一種基于壓縮感知恢復算法的SAR圖像方位模糊抑制方法

肖 鵬吳有明 于 澤 李春升

（北京航空航天大學電子信息工程學院 北京 100191）

一種基于壓縮感知恢復算法的SAR圖像方位模糊抑制方法

肖 鵬*吳有明 于 澤 李春升

（北京航空航天大學電子信息工程學院 北京 100191）

方位模糊現象廣泛存在于星載合成孔徑雷達圖像中。當模糊能量較強時，會出現大量的虛假目標，嚴重影響對圖像的判讀。由于模糊能量與真實主區能量在時域、頻域中均互相混疊，現有的處理方法很難在不損失分辨率的條件下，有效抑制方位模糊所產生的“鬼影”。該文提出一種基于壓縮感知恢復算法的方位模糊抑制方法，通過截斷圖像的多普勒頻譜實現模糊抑制，而后將原始圖像作為先驗信息、將截斷譜作為觀測結果，利用壓縮感知恢復算法，迭代求解出高分辨率的圖像。經過仿真與真實數據驗證，該方法可以有效抑制方位模糊能量，而不損失主區目標分辨能力，且對復雜場景同樣具有良好的效果。

星載SAR；方位模糊抑制；壓縮感知

引用格式：肖鵬， 吳有明， 于澤， 等. 一種基于壓縮感知恢復算法的SAR圖像方位模糊抑制方法［J］. 雷達學報， 2016，5（1）： 35-41. DOI： 10.12000/JR16004.

Reference format： Xiao Peng， Wu Youming， Yu Ze， et al.. Azimuth ambiguity suppression in SAR images based on compressive sensing recovery algorithm［J］. Journal of Radars， 2016， 5（1）： 35-41. DOI：10.12000/JR16004.

1 引言

由于受到星下點回波和發射脈沖遮擋的制約關系，星載SAR系統往往需要在方位模糊能量和距離向觀測幅寬之間尋找平衡。經典SAR方位分辨理論指出：若期望提高方位向空間分辨力，則需擴大方位向獲取信號的帶寬；而奈奎斯特采樣定律則限制了無模糊采樣的最小間隔，該時間間隔直接關系到SAR系統的占空比、間接決定了距離向的觀測幅寬。受到加工能力的限制，雷達天線系統無法生成理想矩形的方向圖。因此，方位向多普勒信號實際上是帶寬無限的，方位模糊存在于一切的SAR系統中。對于星載SAR系統，由于波位設計冗余較小，只能保證波束主瓣內的能量不發生混疊，而其余部分的能量則會形成“鬼影”在真實目標兩側成對出現，造成圖像質量明顯下降。

針對以上問題，現有文獻從系統和處理兩個方面提出解決方案。系統方面，可以通過增大脈沖重復頻率（PRF）［1］或采用多接收相位中心技術［2］，提高方位采樣率、壓低模糊能量。但這兩種方法前者損失觀測幅寬且抑制效果有限，后者需要對硬件系統進行大幅改變，因此多數文獻中還是更加傾向在處理上抑制方位模糊。針對理想點目標，Moreira在文獻［3］中使用理想濾波器抑制模糊能量，Wang等人提出通過精確計算方位模糊出現的位置和能量，在圖像中直接去除模糊能量［4］，但以上方法無法處理真實場景和復雜目標，且需要極為精確的雷達參數進行演算；Guarnieri和Martino在文獻［5，6］中利用方位模糊信號在多普勒頻譜上的非均勻性，通過篩選模糊地圖和構建選擇濾波器的方法抑制模糊能量，由于進行了譜加權，受到處理的區域會損失分辨率、圖像一致性也受到破壞，所以該類方法依然只適用于背景簡單的海面場景；Chen等人在尋找模糊地圖的基礎上，提出綜合使用小波反演和圖像修補算法（Inpainting）替代選擇濾波器對模糊區域進行處理［7］，雖然該方法獲得的圖像一致性較好，但無法反映大片受模糊掩蓋目標的真實情況，因此一樣無法用于復雜場景下的模糊抑制。

