主要针对于 ISAR 成像，如果需要 clean 用于频域滤波，杂波抑制的，请搜索我的其他代码。 具体步骤如下所示。 ISAR 成像过程实际上可描述为目标散射点的真实分布与点扩展函数的二 维卷积过程，而这个卷积过程则会产生很强的旁瓣，从而造成虚假的目标，再加 上目标回波中混有的噪声，都会严重降低成像的质量。CLEAN 算法是一个解卷 积过程，而且是一个滤波过程，在 CLEAN 算法中，第 n 次迭代的图像残差可以 写成 n n 1             2 residual D image 2 residual D image    式中： nA 是位于（ nx ， ny ）处最强幅度的点。式（20）表明第n次迭代的图 像残差等于第（n-1）次图像残差减去第（n-1）次图像残差中的最强点的点散射 函数。  A h x n , x y n    y  n CLEAN算法如下： （1）从原始回波中找到幅度最大的点，其幅度为 maxA ，对应的位置为 ,i x y ； （2）构建点散射函数为参考函数B（x，y），将参考函数中心移至  ,i x y 处， A max （3）从原始数据中减去上面计算得到的信号，重新生成图像残差； （4）回到步骤（1）重复以上操作。直到所有的点都找到或信号等于噪声水  ；  B x ,i x y  y    i i i 得到 平即停止迭代； （5）利用迭代过程中得到的幅度 maxA 和对应的位置信息 “干净”的图像。 ,i x y 即可构造出 i  以上处理过程即是CLEAN算法思想。利用信号模型中回波即可采用CLEAN 算法提取散射点位置和幅度信息。总结CLEAN算法的核心思想就是两步： 第一步，用参考函数B(x, y)对“脏”图做消卷积处理，得到一系列可能包含散 射点位置信息的新函数；第二步，对新函数进行卷积能得到“干净”的图。