基于随机调频步进信号的高分辨ISAR成像方法

为充分利用随机调频步进逆合成孔径雷达回波所具有的联合稀疏特征,提高成像性能,该文提出一种基于分布式压缩感知理论的随机调频步进逆合成孔径雷达高分辨成像方法。首先构建随机调频步进信号回波的联合稀疏表示模型,并完成子脉冲的脉冲压缩处理;其次,基于每组子脉冲的随机方式(组与组之间的随机方式不同),构建相应的随机量测矩阵,获取回波的压缩感知信号模型,并利用分布式压缩感知理论实现距离向联合高分辨重构;最后结合回波在方位向的稀疏性,采用快速稀疏重构算法实现方位向高分辨成像。理论分析和仿真结果表明由于充分利用了随机调频步进信号回波的随机性与联合稀疏特征,所提出方法具有重构精度高、距离向采样率低、抗噪性能强等特点。     

利用二维结构稀疏信息的调频步进ISAR高分辨成像新方法

针对已有利用压缩感知理论进行逆合成孔径（Inverse Synthetic Aperture Radar,ISAR）成像方法在低信噪比、欠采样率条件下性能下降严重等问题,依托调频步进波形独有特征并充分利用目标分布的二维结构稀疏信息,提出一种"先方位聚焦后距离分辨"的调频步进ISAR高分辨成像新方法.首先,对回波进行子脉冲脉压,在分析调频步进ISAR回波方位向特有的结构稀疏特征基础上,构建方位向的分布式压缩感知稀疏重构模型;其次,采用分布式压缩感知算法对该模型重构,从而获得低信噪比条件下的方位高分辨成像;最后,利用距离维的回波特征构建任意稀疏重构模型,实现距离向快速成像.由于该方法先进行方位聚焦,再进行距离分辨,并充分利用了目标的结构稀疏性,因此不仅具有抗噪性能强、重构精度高以及采样率低等特点,且避免了越距离单元走动对方位聚焦的影响.仿真与实测数据实验验证了本文方法的有效性.     

频率步进信号的合成孔径雷达处理

合成孔径雷达借助综合孔径原理来提高方位分辨率,而距离分辨率的提高则需借助于脉冲压缩技术.频率步进波形是通过发射载频步进变化的子脉冲串来合成大带宽信号,从而获得高距离分辨率.若将频率步进波形应用于合成孔径雷达,则可获得距离和方位的二维高分辨率.本文首先分析了径向速度对频率步进雷达一维距离像的影响,然后建立频率步进信号照射下的合成孔径雷达回波模型,提出频率步进波形设计原则,给出频率步进合成孔径雷达的成像步骤.     

调频步进雷达高速运动目标距离像合成方法研究

调频步进信号具有作用距离远、硬件实现简单的特点,在现代雷达目标识别中具有明显优势。该文推导了调频步进信号合成距离像的原理,分析了目标运动对合成距离像的影响。为了克服调频步进信号回波对目标运动敏感的缺陷,提出一种脉冲重复时间可变的调频步进信号,通过对脉冲重复时间预先设计来消除目标速度与频率的耦合效应,并通过回波对消技术消除目标加速度对合成距离像的影响,给出了该算法对脉冲重复时间的精度要求。仿真结果证明了算法的有效性。     

强地杂波下基于压缩感知的稀疏子脉冲高分辨雷达成像方法

针对稀疏雷达孔径数据处理与成像问题,本文提出了一种强地杂波背景下基于压缩感知（CS）的线性调频步进信号（SFCS）稀疏子脉冲高分辨雷达成像方法。在对稀疏回波数据解线调时,采用填零一次相消技术剔除地杂波,对粗分辨距离像序列二次采样后获得高信杂比的目标高分辨回波信号;再利用该信号的频域稀疏特性,结合各脉冲簇中随机丢失不同子脉冲的情况,构造相应的部分傅里叶基矩阵实现雷达数据的稀疏化表征,然后利用正交匹配追踪（OMP）算法对目标高分辨距离像（HRRP）进行重构处理,实现对目标的高分辨成像。仿真结果验证了本文方法的有效性。      

随机线性调频步进雷达波形设计及成像算法研究

线性调频步进信号能在不增加系统瞬时带宽的情况下用数字信号处理的方法获得高的距离像分辨率,是一种高效的雷达信号形式。针对传统的线性调频步进信号抗干扰能力较差的问题,该文提出一种可以随机发射线性调频步进信号子脉冲的波形设计方法,结合压缩感知理论,运用较少的子脉冲实现了对运动目标1维距离像的重构和高分辨的2维成像。在此基础上,进一步分析了目标运动对随机线性调频步进信号雷达成像的影响,设计了包含测速脉冲的随机线性调频步进信号,并提出了基于时频分析、Radon变换和二值数学形态学相结合的运动速度估计及补偿方法。仿真实验验证了随机线性调频步进信号逆合成孔径雷达的性能及该文方法的有效性。     

步进频雷达的目标回波建模方法与仿真

本文以调频步进雷达导引头为研究对象,分析了脉内线性调频/脉间步进调频体制雷达的信号模型,利用模糊函数分析并验证了该信号的距离维和速度维的分辨能力,并对目标回波进行建模,分析了点目标的回波模型与一维距离像合成原理,针对步进频雷达特点,根据多散射中心理论建立了基于冲激响应函数法的扩展目标合成的数学模型.通过理论分析与仿真结...     

