IAA-Net:一种实孔径扫描雷达迭代自适应角超分辨成像方法OA北大核心CSTPCDEI

实孔径雷达(RAR)通过天线扫描工作,以获取大范围探测区域内目标的观测信息。但是,由于雷达天线尺寸小,受天线衍射机理限制,与距离分辨率相比,其角分辨率通常较低。角超分辨处理方法,可利用天线方向图与目标散射间的卷积关系,通过求解卷积反演问题,以提高扫描雷达角分辨率。但是,由于测量矩阵的低秩特性,传统角超分辨处理方法,存在正则化参数选择难、迭代更新慢等问题,并且在低信噪比条件下,角超分辨处理性能明显下降。针对上述问题,该文提出了一种基于深度网络的迭代自适应实孔径扫描雷达角超分辨成像方法。首先,该文将实孔径扫描雷达的卷积反演问题转化为回波自相关矩阵反演求解问题,以改善求逆矩阵的病态性;其次,将可学习的修正矩阵引入到迭代自适应求解方法中,以实现迭代自适应求解方法与深度网络的结合;最后,通过迭代学习更新回波自相关矩阵,降低噪声对反演结果的影响,提高实孔径雷达的角分辨率。仿真及实测数据结果表明,所提方法可避免传统算法中的手动参数选择和迭代更新慢等问题。同时,由于深度网络的学习拟合能力,所提方法可在低信噪比条件下保持良好的角超分辨性能。