近年來所提出的壓縮感知方法［6，7］對以上問題的解決提供了一種全新的思路。該方法將最優化方程替代傳統匹配濾波作為雷達信號核心處理手段，充分利用場景的先驗信息，使用更少的數據獲得更好的處理結果［8-12］。利用壓縮感知恢復算法的優勢，本文提出一種針對SAR圖像的方位模糊抑制方法：通過對復圖像多普勒頻率的截斷，分離真實目標能量和方位模糊能量，而后利用壓縮感知恢復算法從低維的譜數據中反演高維度的高分辨率圖像。該方法只針對SAR復數圖像進行處理，無需精確的成像參數作為參考，且無論對簡單場景還是復雜場景均有顯著效果。

文中第2節將簡要介紹方位模糊現象的成因和多普勒譜特性，第3節提出方位模糊抑制方法，第4節給出實驗結果。經過仿真和真實數據驗證，該方法可以將方位模糊能量壓低8 dB以上，并保證圖像分辨率沒有明顯損失。

2 方位模糊的成因及其譜特性方位模糊的成因及其譜特性

2.1方位模糊的成因

當不受到加權影響時，天線單程方向圖可以近似視為一個與角度θ相關的sinc函數

式中，La代表天線電尺寸，λ表示載頻波長，其示意圖如圖1所示。以第1模糊區為例，從圖1中可見，雷達接收機會同時接收到模糊區域照射的回波和主成像區域照射的回波。在衛星行進過程中，該3個區域會形成連續的多普勒頻率，由于SAR系統在方位向上進行離散采樣，故該信號會在采樣帶寬內出現卷繞（如圖2）。卷繞的信號依然會被成像處理器聚焦，從而在主瓣成像區域形成“鬼影”（如圖1）。

圖 1 方位向天線方向圖Fig. 1 Antenna pattern along azimuth

圖 2 多普勒頻譜卷繞示意圖Fig. 2 Doppler spectrum winding

在SAR系統中，經常使用方位模糊度（Azimuth Ambiguity-to-Signal Ratio， AASR）來衡量某一特定參數下的方位模糊情況［1］式中，f為多普勒頻率，B為處理器帶寬，Ba為方位向采樣帶寬，G（f）為頻率譜上的天線方向圖，平方項為天線收發雙程加權。從圖 2和式（2）中可見，合理地選擇處理器帶寬和采樣頻率，可以有效地抑制方位模糊能量。但是由于星載SAR系統的波位設計冗余較小，方位模糊度一般只能被控制在-20 dB左右。當模糊區散射能量較強時，其產生的“鬼影”將會嚴重干擾到對主區目標的判斷。

2.2方位模糊的譜特性

受到回波時延的影響，經過1維距離脈沖壓縮后的回波信號，其距離徙動呈現出拋物線特性。經過距離徙動矯正后，主區徙動線被完全拉直，而卷繞進主區的模糊區徙動線則是傾斜的，傾斜的徙動線會導致成像結果出現距離向彌散和方位向散焦（如圖3所示）。當載波波長較小時，其合成孔徑時間內較短，模糊區徙動線與主區徙動線相似度高、聚焦效果好，因此X波段圖像中的模糊現象要強于C波段或L波段。

以此為基礎，分析SAR成像結果在距離多普勒域中的特性。由于主區目標的徙動線得到了矯正，一個距離向分辨單元內的目標能量均集中在一個距離門中，該1維信號的自相關性極強；而模糊目標的譜線是傾斜的，跨越了數個距離門，因此在某一距離門上模糊信號自相關性較弱（如圖4）。

由于模糊能量往往集中分布在多普勒頻譜的兩端，利用模糊譜相關性低的特點，可以通過簡單的譜加權來壓低方位模糊能量，或通過譜加權前后圖像的能量分布差異篩選出模糊能量較大的區域［5］。但該種方法同時也改變了主區目標的譜形狀，會干擾到真實目標的成像結果，最直接的影響就是被模糊覆蓋的區域分辨率大幅下降。