线性调频步进信号的高速目标运动补偿技术

首先,对高速运动目标的线性调频步进回波信号建立了模型,该模型不仅考虑了目标运动造成的线性调频步进回波子脉冲信号相位变化,以及复包络时间比例发生的变化,还考虑了目标的径向运动导致子脉冲线性调频信号调频斜率的变化.然后,基于该回波模型提出了线性调频步进信号频域合成运动补偿算法,对运动目标回波信号进行精确的运动补偿.仿真结果表明,频域合成后得到的高分辨距离像副瓣电平＜-40 dB,基本消除了目标高速运动对信号合成处理结果的影响.     

SAR图像边缘混叠现象研究

针对SAR图像边缘混叠现象,本文从SAR数据接收机理及数据处理方式上分析了这种混叠现象的起因。分析发现,这种混叠现象与SAR接收数据信号特性及线性调频信号匹配压缩特性有关。与截短的线性调频信号的匹配压缩结果相似,SAR实际数据方位向、距离向起始位置和结束位置附近的目标回波数据被截断,因此对任意一部以线性调频信号为发射信号的SAR系统,其所得成像处理结果总会出现图像边缘混叠现象,且混叠区域大小正好为方位向和距离向上的半个脉冲持续时间的采样点。RADARSAT-1数据及线性调频信号的处理结果验证了上述结论的正确性。最后,本文给出选择无混叠SAR图像的两种方法。      

基于联合块稀疏模型的随机调频步进ISAR成像方法

在回波数据稀疏、低信噪比等不利条件下,利用随机调频步进信号进行ISAR成像时,成像性能将会严重下降。针对上述问题,该文在充分分析随机调频步进信号回波特性的基础上,提出利用目标距离向具有的联合块稀疏特征来获得高质量ISAR图像的新方法。首先,推导了在随机调频步进信号发射波形条件下目标回波信号的联合块稀疏成像模型并分析了该模型特征;其次,提出了联合块稀疏正交匹配追踪稀疏重构算法(JBOMP)实现对模型的求解。该算法利用ISAR回波信号具有的块稀疏以及联合稀疏等先验信息,因此在低量测值、低信噪比条件下的ISAR成像性能得到了增强。所提算法还可以实现对多维信号的联合处理,且具有较快的运算速度。理论分析与仿真实验均验证了所提方法的有效性。     

Joint FrFT‐FFT basis compressed sensing and adaptive iterative optimization for countering suppressive jamming

Accurate suppressive jamming is a prominent problem faced by radar equipment. It is difficult to solve signal detection problems for extremely low signal to noise ratios using traditional signal processing methods. In this study, a joint sensing dictionary based compressed sensing and adaptive iterative optimization algorithm is proposed to counter suppressive jamming in information domain. Prior information of the linear frequency modulation (LFM) and suppressive jamming signals are fully used by constructing a joint sensing dictionary. The jamming sensing dictionary is further adaptively optimized to perfectly match actual jamming signals. Finally, through the precise reconstruction of the jamming signal, high detection precision of the original LFM signal is realized. The construction of sensing dictionary adopts the Pei type fast fractional Fourier decomposition method, which serves as an efficient basis for the LFM signal. The proposed adaptive iterative optimization algorithm can solve grid mismatch problems brought on by undetermined signals and quickly achieve higher detection precision. The simulation results clearly show the effectiveness of the method.     

基于变分模态分解和压缩感知的弱观测条件下雷达信号重构方法

针对弱观测条件下雷达信号存在数据残损的问题,该文提出一种基于变分模态分解和压缩感知(VMD-CS)的雷达信号重构方法。首先通过变分模态分解对采样数据进行降解去噪处理,其次在压缩感知框架下构造观测矩阵、稀疏表示字典矩阵,然后基于正交追踪匹配(OMP)算法重构出稀疏表示向量。在此基础上利用离散余弦稀疏矩阵重构信号,实现对残损雷达信号的数据重构。在连续丢失数据和随机丢失数据两种情况下,对实际采集的线性调频(LFM)雷达信号进行仿真实验。实验结果表明:在数据连续丢失率不高于30%或随机丢失率不高于60%的情况下,该文方法能有效重构雷达信号,在时域、频域和瞬时频率上能够准确逼近原始信号。     

