ARSAR-Net：基于自适应正则化的智能 SAR 成像
信号处理
2025-06-27 v2
摘要
深度展开网络最近涌现为合成孔径雷达 (SAR) 成像的有前景的方法之一。然而，基于交替方向乘子法 (ADMM) 等迭代重建算法派生的基线展开网络缺乏跨场景的泛化能力，主要原因是其正则化器是经验设计而非从数据中学习。在本研究中，我们将可学习的正则化器引入展开网络中，提出一种具有自适应正则化的 SAR 成像网络 (ARSAR-Net)，旨在实现对包括离岸船舶、岛屿、城市区域和山地地貌等异构场景的泛化。此外，本文开发了两种 ARSAR-Net 变体，分别针对提高成像效率和重建质量。通过仿真和实际数据实验的广泛验证，本文证明了 ARSAR-Net 的三个关键优势：(1) 成像速度比现有展开网络提高 50%；(2) 成像质量提升最高可达 2.0 dB 的 PSNR 增益；(3) 对复杂场景的适应性得到增强。这些突破性进展为高效且可泛化的 SAR 成像系统树立了新的范式。
引用
@article{arxiv.2506.18324,
title = {ARSAR-Net: Intelligent SAR Imaging with Adaptive Regularization},
author = {Shiping Fu and Yufan Chen and Zhe Zhang and Xiaolan Qiu and Qixiang Ye},
journal= {arXiv preprint arXiv:2506.18324},
year = {2025}
}