GEO-LEO雙基SAR序貫多幀-多通道聯(lián)合重建無模糊成像方法

安洪陽 孫稚超 王朝棟 武俊杰 楊建宇

(電子科技大學(xué)信息與通信工程學(xué)院 成都 611731)

1 引言

地球同步軌道(Geosynchronous,GEO)衛(wèi)星運(yùn)行在距地面約36000 km的軌道上，其軌道周期與地球自轉(zhuǎn)周期相同[1,2]。由于衛(wèi)星軌道高，GEO SAR的波束可在4000 km范圍內(nèi)的選定方向，覆蓋600 km的地面區(qū)域；通過微調(diào)波束照射方向，可以對感興趣成像區(qū)域?qū)崿F(xiàn)3小時(shí)以內(nèi)重訪或長時(shí)間凝視照射。因此，GEO SAR衛(wèi)星可為接收平臺(tái)提供大范圍、高重訪、可持續(xù)的波束覆蓋。另外，采用低軌(Low Earth Orbit,LEO)衛(wèi)星作為接收站，LEO接收站可以省去發(fā)射系統(tǒng)，適用于小衛(wèi)星等平臺(tái)，且成本低、隱蔽接收，這種收發(fā)分置的系統(tǒng)形態(tài)使其能夠在復(fù)雜電磁環(huán)境下完成對地/海成像偵察監(jiān)視[3,4]。此外，由于收發(fā)分離的系統(tǒng)形態(tài)，在適當(dāng)?shù)膸缀螛?gòu)型條件下，GEO-LEO雙基SAR的接收平臺(tái)具備側(cè)視、下視、前視等多視向成像能力[5,6]，可獲取更豐富的觀測場景散射信息以及擴(kuò)展微波遙感信息獲取的手段。文獻(xiàn)[7–9]分析并論證了GEOLEO雙基SAR的系統(tǒng)參數(shù)、衛(wèi)星軌道特性與分辨能力，為GEO-LEO雙基SAR高分辨成像提供了理論指導(dǎo)。

一般來講，GEO SAR軌道高、波束覆蓋范圍大，為避免距離模糊，其脈沖重復(fù)頻率(Pulse Repetition Frequency,PRF)應(yīng)足夠小。同時(shí)，為了降低系統(tǒng)發(fā)射功耗以及減輕數(shù)據(jù)存儲(chǔ)和傳輸壓力，也需要較低的PRF。對于高軌道傾角GEO SAR，其PRF通常小于200 Hz[10,11]。當(dāng)LEO SAR作為接收站時(shí)，由于接收平臺(tái)角速度大，GEOLEO雙基SAR多普勒帶寬遠(yuǎn)大于發(fā)射PRF，造成回波方位欠采樣、成像出現(xiàn)虛假目標(biāo)。文獻(xiàn)[12]分析了GEO-LEO雙基SAR的方位欠采樣特性，針對方位欠采樣條件下的無模糊成像問題，提出在接收平臺(tái)采用多接收通道技術(shù)，重構(gòu)GEO-LEO雙基SAR的無模糊頻譜。文獻(xiàn)[13]提出了一種基于多接收通道的加權(quán)BP (Back Projection)算法實(shí)現(xiàn)了無模糊成像。然而，由于GEO-LEO雙基SAR嚴(yán)重欠采樣，采用上述方法需要的接收通道數(shù)過多，不利于接收系統(tǒng)的小型化。文獻(xiàn)[14]提出了多接收與稀疏恢復(fù)相結(jié)合的無模糊成像算法，可在大幅減少接收通道數(shù)的情況下，實(shí)現(xiàn)GEO-LEO雙基SAR無模糊成像。但是，該方法僅適用于稀疏場景，對非稀疏的復(fù)雜觀測場景的無模糊成像仍然受限。

針對以上問題，本文提出了一種GEO-LEO雙基SAR序貫多幀-多接收通道聯(lián)合重建無模糊成像方法。其創(chuàng)新點(diǎn)在于：通過利用序貫觀測場景多幀圖像的相關(guān)性和多接收通道的采樣信息進(jìn)行聯(lián)合重建，可在大幅減少接收通道數(shù)的條件下實(shí)現(xiàn)無模糊成像。通過將復(fù)雜觀測場景的無模糊成像問題建模為張量聯(lián)合低秩與稀疏優(yōu)化問題，然后在交替方向乘子法迭代過程中利用多接收通道的采樣信息進(jìn)行聯(lián)合重建，可大幅提高重建圖像的性能，從而實(shí)現(xiàn)GEO-LEO雙基SAR對復(fù)雜觀測場景的無模糊成像。

