基于复数域卷积神经网络的ISAR包络对齐方法研究

来源：信号处理杂志 2025年第3期北京时间：

作者：王勇, 夏浩然, 刘明帆

摘要：在逆合成孔径雷达（Inverse Synthetic Aperture Radar， ISAR）成像领域，运动补偿是确保高质量图像生成的关键环节。包络对齐（Range Alignment， RA）作为运动补偿的首要步骤，对于校正由平动分量引起的回波信号包络偏移至关重要。本文提出了一种基于复数域卷积神经网络（Complex-Valued Convolutional Neural Network， CV-CNN）的包络对齐新方法，旨在通过深度学习策略提升包络对齐的精度与计算效率。本文所提方法利用了卷积神经网络强大的特征学习能力，构建了一个能够映射一维距离像与包络补偿量之间复杂关系的模型。通过将传统的实值卷积神经网络拓展至复数域，不仅完整保留了回波信号中的相位信息，而且有效引入了复数域残差块及线性连接机制，进一步精细化了网络结构设计。这种架构改进使得所提算法能实现低信噪比（Signal-to-Noise Ratio， SNR）条件下对ISAR距离像的高效包络对齐。在数据生成方面，本文基于雷达仿真参数，通过成像模拟仿真构建了ISAR回波数据集。该数据集经过归一化处理后，输入网络进行训练，使网络能够学习从未对齐回波到对应补偿量的映射关系。本文所提方法采用迁移学习策略，对基于仿真数据预训练的模型进行微调，以适应实测数据。这一策略不仅增强了结果的可靠性，同时也大幅缩短了模型的迭代周期。在实验验证方面，本文采用仿真与实测数据进行综合测试，以包络对齐精度、成像结果质量和计算效率为评价指标，全面验证了算法的有效性。实验结果表明，在不同信噪比条件下，本文所提方法均展现出了优越的包络对齐性能，进而可以实现高质量成像，同时在计算效率上也具有显著优势。

关键词：逆合成孔径雷达, 包络对齐, 复数域卷积神经网络, 有监督学习