Model-Driven Deep Adaptive Parametric Imaging for Bistatic SAR under Motion Errors

Yue Song

doi:10.1109/taes.2026.3732278

Model-Driven Deep Adaptive Parametric Imaging for Bistatic SAR under Motion Errors

2026-09-08

0

PRE

AI

DOI：10.1109/taes.2026.3732278

原文链接

原文求助

摘要

En 中文

参数成像旨在从双站合成孔径雷达（BiSAR）回波中恢复目标的结构属性，这对于高保真场景解释至关重要。然而，在实际BiSAR系统中，平台定位不完善导致的轨迹偏差会引入运动诱导相位误差，导致严重的模型失配和参数重建精度显著下降。为解决此问题，本文提出了一种面向运动的深度自适应参数成像框架，用于存在运动误差的BiSAR，称为DBPE-Net。我们首先构建了一个考虑运动误差的BiSAR参数回波模型，其中诱导的相位畸变被分解为低阶多普勒误差和高阶空间变差误差。基于此分解，设计了一个即插即用的多普勒误差补偿模块，直接从BiSAR回波中估计低阶多普勒系数并补偿相应的可建模相位误差。为处理剩余的高阶空间变差误差，开发了一个自适应高阶补偿模块，用于学习误差感知的观测矩阵，从而缓解理想参数正向模型与误差污染测量之间的失配。此外，将深度近端映射模块纳入迭代重建过程中，以提高参数恢复的稳定性和鲁棒性。数值仿真和BiSAR飞行实验表明，所提出的DBPE-Net在存在运动误差的情况下，比现有的BiSAR参数成像方法实现了更准确和鲁棒的参数成像。

Keyword:

Bistatic synthetic aperture radar (BiSAR)

deep parametric imaging net

motion errors

Model-Driven Deep Adaptive Parametric Imaging for Bistatic SAR under Motion Errors

摘要

期刊

机构

引用论文