本文的主要內(nèi)容如下，第2節(jié)首先建立了GEOLEO雙基SAR的回波模型，并分析了GEO-LEO雙基SAR的方位欠采樣特性；第3節(jié)提出了一種序貫多幀-多接收通道的聯(lián)合重建方法；第4節(jié)通過仿真驗(yàn)證了本方法的有效性。

2 GEO-LEO雙基SAR回波模型與多普勒模糊特性分析

2.1 回波模型

GEO-LEO雙基SAR成像觀測幾何構(gòu)型如圖1所示，GEO SAR發(fā)射站對廣域目標(biāo)區(qū)域持續(xù)照射，LEO接收站根據(jù)成像任務(wù)要求調(diào)整波束指向接收指定目標(biāo)區(qū)域的回波。

圖1 GEO-LEO雙基SAR觀測幾何示意圖Fig.1 The observation geometry of GEO-LEO bistatic SAR

在傳統(tǒng)機(jī)載或者低軌星載模式下，由于信號(hào)傳播距離近，因此信號(hào)傳播過程中平臺(tái)的位置可以看作是靜止的，即 “停走停”假設(shè)成立。但是在GEOLEO雙基SAR中，由于GEO SAR軌道高、LEO SAR接收平臺(tái)速度快，傳統(tǒng)基于“停走?！奔僭O(shè)的傳播時(shí)延模型不再適用。根據(jù)文獻(xiàn)[14]提出的GEO-LEO雙基“非停走?！被夭〞r(shí)延模型，GEO-LEO雙基SAR的真實(shí)傳播時(shí)延可以寫為

其中，c 為光速，t為方位時(shí)間，τ為距離快時(shí)間，Δtd為傳播總時(shí)延，RR(t+τ)為接收站與目標(biāo)的瞬時(shí)距離，RT(t+τ -Δtd)為發(fā)射站與目標(biāo)在信號(hào)發(fā)射時(shí)刻的瞬時(shí)距離。

式(1)的時(shí)延模型需要進(jìn)行數(shù)值求解，較為繁瑣。通過對式(1)進(jìn)行求解并進(jìn)行泰勒展開[14]，3階傳播時(shí)延模型可以改寫為

其中，Δt0為常數(shù)項(xiàng)，Δt1t為方位時(shí)間1階偏導(dǎo)數(shù)，Δt2t為方位時(shí)間2階偏導(dǎo)數(shù)，Δt3t為方位時(shí)間3階偏導(dǎo)數(shù)，展開各階項(xiàng)的具體表達(dá)式可以參考文獻(xiàn)[14]。

將“非停走停”傳播時(shí)延模型轉(zhuǎn)化為相應(yīng)的距離模型，其轉(zhuǎn)換關(guān)系如式(3)。

其中，τ和t分別表示快時(shí)間和慢時(shí)間，ωr和ωa分別為距離向窗函數(shù)和方位向窗函數(shù)，Ta是合成孔徑時(shí)間，λ是發(fā)射信號(hào)波長，Kr是線性調(diào)頻信號(hào)調(diào)頻率。

2.2 模糊特性分析

GEO SAR軌道高，角速度小，根據(jù)文獻(xiàn)[5]分析結(jié)果，高傾角為0.057 mrad/s。且其波束覆蓋范圍大，脈沖重復(fù)頻率較高的情況下，前一脈沖回波信號(hào)會(huì)與當(dāng)前發(fā)射脈沖的回波信號(hào)混疊，進(jìn)而造成距離模糊，則PRF應(yīng)足夠小。同時(shí)，為了降低系統(tǒng)發(fā)射功耗以及減輕數(shù)據(jù)存儲(chǔ)和傳輸壓力，也需要較低的PRF。對于高軌道傾角GEO SAR，其PRF通常小于200 Hz[10,11]。而當(dāng)LEO作為接收站時(shí)，由于其軌道高度較低、運(yùn)動(dòng)速度更快、角速度更大，典型TerraSAR-X的角速度為10.4 mrad/s[5]，因此其貢獻(xiàn)的多普勒帶寬將遠(yuǎn)大于GEO SAR。

