基于深度去噪先验的无相位合成孔径雷达谱估计
信号处理
2023-06-30 v1
摘要
合成孔径雷达（SAR）的非相干处理是一种有前景的方法，与采用相干处理的传统成像方法相比，其实现成本低、硬件设计简化且可在高频谱段工作。现有的非凸无相位成像算法在有限的前向模型范围内提供恢复保证。近年来，人们引入了若干基于深度学习（DL）的技术，旨在通过解决根本性挑战（例如缺乏冗余度、逆散射模型中常见的非唯一性问题）将无相位成像技术的适用性扩展到基于波的成像模态。本文提出了一种基于 DL 的无相位 SAR 成像方法，其设计前提是广泛用于初始化非凸相位恢复算法的谱估计技术，其意义远不止于生成良好的初始点。我们通过每次迭代使用深度去噪器来扩展用于谱估计的迭代幂法，随后在即插即用框架内设计深度成像网络。最后，我们利用合成 SAR 测量数据验证了方法的可行性。
引用
@article{arxiv.2306.17096,
title = {Deep Denoising Prior-Based Spectral Estimation for Phaseless Synthetic Aperture Radar},
author = {Samia Kazemi and Bariscan Yonel and Birsen Yazici},
journal= {arXiv preprint arXiv:2306.17096},
year = {2023}
}
备注
Featured in the ICASSP-2023 Workshop on Signal Processing for Synthetic Apertures