3 基于壓縮感知算法的抑制方法

3.1壓縮感知框架

壓縮感知恢復算法是一種基于矩陣模型下的最優化估計方法。其充分利用恢復目標的先驗信息，從較低維觀測結果中恢復出高維的信號信息。可使用矩陣方程將其描述為：

圖 3 方位模糊聚焦示意圖Fig. 3 Azimuth ambiguities focus processing

圖 4 理想點目標距離多普勒域能量分布示意圖（dB）Fig. 4 Energy distribution of point target in Range Doppler domain （dB）

式中，yM×1為M個觀測結果，ΦM×N表示觀測矩陣，ΨM×N為某一正交變換矩陣，xN×1為N維的被觀測信號，nM×1是系統加性白噪聲。當觀測矩陣列向量的秩大于（或等于）N時，可以通過解方程組獲得xN×1的唯一解；當該矩陣的秩小于N時，求解x變為一個NP問題，無法得到唯一解。但若x的先驗信息足夠多，則可以通過解最優化方程的方法獲得x的最優估計結果，該求解過程描述為：

式（4）不具備顯式解，可以使用Newton迭代法獲得近似解［13］

3.2基于壓縮感知恢復算法的方位模糊抑制方法

若將某一距離門上復圖像時域信號視作x，用矩陣Ψ實現傅里葉變換，Φ作為截斷矩陣，則y就是截斷后的多普勒頻譜。由第2節的結論可知，通過對多普勒頻譜的截斷可以有效抑制方位模糊能量，但同時需要付出分辨率惡化的代價。由于主區、模糊區信號的相關性不同，若由低維度的截斷譜信號y恢復高維度、高分辨率的圖像，則恢復結果中將包含大量主區信息而模糊區能量則較低。從而在不損失分辨率的條件下實現主區能量和模糊區能量的分離（如圖5）。

圖 5 壓縮感知方位模糊抑制方法流程圖Fig. 5 The azimuth ambiguity suppression process flow chart based on CS

與超分辨理論所不同的是：由于我們已經獲取摻雜了模糊能量的高分辨率圖像作為先驗信息在該條件下從截斷譜中恢復高分辨率的圖像，恢復向量的自由度變得更低，恢復過程更加穩健、快速，圖像質量可以得到保證。

4 實驗結果

4.11維仿真實驗結果

本文中使用如表1所示的參數進行方位向1維回波信號的仿真與處理，在成像中心區域布置一理想點目標，在遠離成像主區處布置一產生模糊的點目標，其“鬼影”出現在成像中心區域附近，調整兩個目標的強度，使得模糊峰值能量與真實目標峰值能量相當。在處理過程中，選擇在多普勒譜±30 Hz處截斷帶寬，保留低頻部分。根據式（5）得到的處理結果如圖6所示，經過評估真實目標處沒有明顯分辨率損失，而方位模糊峰值處的能量被抑制了13 dB。

4.2真實數據處理結果

文中使用模糊能量比和圖像相關系數作為評價標準，前者反映模糊能量抑制能力，后者反映非模糊目標保持能力，兩個指標分別定義為：

表 1 1維仿真參數Tab. 1 One-dimensional simulation parameters

圖 6 1維信號處理結果Fig. 6 One-dimensional result

本文首先采用TerraSAR-X條帶模式數據進行驗證，其具體成像參數如表2所示，該地區為上海市長江入海口附近。

從圖 7（a）可見，河道中出現了極為嚴重的方位模糊現象，干擾到對河道中輪船的識別。其中圖7（d）所示模糊地圖為使用選擇濾波器［5］所篩選出來的強模糊區域位置，通過修改圖層的方法將其標紅，可見模糊區與有效主區圖像出現部分重疊。使用本文方法對該數據進行處理，可以得到非常“干凈”的圖像。對處理前后圖像中的模糊能量進行評估，發現模糊較強的區域能量下降了約16 dB，較弱的區域也抑制了13 dB；選擇沒有受到模糊影響的輪船目標進行相關性計算，處理前后該目標相關系數達到0.99。