GEO-LEO雙基SAR的多普勒帶寬，可以通過式(5)計(jì)算：

其中，Δt2t為“非停走?！眰鞑r(shí)延模型方位時(shí)間2階偏導(dǎo)數(shù)，其具體表達(dá)式可以參考文獻(xiàn)[14]，|rR0|為接收站作用距離，Da為接收天線孔徑大小，vsr為低軌衛(wèi)星波束腳印速度。GEO SAR波束覆蓋時(shí)間遠(yuǎn)長于LEO SAR，因此，GEO-LEO雙基SAR的合成孔徑時(shí)間由低軌衛(wèi)星的波束寬度決定。一般來說，接收天線孔徑越小或傳播時(shí)延2階偏導(dǎo)數(shù)越大，GEO-LEO雙基SAR多普勒帶寬越大。

圖2給出了GEO-LEO雙基SAR方位信號(hào)的欠采樣率特性，欠采樣率定義為雙基SAR多普勒帶寬與脈沖重復(fù)頻率的比值。在仿真中，脈沖重復(fù)頻率為200 Hz，分別仿真了不同LEO SAR接收天線尺寸和軌道高度下，GEO-LEO雙基SAR的欠采樣特性。從圖2可以看出，GEO-LEO雙基SAR的欠采樣率隨著天線尺寸的減小而增大，軌道高度的變化對欠采樣率的影響不顯著。當(dāng)接收天線尺寸為5 m時(shí)，欠采樣率接近7倍，即采樣率為奈奎斯特采樣率的15%。如此嚴(yán)重的方位信號(hào)欠采樣，會(huì)造成成像結(jié)果模糊、分辨率降低，嚴(yán)重影響圖像質(zhì)量。當(dāng)采用傳統(tǒng)多通道頻譜重構(gòu)方法重構(gòu)頻譜時(shí)，需要多達(dá)7個(gè)接收通道，這么多的通道數(shù)不利于接收系統(tǒng)的小型化。

圖2 GEO-LEO雙基SAR欠采樣特性Fig.2 The undersampling characteristics of GEO-LEO bistatic SAR

3 GEO-LEO雙基SAR無模糊成像方法

壓縮采樣恢復(fù)理論表明，當(dāng)原始信號(hào)是稀疏或低秩時(shí)，可從欠采樣的數(shù)據(jù)中恢復(fù)出原始信號(hào)[15,16]，已廣泛應(yīng)用于圖像重建、雷達(dá)成像等領(lǐng)域。進(jìn)一步地，針對SAR成像中的復(fù)雜觀測場景，文獻(xiàn)[17]利用聯(lián)合稀疏與低秩模型對其進(jìn)行建模，實(shí)現(xiàn)了欠采樣條件下對復(fù)雜觀測場景的無模糊成像。然而，僅采用壓縮采樣恢復(fù)理論也很難從單接收通道15%采樣率的數(shù)據(jù)中重構(gòu)出圖像。當(dāng)同時(shí)采用多接收通道技術(shù)與壓縮采樣恢復(fù)時(shí)，相比于多接收通道技術(shù)，可利用壓縮采樣恢復(fù)方法減少信號(hào)重構(gòu)所需通道數(shù)；另外，通過引入多接收通道技術(shù)可獲取更多的目標(biāo)信息，有利于恢復(fù)目標(biāo)的真實(shí)散射信息。更進(jìn)一步地，可利用觀測場景序貫多幀圖像之間的相關(guān)性，提高待恢復(fù)成像場景中的非稀疏目標(biāo)的重建性能。

本節(jié)首先將GEO-LEO雙基SAR無模糊成像問題建模為多接收通道條件下的聯(lián)合張量低秩與稀疏優(yōu)化問題，其中張量低秩可充分利用序貫多幀圖像之間的相關(guān)性。然后，在提出的張量交替方向乘子法中綜合利用多通道的信息實(shí)現(xiàn)無模糊成像。本方法通過序貫多幀-多通道聯(lián)合重建，充分利用多幀圖像的相關(guān)性與多通道的采樣信息，可實(shí)現(xiàn)方位嚴(yán)重欠采樣條件下的GEO-LEO雙基SAR無模糊成像。

3.1 無模糊成像問題建模

序貫多幀圖像的觀測幾何示意圖如圖3所示，序貫多幀圖像是指將地面觀測區(qū)域相互重疊的多幀圖像按照觀測時(shí)序進(jìn)行排列，各幀圖像對應(yīng)的回波數(shù)據(jù)可以從對相應(yīng)觀測區(qū)域的錄取回波中進(jìn)行截取。需要說明的是，圖3僅給出了接收站的某一通道的回波錄取過程，多個(gè)接收通道的錄取過程可以進(jìn)行相應(yīng)的推廣。

