基于全变差的ISAR压缩成像优化算法：高SNR下的性能提升

本文主要探讨了在逆合成孔径雷达(ISAR)目标成像领域的最新进展，针对从有限数量的压缩测量回波数据恢复高分辨率运动目标这一高度不稳定的任务，提出了一个创新的方法。ISAR成像是一个典型的应用场景，其中数据采集受到硬件限制，而传统的高分辨率图像重建往往需要大量的数据，这在实际操作中往往是不可行的。 作者基于频率步进连续波ISAR系统的回波观测模型，引入了压缩感知原理，这是一种新兴的信号处理技术，能够利用稀疏性和采样效率来处理非均匀采样数据。他们构建了一个基于全变差正则化的ISAR压缩感知成像模型，全变差正则化是一种常用的优化手段，它能够有效处理图像中的纹理信息并增强图像的细节。 关键在于，他们将复杂的优化模型转化为一系列简单的代理函数，通过一种快速优化最小算法进行求解。这种方法的优势在于能够有效抵抗噪声的影响，特别是在信噪比较高的情况下，如文中提到的，当回波信噪比大于10 dB时，本文的方法显示出明显的性能优势，相较于传统的距离-多普勒算法和基于L1范数的压缩感知成像方法。 通过仿真验证，实验结果证实了新算法的有效性和实用性。它不仅提高了图像重建的质量，还节省了数据量，这对于资源受限的ISAR系统来说具有显著的实际意义。因此，本文的工作对于提高ISAR成像的效率和精度，以及在实际应用中降低对数据量的需求具有重要的理论和实践价值。