基于分圆类构造卷积压缩感知测量矩阵

卷积压缩感知是近年来兴起的新型压缩感知技术。卷积压缩感知选用循环矩阵作为测量矩阵,其采样可以简化为卷积的过程,因此大大降低算法复杂度。该文基于分圆类构造适用于卷积压缩感知的测量矩阵,测量值通过利用确定性序列循环卷积信号,然后进行随机2次采样获得。该文构造的测量矩阵的相关性小于已有文献构造的测量矩阵的相关性。模拟仿真结果表明,该文构造的测量矩阵与同等条件下的随机高斯矩阵相比,可以更好地恢复稀疏信号;所构造的矩阵还可以应用于信道估计以及2维图像的重构。     

基于特征分解功率谱估计的距离成像算法

线性调频(LFM)信号是高分辨率雷达的主要信号形式之一,通过分析LFM雷达信号实现距离高分辨率成像的原理,针对杂波和噪声对雷达回波信号的影响,提出了利用基于特征分解功率谱估计的方法进行频率估计,从而实现LFM雷达信号的距离成像的算法。仿真结果表明,该方法对低信噪比情况下的目标距离一维成像是有效的。     

基于压缩感知的多光谱图像去马赛克算法

针对目前多光谱图像去马赛克算法存在计算量大、效率低的缺点,本文提出一种基于压缩感知的多光谱图像去马赛克算法。首先,分析去马赛克与压缩感知问题的等价性,建立基于压缩感知的去马赛克模型;然后,采用离散余弦变换构建压缩感知的稀疏基,将去马赛克问题转化为压缩感知的信号重构问题;最后,采用改进的光滑0范数和修正牛顿法的重构算法求解去马赛克问题,得到重构的多光谱图像。仿真实验表明,相对于基于克罗内克压缩感知和组稀疏两种算法,本文算法提高了重构的多光谱图像的峰值信噪比,能有效减少对比算法重构多光谱图像中出现的锯齿现象,改善了重构图像具有更好的视觉效果。实验结果验证了本文算法的有效性。     

基于块稀疏度与自适应迭代的压缩感知方法

针对分块压缩感知算法在平滑块效应时损失了大量的细节纹理信息,从而影响图像的重构效果问题,提出了一种基于块稀疏信号的压缩感知重构算法。该算法先采用块稀疏度估计对信号的稀疏性做初步估计,通过对块稀疏度进行估算初始化阶段长,运用块矩阵与残差信号最匹配原则来选取支撑块,再运用自适应迭代计算实现对块稀疏信号的重构,较好地解决了浪费存储资源和计算量大的问题。实验结果表明,相比常用压缩感知方法,所提算法能明显减少运算时间,且能有效提高图像重构效果。     

基于压缩感知的BOTDA性能增强方法

为了提高布里渊光时域分析系统(BOTDA)在长距离监测应用中的实时性,提出了一种基于压缩感知的布里渊光时域系统实时性增强方法。该方法包含稀疏表示、随机采样和信号重构三个部分。首先采用K-均值奇异值分解算法获得布里渊增益谱的稀疏表示,然后通过高斯随机采样和正交匹配追踪算法进行布里渊增益谱重构。为了验证所提方法的性能,仿真生成了不同信噪比水平的布里渊增益谱,搭建了45 km的布里渊光时域系统进行温度传感实验。仿真和实验结果表明:在累加平均次数为100时,所提算法将信噪比提升了6.37 dB,优于累加平均次数3000时的10.13 dB,对应测量时间减少了1/30;采用8 MHz步长数据重构布里渊增益谱,该方法的重构结果与4 MHz步长数据的相关系数为0.9992,对应扫频时间减少了一半。所提算法在保证测量精度的同时提升了测量实时性。     

一种基于OFDM-LFM信号的PD雷达解模糊方法

为了解决线性调频脉冲多普勒雷达的距离模糊和速度模糊问题,采用了高脉冲重复频率的方式发射正交频分线性调频脉冲信号,并给出了一种用于解模糊的回波数据重排方案。这种重排方式可以解决最大无模糊距离和最大无模糊速度之间的矛盾,对重排后得到的数据矩阵进行脉冲压缩、动目标检测,最终得到的峰值可无模糊地体现目标的距离和速度。仿真结果证明了所提方法的有效性和可行性。     

基于原子范数最小化的步进频率ISAR一维高分辨距离成像方法

针对传统离散化压缩感知方法在网格失配条件下步进频率(SF)?ISAR?1维距离成像估计性能下降的问题,该文提出一种基于原子范数最小化(ANM)的高分辨距离成像方法.首先,构建基于原子范数的无网格SF?IS-AR距离向稀疏表示模型,将1维距离成像问题转化为原子系数以及频率估计问题.然后,利用原子范数半正定性质,将原子范数最小化问题转化为半正定规划问题,并基于交替方向乘子法实现快速求解.最后,利用Vander-monde分解得到最终的1维高分辨距离成像结果.由于避免了网格离散化处理,因此可以实现网格失配、低量测值条件下的高分辨距离成像,且保持了高的距离分辨能力.理论分析与仿真实验验证了所提方法的有效性.