成像框架（图1）、网络参数选取方法、网络训练方法和初步的实验结果，并分析了需要进一步研究解决的关键性技术问题。

图1 SAR学习成像网络结构图

该工作已发表在《雷达学报》2020年第1期“合成孔径雷达技术”专刊2“基于‘数据驱动＋智能学习’的合成孔径雷达学习成像”（罗迎，倪嘉成，张群）。

该文首先分析了基于“数据驱动+智能学习”的SAR成像解译一体化的可行性及现阶段存在的主要问题，指出若能构造出成像网络来实现“回波数据域”到“目标图像域”的非线性映射，将有望通过多个网络的级联来实现“回波数据域”到“目标参数域”的非线性映射。在此基础上，以成像解译一体化为目标，着重讨论了如何构造成像网络，提出了一种基于“数据驱动+智能学习”的SAR学习成像方法。利用MSTAR数据进行的实验表明所提方法相比传统方法具有更好的成像性能（图2）。

图2 MSTAR目标成像结果对比

了解详细内容请点击下面阅读原文。