圖3 序貫多幀觀測幾何示意圖Fig.3 The observation geometry of sequential multiframe

首先，需建立成像場景到回波的映射關(guān)系，即觀測模型。一般來講可以通過逐點(diǎn)進(jìn)行計(jì)算得到觀測模型，但是逐點(diǎn)計(jì)算運(yùn)算量太大。實(shí)際上，這一映射過程可以視作回波聚焦過程的逆過程，即成像算法的逆過程。同樣地，在GEO-LEO雙基SAR中也可利用成像算法的逆過程實(shí)現(xiàn)觀測模型的構(gòu)建。由于GEO-LEO雙基SAR收發(fā)平臺(tái)不等速，場景存在二維空變，因此需采用能均衡二維空變的成像算法作為觀測模型構(gòu)建的基礎(chǔ)。本文采用Keystone-NLCS算法的逆過程構(gòu)建高效的觀測模型[14,18]，當(dāng)LEO SAR接收站采用多接收通道接收目標(biāo)回波時(shí)，第i通道接收的回波記為Yi，成像場景Γ與第i通道接收回波Yi的關(guān)系為

其中，?i(·)為 第i接 收通道的觀測模型，?代表哈達(dá)瑪積，相關(guān)的相位函數(shù)可以利用第i接收通道的幾何構(gòu)型參數(shù)得到，Θ1為 距離壓縮函數(shù)，Θ2為高階距離徙動(dòng)校正函數(shù)，Θ3為方位擾動(dòng)函數(shù)，Θ4為方位NLCS因子，Θ5為方位壓縮函數(shù)。K-1表示逆Keystone變換，F(xiàn)a與Fr分別表示方位向和距離向傅里葉變換，(·)-1為相應(yīng)的逆變換，(·)*為共軛操作。

考慮對滿足奈奎斯特采樣的信號(hào)進(jìn)行隨機(jī)降采樣得到欠采樣回波，即本文所需的數(shù)據(jù)均為隨機(jī)降采樣獲取。該過程可以通過隨機(jī)降采樣矩陣Θa表示，其中Θa∈RMt×Nt為二進(jìn)制矩陣。最后，降采樣之后的回波可以表示為

為綜合利用觀測場景序貫多幀圖像之間的相關(guān)性，將待重建圖像及待重建圖像前后數(shù)幀序貫圖像排列為三維張量T，其中序貫圖像的總幀數(shù)為T。針對SAR成像中的復(fù)雜觀測場景，可用低秩部分L表示三維張量場景中的相關(guān)部分，可用稀疏部分S表示三維張量場景中的強(qiáng)散射目標(biāo)。因此，將GEO-LEO雙基SAR無模糊成像問題建模為聯(lián)合張量低秩與稀疏優(yōu)化問題，即張量秩和l0范數(shù)聯(lián)合最小化問題。

其中，Yd,i(:,:,t)表示第i通 道接收的第t幀觀測場景的回波。

將式(8)中秩和l0范數(shù)聯(lián)合最小化問題轉(zhuǎn)化為張量核范數(shù)和l1范數(shù)聯(lián)合最小化問題：

其中，‖·‖*表 示張量核范數(shù)，‖·‖1表示l1范數(shù)。

將式(9)改寫為增廣拉格朗日形式：

其中，Q表示拉格朗日算子，〈·,·〉表示張量內(nèi)積，ρ表示懲罰系數(shù)。

3.2 無模糊成像方法

3.1 節(jié)將GEO-LEO雙基SAR無模糊成像問題建模為張量聯(lián)合低秩與稀疏優(yōu)化問題，為實(shí)現(xiàn)高效求解，本節(jié)采用張量交替方向乘子法，并在其迭代過程中綜合利用多通道信息實(shí)現(xiàn)無模糊成像。

