一种基于压缩感知的层析SAR盲信源估计方法技术领域
本发明属于信号处理领域，涉及一种基于压缩感知的层析SAR(Synthetic
Aperture Radar)盲信源估计方法。
背景技术
合成孔径雷达(SAR)是一种能够全天时、全天候工作的高分辨率微波成像雷达，并
且对地表具有一定的穿透能力。在SAR基础上发展起来的层析合成孔径雷达(Tomographic
SAR，Tomo-SAR)是一种理想的获取复杂地形的三维重构和形变速率估计的技术。自2000年
机载Tomo-SAR被验证可行以来，星载Tomo-SAR获得了迅速发展，被广泛应用于灾害监测、环
境测量、行星探测、极地研究、三维战场模拟、武器精确打击等领域。
随着对目标高程信息需求的不断提高，高精度的散射体高程信息估计是目前星载
层析SAR的主要发展方向。由于星载层析SAR的高程孔径很小，因此高程向分辨率常常比距
离与方位向分辨率差几十倍。因为层析SAR高程估计是一个谱估计问题，因此传统的层析
SAR高程估计方法分参数方法与非参数方法。参数谱分析方法对于含噪声的高程相位估计
较为敏感，且需要提前正确检测出单个分辨单元中信源的个数。非参数谱分析方法受3dB分
辨率理论限制，无法实现高程向上的超分辨率。
当前，基于压缩感知(Compressive Sensing,CS)的重构算法因为其对含噪声信号
处理的鲁棒性及在高程向上具有超分辨率能力而受到广泛关注。先根据压缩感知理论重构
出信源信息和信源高程，然后基于信息论先验并采用信源信息的估计值确定散射信源个
数，最后采用非线性最小二乘方法来估计信源信息及信源高程。由于只进行一次检测，信源
个数时常出现多检和漏检的情况，从而导致信源高程估计存在偏差，进而影响高程反演结
果；但若进行多次估计检测，虽能提高检测正确率，但会带来耗时问题。因此，具有超分辨率
能力、高精度、鲁棒性、耗时少的层析SAR高程估计方法具有重要意义。将压缩感知技术应用
到层析SAR高程重构中，可以有效解决鲁棒性和高程向超分辨率问题，但还需进一步提高高
程的估计精度。
发明内容
本发明的主要目的是为了解决上述问题，针对一次检测出现多检和漏检而多次检
测又耗时的矛盾现象，提出了一种基于压缩感知的层析SAR盲信源估计方法，利用本发明可
以有效抑制了多检和漏检现象的出现，并提高了信源高程和信源信息的估计精度。
本发明提供了一种基于压缩感知的层析SAR盲信源估计方法，包括以下几个步骤：
步骤一：利用压缩感知模型估计信源信息，输出散射强度归一化后大于0.1的前M
(0≤M≤4)个散射系数及其对应的高程值；
步骤二：粗网格搜索，以贝叶斯信息准则(Bayesian information criterion,
BIC)为代价函数的先验，输出代价函数最小和次小对应的散射体数目集{M1,M2}；
步骤三：以第一步压缩感知估计出的前Mx＝max{M1,M2}个信源信息为输入，采用并
行操作精确网格搜索最优高程值及其对应的最小二乘估计值；
步骤四：检测归一化后的散射系数是否有小于0.1的数值，若有，则最终散射体个
数为Mx减去散射系数有小于0.1对应的信源个数，再重新搜索；否则，输出第三步结果。
本发明基于压缩感知的层析SAR盲信源估计方法的优点在于：
(1)实用性。本发明提出的基于压缩感知的层析SAR盲信源估计方法能够有效抑制
多检和漏检现象的出现，并提高了信源高程和信源信息的估计精度。
(2)高效性。本发明提出的基于压缩感知的层析SAR盲信源估计方法通过采用网格
搜索，有效提高了信源个数检测的准确性和信源信息的估计精度；而并行计算操作，又弥补
了网格搜索带来的计算复杂度，有效提高了估计方法的效率。
(3)通用性。本发明提出的基于压缩感知的层析SAR盲信源估计方法适用于其他检
测与估计同时进行的信号处理问题，通用性强。
附图说明
图1是基于压缩感知的层析SAR盲信源估计方法流程图。
图2是信源多检情形下不同算法的重构图，其中，图2(a)是第一步压缩感知下的重
构结果与真实值的对比图，图2(b)是第二步最优检测下的重构结果与真实值的对比图，图2
(c)是本算法的重构结果与真实值的对比图。
图3是信源漏检情形下不同算法的重构图，其中，图3(a)是第一步压缩感知下的重
构结果与真实值的对比图，图3(b)是第二步最优检测下的重构结果与真实值的对比图，图3
(c)是本算法的重构结果与真实值的对比图。
图4是高程估计精度不佳的情形下不同算法的重构图，其中，图4(a)是第一步压缩
感知下的重构结果与真实值的对比图，图4(b)是第二步最优检测下的重构结果与真实值的
对比图，图4(c)是本算法的重构结果与真实值的对比图。
具体实施方式
下面将结合附图和实施例对本发明作进一步的详细说明。
本发明是一种基于压缩感知的层析SAR盲信源估计方法，方法流程图如图1所示，
具体包括以下步骤：
步骤一：利用压缩感知模型估计信源信息，输出散射强度归一化后大于0.1的前M
(0≤M≤4)个散射系数及其对应的高程值；
步骤二：以第一步输出的前m(0≤m≤M)个高程值和散射系数为输入，建立高程粗
网格，以BIC为代价函数的先验，采用并行操作搜索最优高程值其对应的最小二乘估计值，
输出代价函数最小和次小对应的散射体数目集SM＝{M1,M2}；
步骤三：精确搜索：
1.若SM个数为1，以第一步压缩感知估计出的前M1个信源信息为输入，采用并行操
作精确网格搜索最优高程值及其对应的最小二乘估计值。
2.若SM个数为2，以第一步压缩感知估计出的前Mx＝max{M1,M2}个信源信息为输
入，采用并行操作精确网格搜索最优高程值及其对应的最小二乘估计值。
步骤四：若归一化后的散射系数有小于0.1的数值，则最终散射体个数为Mx减去散
射系数有小于0.1对应的信源个数，再重新搜索最优高程值及其对应的最小二乘估计值；否
则输出第三步结果。
实施例：
为说明本发明的有效性，进行如下点目标堆栈数据的验证实验，实例的仿真参数
如表1所示，重构结果如图2～图4所示，图2、3、4分别给出了(a)第一步压缩感知估计的信源
幅度图，(b)在最优散射体个数下估计的信源的幅度图和(c)本算法输出的信源幅度图。
表1实施实例的部分仿真参数
从表2时间比较中，可以看出本发明第三、四步精确估计的耗时较短；从图2(a)、图
2(b)、图2(c)的比较中，可以看出本发明可以有效排除多检的噪声信号；从图3(a)、图3(b)、
图3(c)的比较中，可以看出本发明可以有效防止信源漏检的情况；从图4(a)、图4(b)、图4
(c)的比较中，可以看出本发明可以有效提高信源高程和信息的估计精度。上述仿真结果有
效地证明了本发明的基于压缩感知的层析SAR盲信源估计方法的有效性及实用性，能够有
效地提高信源信息的估计精度并实现高程向上的超分辨率。
表2关于基于压缩感知的层析SAR盲信源估计方法的耗时表