一种基于深度学习的大斜视SAR舰船目标运动参数估计与成像方法OA

对地海面运动目标进行高分辨率聚焦成像是合成孔径雷达(SAR)领域的研究热点。现有方法多依赖变换域分析或优化模型估计运动目标速度,主要针对正侧视场景,难以满足大斜视条件下运动舰船的精确成像需求。为此,提出一种基于深度学习的大斜视SAR舰船目标运动参数估计与成像方法。首先建立大斜视场景运动目标回波信号模型,分析目标二维运动速度对成像的影响机理。在此基础上,提出一种融合注意力机制的残差网络CBAM-ResNet18,实现实数SAR图像中运动舰船二维速度估计。网络通过提取SAR图像中运动舰船的散焦特征与位置偏移特征,建立其与二维运动参数的非线性映射关系,其中散焦特征主要用于估计方位向速度,位置偏移特征主要用于估计距离向与方位向速度。参数估计网络采用端到端训练方式,输入为运动目标粗成像结果,输出为二维速度。准确估计速度后,设计相位补偿矩阵进行聚焦成像,有效缓解运动引起的散焦。与传统速度估计方法及其他多种经典神经网络对比实验表明,该方法在速度估计精度、鲁棒性及实时性上具备优势。