(1) 初始化

首先初始化低秩張量L為0，稀疏張量S為0，拉格朗日算子Q為0。

(2) 更新低秩張量L

低秩張量的更新方法為

其中，?i(·)為 第i接收通道的Keystone-NLCS算子的第t幀數(shù)據(jù)。

從低秩張量更新的迭代過程中可以看出，多接收通道的數(shù)據(jù)被綜合利用。利用張量核范數(shù)的近端算子可對低秩張量進(jìn)行更新。

(3) 更新稀疏張量S

稀疏張量的更新方法為

類似地，從稀疏張量更新的迭代過程中可以看出，多接收通道的數(shù)據(jù)也被綜合利用。利用軟閾值算子可獲得更新后的稀疏張量的值。

(4) 更新拉格朗日算子Q

對Q的第t幀數(shù)據(jù)按照式(15)更新：

當(dāng)所有幀更新之后，得到Q。

(5) 更新懲罰參數(shù)ρ

懲罰參數(shù)的自適應(yīng)更新方法如式(16)：

其中，ρmax是ρ的 上界，α≥1是一個(gè)常數(shù)。

定義低秩張量和稀疏張量的更新速率為

如果低秩張量和稀疏張量的更新速率都小于預(yù)定義的值，則停止迭代。多幀多通道聯(lián)合重建成像方法的流程如圖4所示。

圖4 多幀多通道聯(lián)合重建成像方法流程Fig.4 The flow of joint multiframe and multichannel recovery imaging method

本文所提方法需要多次迭代運(yùn)算，在每一次迭代運(yùn)算過程中，特別是對于大幅寬場景來說，運(yùn)算量最大的部分是利用觀測模型及其逆過程對低秩和稀疏分量進(jìn)行更新以及拉格朗日乘子更新，而觀測模型的運(yùn)算量與傳統(tǒng)成像方法的運(yùn)算量相當(dāng)。因此，本方法將主要比傳統(tǒng)成像方法多兩部分的運(yùn)算量，一是多次迭代運(yùn)算，二是對低秩和稀疏分量分別進(jìn)行更新所需的計(jì)算量。具體來講，假設(shè)采用的頻域成像算法的計(jì)算復(fù)雜度為O(N2log2N)，本方法迭代總次數(shù)為G，由于每次迭代需要利用觀測模型及其逆過程對稀疏分量和低秩分量進(jìn)行分別更新，同時(shí)，需要利用觀測模型對拉格朗日算子進(jìn)行更新，則本方法所需的總運(yùn)算量為5·G·O(N2log2N)。

4 仿真實(shí)驗(yàn)與結(jié)果分析

本節(jié)對提出的GEO-LEO雙基SAR無模糊成像算法進(jìn)行仿真，并驗(yàn)證其有效性。仿真參數(shù)如表1，表2所示，其中LEO接收站采用斜視模式接收。

表1 仿真系統(tǒng)參數(shù)Tab.1 Simulation system parameters

表2 仿真軌道參數(shù)Tab.2 Simulated orbit parameters

擴(kuò)展目標(biāo)場景1的原始圖像如圖5(a)所示。每一接收通道獲取15%的采樣信息。首先，采用單幀處理的方法對欠采樣回波進(jìn)行處理。圖5(b)給出了只利用一個(gè)接收通道數(shù)據(jù)，采用稀疏恢復(fù)方法[19]的成像結(jié)果，可以看出成像結(jié)果存在嚴(yán)重模糊，這是因?yàn)橐粋€(gè)接收通道的采樣數(shù)據(jù)過少，同時(shí)擴(kuò)展場景也不滿足稀疏假設(shè)。圖5(c)給出了利用4個(gè)接收通道數(shù)據(jù)，即獲取60%采樣數(shù)據(jù)，采用文獻(xiàn)[14]提出的多接收與稀疏恢復(fù)相結(jié)合的無模糊成像算法的成像結(jié)果。相比于單接收通道稀疏恢復(fù)方法，該方法雖可提高成像性能，但是該方法仍然不能處理非稀疏場景。圖5(d)給出了利用4個(gè)接收通道數(shù)據(jù)，采用文獻(xiàn)[20]提出的聯(lián)合矩陣稀疏與低秩恢復(fù)的成像方法的成像結(jié)果。在該方法中，觀測場景圖像間的相關(guān)性用低秩特性進(jìn)行表征，孤立散射點(diǎn)的采用稀疏特性表征，同時(shí)可利用多通道采樣信息進(jìn)一步降低重建誤差。因此，該方法可獲得比稀疏重建方法更好的性能，然而，針對GEO-LEO雙基SAR嚴(yán)重欠采樣條件下的無模糊成像問題，該方法的重建性能仍然受限。

圖5 擴(kuò)展目標(biāo)場景1不同方法成像結(jié)果Fig.5 Distributed scene 1 imaging results of different methods

