1.一种基于C-ADMMN的结构化稀疏孔径ISAR成像方法，其特征在于，该方法包括以下步骤：S1对稀疏孔径ISAR回波信号进行建模：雷达系统接收到的二维回波经解调后表示为：其中，σ i 表示目标第i个散射中心的反射系数，R i (t m )表示目标第i个散射中心相对雷达的瞬时转动距离， t m 分别表示快时间和慢时间，f c 、c、γ分别表示雷达信号中心频率、真空光速、信号调频率；m＝1,2,…,M，M表示全孔径雷达回波包含的脉冲个数；目标第i个散射中心相对雷达的瞬时转动距离R i (t m )表示为：R i (t m )＝x i sin(ωt m )+y i cos(ωt m )≈x i ωt m +y i (2)其中，(x i ,y i )表示目标第i个散射中心在参考坐标系下的坐标，ω表示目标转动角速度，由于ISAR成像积累时间较短，且目标运动状态平稳，目标在成像时间内运动的转动分量可被视为匀速转动；由于脉冲重复时间较短，目标转动角较小，因此有sin(ωt m )≈ωt m 、cos(ωt m )≈1；将式(2)代入式(1)可得雷达近似二维回波 将 数字化后关于快时间 进行快速傅里叶变换得到目标一维距离像序列s′(f,t m )；雷达信号在慢时间t m 内包含M个脉冲，快时间 内包含N个采样点，稀疏孔径信号包含L个脉冲，L＜＜M；对稀疏孔径条件下一维距离像序列s′(f,t m )建立如下降采样模型：Y＝AX+W＝PFX+W (3)其中 表示降采样后的一维距离像序列、 表示观测矩阵、 表示ISAR图像矩阵、 表示高斯白噪声矩阵； 表示傅里叶变换矩阵； 表示由0和1构成的降采样矩阵，令 表示被采样的距离像索引，则有 对于矩阵P第l行m列元素P l,m ，当向量s第l个元素s l ＝m时，有P l,m ＝1，否则P l,m ＝0，l＝1,2,…,L； 表示L×N维复数矩阵， 表示L×M维实数矩阵， 表示L维实数向量；S2构建C-ADMMN前向传播模型：C-ADMMN由K级子网络级联构成，第k级子网络由三层网络层依次组成，分别为重构层、降噪层、乘子更新层，k＝1,2,…,K1；而第K级子网络仅包含一层重构层；第k级子网络中，重构层输出X (k) 表示重构得到的ISAR图像，降噪层输出Z (k) 表示对X (k) 降噪后得到的结果，乘子更新层输出B (k) 表示更新后的拉格朗日乘子，网络最终输出为X (K) ；具体构建过程如下：S2.1构建重构层前向传播模型：在第u级子网络中，u＝1,2,...,K，重构层前向传播过程可表示为式(4)：X (u) ＝F(P H P+μ (u) I M ) -1 (P H Y-FB (u-1) -μ (u) FZ (u-1) ) (4)其中，I M 表示M×M维单位矩阵，μ (u) 表示第u级子网络待训练的惩罚参数；当u＝1时，B (0) ＝0 M×N ，Z (0) ＝0 M×N ，其中0 M×N 表示M×N维的全0矩阵；重构层中惩罚参数训练过程在S3.1给出；S2.2构建降噪层前向传播模型：在第k级子网络中，降噪层前向传播过程可表示为：其中，S (·) (·)表示软门限函数，对任意复数标量x与实数门限t，都有 而对任意复数向量x与实数门限t，都有S t (x)＝[S t (x 1 ),S t (x 2 ),...] T ，其中x i 代表复数向量x的第i个元素； 表示第k级子网络待训练的卷积核参数；符号*表示二维卷积操作；λ (k) 表示第k级子网络待训练的正则化参数；ε为一充分小的常量，用于避免产生奇异值；降噪层中卷积核参数与正则化参数的训练过程在S3.1给出；S2.3乘子更新层前向传播模型：在第k级子网络中，乘子更新层前向传播表达式如式(6)所示：B (k) ＝B (k-1) +μ (k) (X (k) -Z (k) ) (6)S3利用C-ADMMN求解结构化稀疏孔径ISAR成像问题：S3.1训练C-ADMMN网络：S3.1.1首先构建与实际应用场景相近的数据集，数据集中包含Q组稀疏孔径距离像数据Y q ，q＝1,2,...,Q；每一组稀疏孔径距离像数据对应一组标签图像数据 S3.1.2对网络参数进行初始化；S3.1.3针对已构建的数据集，定义如下均方根误差损失函数：其中， 表示初始化后的C-ADMMN网络利用Y q 进行成像得到的结果， 表示初始化后的网络参数集合；针对式(7)损失函数，应用复数域反向传播算法计算出损失函数关于网络中任意参数 的梯度 求解得到梯度后，采用梯度下降算法，利用式(8)进行参数更新：其中η表示学习率；参数 分别表示对 进行一次梯度下降后的参数值；经梯度下降后，可得到更新后网络参数集合 并进一步利用式(7)计算参数更新后的损失函数 反复利用式(7)、式(8)对参数进行迭代更新，当满足终止条件时，训练过程结束，设此时迭代步骤为J，得到最终网络参数值 S3.2应用训练后的C-ADMMN网络重构ISAR图像：获取实际观测稀疏孔径雷达回波，通过快时间FFT得到稀疏孔径一维距离像序列；利用互相关法对一维距离像序列进行平动粗补偿，得到粗补偿后的一维距离像矩阵；将粗补偿后的一维距离像矩阵输入训练后的C-ADMMN网络，C-ADMMN网络的输出即为待求解的ISAR图像。
2.一种根据权利要求1所述基于C-ADMMN的结构化稀疏孔径ISAR成像方法，其特征在于：S2.2中，令ε＝10 -6 。
3.一种根据权利要求1所述基于C-ADMMN的结构化稀疏孔径ISAR成像方法，其特征在于：S3.1.2中，将μ (k) 、λ (k) 、c (k) 、μ (K) 分别初始化为 其中
4.一种根据权利要求1所述基于C-ADMMN的结构化稀疏孔径ISAR成像方法，其特征在于：S3.1.3中，取η＝10 -3 。
5.一种根据权利要求1所述基于C-ADMMN的结构化稀疏孔径ISAR成像方法，其特征在于：S3.1.3中，迭代终止条件为 且 且 且
