Synthetic aperture radar (SAR) has extensive applications in both civilian and military fields for its ability to create high-resolution images of the ground target without being affected by weather conditions and daytime or nighttime effect. As fueled by the several decades’ advancement of SAR, existing SAR systems exhibit high imaging capabilities, namely, significantly high two-dimensional resolution. However, in accordance with Nyquist's sampling theory, the increase in resolution implies an evident increase in the amount of sampling data, thereby causing numerous limitations to practical application. To solve this problem, several compressive sensing (CS) and matrix sensing (MS) techniques have been applied to SAR imaging, wherein the existing knowledge of sparsity or low-rankness is exploited to reconstruct the SAR image based on an under-sampled SAR raw data. In this study, we take a different approach, wherein redundancy property of the SAR image is further exploited. The SAR image is split into a sparse matrix and a low rank matrix. Thus, the SAR imaging processor is modelled as a problem of joint sparse and low rank matrices recovery. An Orthogonal Sparse and Rank-one Pursuit (OSRanP) algorithm is newly proposed to solve this problem in SAR imaging case, where there isn’t any prior information of the exact sparsity or low-rankness value at hand. As revealed from the results here, the proposed method outmatches the CS and MS methods in sampling efficiency in both simulations and experiments.

中文翻译：

---

OSRanP：一种利用联合稀疏性和低秩进行雷达成像的新方法

合成孔径雷达（SAR）因其能够在不受天气条件和昼夜效应影响的情况下创建地面目标的高分辨率图像的能力而在民用和军用领域具有广泛的应用。在 SAR 几十年发展的推动下，现有的 SAR 系统表现出很高的成像能力，即非常高的二维分辨率。但是，根据奈奎斯特采样理论，分辨率的提高意味着采样数据量的明显增加，从而对实际应用造成诸多限制。为了解决这个问题，几种压缩感知 (CS) 和矩阵感知 (MS) 技术已应用于 SAR 成像，其中利用稀疏或低秩的现有知识，基于欠采样的 SAR 原始数据重建 SAR 图像。在这项研究中，我们采用了一种不同的方法，其中进一步利用了 SAR 图像的冗余特性。SAR 图像被分成稀疏矩阵和低秩矩阵。因此，SAR 成像处理器被建模为联合稀疏和低秩矩阵恢复问题。新提出了一种正交稀疏和秩一追踪 (OSRanP) 算法来解决 SAR 成像情况下的这个问题，在这种情况下，手头没有任何关于精确稀疏或低秩值的先验信息。正如这里的结果所揭示的那样，所提出的方法在模拟和实验中的采样效率都优于 CS 和 MS 方法。其中，进一步利用了 SAR 图像的冗余特性。SAR 图像被分成稀疏矩阵和低秩矩阵。因此，SAR 成像处理器被建模为联合稀疏和低秩矩阵恢复问题。新提出了一种正交稀疏和秩一追踪 (OSRanP) 算法来解决 SAR 成像情况下的这个问题，在这种情况下，手头没有任何关于精确稀疏或低秩值的先验信息。正如这里的结果所揭示的那样，所提出的方法在模拟和实验中的采样效率都优于 CS 和 MS 方法。其中，进一步利用了 SAR 图像的冗余特性。SAR 图像被分成稀疏矩阵和低秩矩阵。因此，SAR 成像处理器被建模为联合稀疏和低秩矩阵恢复问题。新提出了一种正交稀疏和秩一追踪 (OSRanP) 算法来解决 SAR 成像情况下的这个问题，在这种情况下，手头没有任何关于精确稀疏或低秩值的先验信息。正如这里的结果所揭示的那样，所提出的方法在模拟和实验中的采样效率都优于 CS 和 MS 方法。新提出了一种正交稀疏和秩一追踪 (OSRanP) 算法来解决 SAR 成像情况下的这个问题，在这种情况下，手头没有任何关于精确稀疏或低秩值的先验信息。正如这里的结果所揭示的那样，所提出的方法在模拟和实验中的采样效率都优于 CS 和 MS 方法。新提出了一种正交稀疏和秩一追踪 (OSRanP) 算法来解决 SAR 成像情况下的这个问题，在这种情况下，手头没有任何关于精确稀疏或低秩值的先验信息。正如这里的结果所揭示的那样，所提出的方法在模拟和实验中的采样效率都优于 CS 和 MS 方法。