本文所提方法可進(jìn)一步利用多幀圖像之間的相關(guān)性，提升重建的性能。利用5幀觀測場景的4個(gè)接收通道數(shù)據(jù)，其中5幀圖像的每兩幀之間有93.75%的觀測場景重復(fù)，待重建圖像位于5幀序貫圖像序列的中間，圖6(a)給出了采用本方法得到的成像結(jié)果。對比圖5(d)的單幀圖像重建結(jié)果，由于本方法利用了多幀圖像之間的相關(guān)性，可提高重構(gòu)性能。圖6(b)給出了利用10幀鄰近圖像的成像結(jié)果，可以看出隨著幀數(shù)的增加，重建性能得到了提升。利用序貫多幀圖像進(jìn)行重建的益處在于，相比于單幀處理所能利用的采樣脈沖數(shù)，序貫多幀圖像對應(yīng)的合成孔徑長度更長，因此，回波方位采樣脈沖數(shù)更多，獲取地面散射信息更多，這為提升重建性能奠定了基礎(chǔ)。另外，聯(lián)合低秩與稀疏模型對序貫多幀圖像進(jìn)行重建，可采用低秩模型表征序貫圖像相關(guān)部分，同時(shí)，利用稀疏模型表征序貫圖像中孤立變化的散射目標(biāo)。因此，利用序貫圖像可以提高重建性能。

圖6 擴(kuò)展目標(biāo)場景1本文方法成像結(jié)果Fig.6 Distributed scene 1 imaging results of the method proposed in this paper

為定量評(píng)估成像性能，引入峰值信噪比(Peak Signal-to-Noise Ratio,PSNR)參數(shù)衡量整個(gè)圖像的重建性能。PSNR可通過式(19)計(jì)算：

其中，RMSE為重構(gòu)圖像的均方根誤差，即

其中，N為成像場景的像素點(diǎn)數(shù)目，Γor表示原始圖像的散射系數(shù)，Γre表示重建圖像的散射系數(shù)。

表3給出了不同方法的圖像重構(gòu)性能，可以看出本文提出的序貫多幀-多通道聯(lián)合重建方法能獲得更高的PSNR指標(biāo)，這是由于本方法可同時(shí)利用多接收通道的采樣信息和序貫多幀數(shù)據(jù)之間的相關(guān)性。

表3 不同方法的重建性能Tab.3 Reconstruction performance of different methods

為進(jìn)一步說明本方法的有效性，針對不同的成像觀測場景進(jìn)行了仿真。其中，原始成像場景圖像如圖7(a)所示。圖7(b)—圖7(d)給出了利用4接收通道數(shù)據(jù)，分別采用稀疏恢復(fù)方法、單幀聯(lián)合低秩與稀疏恢復(fù)方法、多幀聯(lián)合低秩與稀疏恢復(fù)方法的成像結(jié)果?？梢钥闯霰痉椒ǐ@得的成像結(jié)果最優(yōu)。此外，針對觀測場景2，不同方法獲取的重建圖像的PSNR指標(biāo)如表2所示，本方法相比于稀疏恢復(fù)、單幀聯(lián)合低秩與稀疏恢復(fù)方法，可分別獲得14.31 dB,8.43 dB的重建性能的提升。說明本方法可適用于不同的觀測場景，可用于GEO-LEO雙基SAR無模糊成像。

圖7 擴(kuò)展目標(biāo)場景2不同方法成像結(jié)果Fig.7 Distributed scene 2 imaging results of different methods

5 結(jié)論

本文針對GEO-LEO雙基SAR無模糊成像問題，提出了一種序貫多幀-多接收通道聯(lián)合重建無模糊成像方法，該方法利用序貫多幀數(shù)據(jù)將無模糊成像問題建模為張量聯(lián)合低秩與稀疏優(yōu)化問題，然后在交替方向乘子法迭代過程中利用多接收通道的采樣信息進(jìn)行聯(lián)合重建，可大幅提高重建圖像的性能。仿真結(jié)果表明，相比于單幀多通道聯(lián)合低秩與稀疏重建方法，本方法可以獲得重建性能的大幅提升。同時(shí)，相比于基于多通道頻譜重構(gòu)的無模糊成像方法，本方法無模糊成像所需的通道數(shù)可從7個(gè)減少到4個(gè)，有利于降低接收系統(tǒng)的復(fù)雜度。需要說明的是，本方法需要利用序貫多幀數(shù)據(jù)進(jìn)行重構(gòu)，因此，相比于其他方法所需計(jì)算量較大。此外，針對復(fù)雜觀測場景的聯(lián)合低秩與稀疏無模糊重建方法性能與所需的采樣數(shù)、通道數(shù)、幀數(shù)的定量關(guān)系模型仍需進(jìn)一步研究。