高分辨ISAR成像新方法研究.pdf

1、逆合成孔徑雷達(Inverse Synthetic Aperture Radar, ISAR)具有全天時、全天候的特點,并且能夠在遠距離的情況下得到目標的ISAR圖像,對雷達獲取目標形狀信息具有重大意義,因此在軍事和民用中具有重大的應(yīng)用價值。隨著對ISAR的實時成像、超分辨、方位定標的不斷需求,ISAR成像技術(shù)的研究不斷深入。為了提高雷達的成像能力,更有利于后續(xù)基于ISAR圖像的目標識別工作的展開,本文對有限脈沖、快速、自適應(yīng)的ISAR

2、成像算法做了一些研究。本文的主要內(nèi)容概括如下:
　　(1)基于稀疏貝葉斯學(xué)習(xí)的超分辨ISAR成像技術(shù)
　　本文第三章首先介紹了剛體和微動目標ISAR成像模型,然后通過理論和公式的推導(dǎo),提出了基于稀疏貝葉斯學(xué)習(xí)的超分辨ISAR成像算法。針對快速成像和自適應(yīng)ISAR成像開展了以下研究工作:
　　?提出了一種基于稀疏貝葉斯學(xué)習(xí)(Sparse Bayesian Learning, SBL)ISAR超分辨成像算法。近年來,壓縮感

3、知已經(jīng)成功應(yīng)用到 ISAR成像中。由于壓縮感知方法將稀疏約束L0松弛到L1范數(shù),導(dǎo)致最終解的稀疏度下降。另外,正則化參數(shù)需要手動調(diào)節(jié),限制了其在實際ISAR成像的應(yīng)用。由于SBL算法采用獨立高斯分布,更能表征最終解的稀疏度。此外,利用該算法還可以通過置信最大化程序的得到相應(yīng)的參數(shù),不用人為干預(yù),提高了算法的實際應(yīng)用價值。飛機和艦船實測數(shù)據(jù)處理實驗驗證了基于稀疏貝葉斯學(xué)習(xí)ISAR超分辨成像算法的有效性。
　　?提出了一種基于多稀疏貝

4、葉斯學(xué)習(xí)的微動目標ISAR成像算法。首先對微動目標的回波信號模型進行分析,得到目標圖像具有不規(guī)則圖形(微動成份)和直線的規(guī)則圖形(主體成分)。由于主體部分具有散射點位置不變和幅度有起伏的特性,通過多稀疏貝葉斯學(xué)習(xí)(Mutiple Sparse Bayesian learning, MSBL)得到目標主體成分圖像。進而通過減去主體的 ISAR圖像得到微動成分的圖像。最終得到清晰的主體ISAR圖像和微動參數(shù)。仿真和實測數(shù)據(jù)處理驗證了該算法的

5、有效性。
　　(2)基于置信框架的自適應(yīng)ISAR超分辨成像算法
　　?本文第四章提出了一種基于置信框架(Evidence Framework)的自適應(yīng) ISAR超分辨成像算法。在壓縮感知ISAR成像模型基礎(chǔ)上,通過對稀疏約束L1范數(shù)的近似,利用置信框架推導(dǎo)得到相應(yīng)參數(shù)的近似閉式解。本算法在稀疏編碼和參數(shù)求解交替迭代,直到算法收斂到指定的步數(shù),提高了ISAR成像算法的自適應(yīng)性。仿真和實測數(shù)據(jù)處理驗證了該算法的有效性。
　

6、　(3)基于自適應(yīng)字典的壓縮感知的ISAR超分辨成像及定標一體化技術(shù)
　　本文第五章主要針對 ISAR圖像的方位定標進行了研究。首先建立了調(diào)頻率-壓縮感知的超分辨ISAR成像模型,通過構(gòu)造自適應(yīng)字典得到目標代價函數(shù)。由于此信號模型多了一個調(diào)頻率的干擾矩陣,原壓縮感知重構(gòu)方法不再適用。通過理論推導(dǎo)和實驗驗證,得出在一定條件下可以通過交替迭代算法高概率的恢復(fù)出稀疏的目標信號。迭代算法分為兩步:1)固定調(diào)頻率的值,通過稀疏重構(gòu)算法得到目

7、標的超分辨ISAR圖像;2)固定超分辨ISAR圖像,通過梯度算法得到調(diào)頻率的值。最后,利用得到的調(diào)頻率的值,對目標的旋轉(zhuǎn)速度進行最小二乘估計,利用得到的目標的轉(zhuǎn)速值對超分辨 ISAR圖像進行方位定標,最終得到目標的距離-方位距離超分辨ISAR圖像。實測數(shù)據(jù)驗證了該算法的有效性。
　　(4)一種勻加速空間目標一維距離像補償算法
　　本文第六章從寬帶線性調(diào)頻雷達信號目標回波的模型出發(fā),分析了處于勻加速狀態(tài)的空間目標回波的特性,得