表 2 TerraSAR-X條帶模式數據相關參數Tab. 2 Stripmap mode parameters of TerraSAR-X

圖 7 TerraSAR-X條帶模式數據驗證Fig. 7 Experiments based on stripmap mode data of TerraSAR-X

選擇TerraSAR-X滑動聚束模式的圖像進行第2組實驗，其具體成像參數如表3所示，該照射區域為天津市水上公園附近處，處理結果如圖8所示。

相較于第1幅圖像該區域背景更為復雜，模糊區域與主區出現大量重疊，且由于使用滑動聚束模式進行觀測，生成該模糊能量的場景并未出現在圖像中。使用選擇濾波器依然可以搜索到強模糊出現的區域，但是由于受到背景的干擾，該地圖的篩選并不完全正確。對比不同處理方法結果中被模糊能量覆蓋的道路，選擇濾波器使得路的邊緣變得模糊不清，而本文的方法依然可以得到較為清晰的圖像。比較處理前后的結果，較強模糊區域能量減弱20 dB，較弱模糊區域能量減弱8.5 dB；沒有受到模糊干擾的強目標相關系數為0.96。

兩次實驗結果統計如表4所示。從處理結果中可見，經過本文方法處理過的圖像方位模糊得到了非常好的抑制、主區目標沒有明顯改變，且圖像一致性比文獻［5］中所用方法更好。

表 3 TerraSAR-X滑動聚束模式數據相關參數Tab. 3 Spotlight mode parameters of TerraSAR-X

表 4 TerraSAR-X數據實驗結果Tab. 4 Comparison results based on TerraSAR-X

5 總結

本文介紹了一種基于壓縮感知恢復算法的方位模糊抑制方法，通過對頻譜的截斷實現了主區與模糊區目標能量分離，使用最優化方法恢復低模糊、高分辨率的圖像。經過1維仿真和真實數據驗證，證明該方法可以在有效保持主區目標分辨率的前提下，有效抑制方位模糊能量，具有較好的穩定性和適用性。

圖 8 TerraSAR-X滑動聚束模式處理結果Fig. 8 Experiments based on spotlight mode data of TerraSAR-X

頻譜的截斷位置與處理效果有很重要的關系，譜截斷過少模糊能量抑制效果不好，截斷過大則恢復過程變得不穩定；對于非對稱模糊（左右模糊不同時出現），截斷的中心位置也需要調整才能獲得更好的結果。本文中我們只能根據譜形狀初步估計譜截斷的位置，并逐步嘗試不同參數下的處理效果，這種方法效率較低且并不是最優策略。我們下一步的工作方向，一是分析如何根據雷達系統參數和預估的AASR設計譜截斷策略，二是探討能否使用更優的恢復算法對場景進行重建。

［1］Curlander J C and Mcdonough R N著. 韓傳釗， 等譯. 合成孔徑雷達： 系統與信號處理［M］. 北京： 電子工業出版社， 2006：205-214. Curlander J C， Mcdonough R N， Han C Z， et al.. Synthetic Aperture Radar： Systems and Signal Processing［M］. Beijing：Electronic Industry Press， 2006： 205-214.

［2］Runge H， Laux C， Gabele M， et al.. Performance analysis of virtual multi-channel modes for TerraSAR-X［C］. EUSAR，2006： 1-4.

［3］Moreira A. Suppressing the azimuth ambiguities in synthetic aperture radar images［J］. IEEE Transactions on Geoscience and Remote Sensing， 1993， 31（4）： 885-895.

［4］Wang K， Chen J， Yang W， et al.. Suppression of azimuth ambiguities in spaceborne stripmap SAR using accurate restoration modeling［C］. 2015 IEEE International Geoscience and Remote Sensing Symposium （IGARSS 2015）， Milan， Italy， 2015： 2429-2432.

［5］Guarnieri A M. Adaptive removal of azimuth ambiguities in SAR images［J］. IEEE Transactions on Geoscience and Remote Sensing， 2005， 43（3）： 625-633.

