利用状态空间模型在线学习合成孔径雷达聚焦
图像与视频处理
2026-05-12 v1 计算工程、金融与科学
新兴技术
摘要
传统的合成孔径雷达（SAR）聚焦方法采用分块处理，效率高效但存在显著延迟，阻碍了闭环认知SAR成像系统的实现。我们提出首个在线SAR处理器（OSP），构建基于流式的图像生成框架，在数据采集过程中逐行输出聚焦后的SAR图像。OSP采用经过教师-学生蒸馏训练并多阶段损失优化的轻量状态空间模型。我们在Maya4（来自Sentinel-1的数据集，包含原始数据、经尺度压缩、尺度细胞迁移校正及方位压缩产品）上的300GB SAR数据上进行评估。相较于基于逐行数字信号处理的基线方法，OSP延迟降低约70倍、内存使用降低130倍；在单核AMD CPU上，仅用6MB内存即可在16ms内处理一行数据，同时保持足以支撑下游决策的聚焦质量，我们通过船舶检测和洪水监测任务进行了验证。
引用
@article{arxiv.2605.10340,
title = {Learning to Focus Synthetic Aperture Radar On-line with State-Space Models},
author = {Sebastian Fieldhouse and Roberto Del Prete and Gabriele Daga and Nathaniel Rensly and Gabriele Meoni and Kea-Tiong Tang},
journal= {arXiv preprint arXiv:2605.10340},
year = {2026}
}