一种联合Khatri-Rao子空间与块稀疏压缩感知的差分SAR层析成像方法

虽然采用压缩感知技术(Compressive Sensing, CS)的差分SAR层析成像方法实现了4维空间信息的重构，但是此方法仅利用了目标的稀疏特性并没有考虑目标的结构特性，因此对同时具有稀疏特性和结构特性的目标进行重构时其性能较差。针对这一问题，该文采用联合Khatri-Rao子空间和块压缩感知(Khatri-Rao Subspace and Block Compressive Sensing, KRS-BCS)，提出一种差分SAR层析成像方法。该方法依据目标的结构特性和重构观测矩阵具有的Khatri-Rao积性质，将稀疏结构目标的差分SAR层析成像问题转化为Khatri-Rao子空间下的BCS问题，最后对目标进行块稀疏的l1/l2范数最优化求解。相比CS差分SAR层析成像方法，该方法不仅保持了CS差分SAR层析成像方法的高分辨率特点，而且其重构精度更高性能更优。仿真数据和ENVISAT星载ASAR数据以及地面GPS实测数据的试验结果验证了该方法的有效性。