［6］Donoho D L. Compressed sensing［J］. IEEE Transactions on Information Theory， 2006， 52（4）： 1289-1306.

［7］Candè E J and Wakin M B. An introduction to compressive sampling［J］. IEEE Signal Processing Magazine， 2008， 25（2）：21-30.

［8］Di Martino G， Iodice A， Riccio D， et al.. Filtering of azimuth ambiguity in stripmap synthetic aperture radar images［J］. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing， 2014， 7（9）： 3967-3978.

［9］Chen J， Iqbal M， Yang W， et al.. Mitigation of azimuth ambiguities in spaceborne stripmap SAR images using selective restoration［J］. IEEE Transactions on Geoscience and Remote Sensing， 2014， 52（7）： 4038-4045.

［10］吳一戎， 洪文， 張冰塵， 等. 稀疏微波成像研究進展（科普類）［J］.雷達學報， 2014， 3（4）： 383-395. Wu Yirong， Hong Wen， Zhang Bingchen， et al.. Current developments of sparse microwave imaging［J］. Journal of Radars， 2014， 3（4）： 383-395.

［11］Zhang B C， Hong W， and Wu Y R. Sparse microwave imaging： principles and applications［J］. SCIENCE CHINA Information Sciences， 2012， 55（8）： 1722-1754.

［12］Ender J H G. On compressive sensing applied to radar［J］. Signal Processing， 2010， 90（5）： 1402-1414.

［13］Cetin M. Feature-enhanced synthetic aperture radar imaging［D］. ［博士論文］， University of Salford， Manchester，2001.

肖 鵬（1984-），男，黑龍江哈爾濱人，2014年獲得北京航空航天大學工學博士學位，現為北京航空航天大學博士后，主要研究方向為雷達信號處理新方法及星載SAR系統新體制設計。

E-mail： xiaopeng_email1984@163.com

吳有明（1990-），男，江西南昌人，北京航空航天大學電子信息工程學院在讀博士生，主要研究方向為合成孔徑雷達信號處理、稀疏微波成像。

E-mail： youmingwu@buaa.edu.cn

于 澤（1979-），男，博士，副教授，現任職于北京航空航天大學電子信息工程學院。分別于2002年、2007年在北京航空航天大學獲得學士學位和博士學位。目前主要研究方向包括天基雷達系統體制設計、高分辨SAR成像處理、稀疏目標特征重建等。

E-mail： yz613@buaa.edu.cn

Azimuth Ambiguity Suppression in SAR Images Based on Compressive Sensing Recovery Algorithm

Xiao Peng Wu Youming Yu Ze Li Chunsheng
（School of Electronic and Information Engineering， Beihang University， Beijing 100191， China）

Azimuth ambiguities appear widely throughout spaceborne Synthetic Aperture Radar （SAR） images. If the ambiguous energy is relatively strong， a large number of brilliant areas or points will emerge， which may be erroneously judged as actual targets. This is a disadvantage in image interpretation. Due to the fact that ambiguous energy is mixed with energy from the main zone in the frequency and time domains， it is difficult to suppress azimuth ambiguity to a reasonable level using the existing approach without loss of resolution. This study proposes an innovative approach for suppressing azimuth ambiguity based on the compressive sensing recovery framework， in which the original image acts as prior information and the corresponding frequency spectrum truncated in a proper ratio acts as measurement information. With the proposed approach， highresolution low-ambiguity images can be obtained by iteration. We used simulation and satellite data to validate the effectiveness of this proposed approach in suppressing azimuth ambiguity.

Spaceborne SAR； Azimuth ambiguity suppression； Compressive Sensing （CS）

TN911.7

A

2095-283X（2016）01-0035-07

10.12000/JR16004

2016-01-05；改回日期：2016-01-25；網絡出版：2016-02-02

肖鵬 xiaopeng_email1984@163.com

國家重點基礎研究發展計劃“973計劃”（2010CB731902）Foundation Item： National Key Basic Research Program Project（973 Program） of China （2010CB731902）