MF-JMoDL-Net：用于稀疏SAR成像方位欠采样模式设计与模糊抑制的深度网络
信号处理
2023-03-21 v1
摘要
重复频率（PRF）。鉴于系统复杂性与资源约束，往往难以在不牺牲幅宽的情况下实现高成像性能与低模糊。本文提出一种基于深度卷积神经网络的稀疏条带SAR成像算法与方位欠采样模式联合优化框架，结合匹配滤波（MF）近似测量算子与逆MF算子，称为MF-JMoDL-Net，用于稀疏SAR成像方法。相比常规稀疏SAR成像，MF-JMoDL-Net使我们能够缓解PRF带来的限制。在所提方案中，对方位欠采样模式与卷积神经网络参数进行联合连续优化，以抑制方位模糊并提升稀疏SAR成像质量。多种条件下的实验与对比证明了所提框架在成像结果上的有效性与优越性。
引用
@article{arxiv.2303.10823,
title = {MF-JMoDL-Net: A Deep Network for Azimuth Undersampling Pattern Design and Ambiguity Suppression for Sparse SAR Imaging},
author = {Yuwei Wu and Zhe Zhang and Xiaolan Qiu and Yao Zhao and Weidong Yu},
journal= {arXiv preprint arXiv:2303.10823},
year = {2023}
}