多重测量矢量模型下的稀疏步进频率SAR成像算法

基于压缩感知(Compressed Sensing, CS)的合成孔径雷达(SAR)成像算法可以用低于Nyquist采样率的采样数据完成稀疏目标高分辨成像。然而已有的算法在重构1维距离像时采用的大都是单重测量矢量(Single Measurement Vectors, SMV)模型,存在着重构耗时长、受噪声干扰大的缺点。该文从压缩感知的多重测量矢量(Multiple Measurement Vectors, MMV)模型出发,利用多重测量矢量恢复具有相同稀疏结构的联合稀疏目标信号源,从理论与实验角度分析了基于MMV模型的SAR 1维距离像成像性能,提出了一种距离向基于MMV模型,方位向基于SMV模型的2维SAR成像算法。该算法从耗时上、重构精度上均优于SMV模型下的CS成像算法。通过对仿真数据和地基雷达实测数据的处理,验证了算法的有效性。     

并行机载双站斜视SAR ELBF-CS成像算法

论文建立了并行机载斜视双站SAR的结构模型和信号模型,用收发载机多普勒贡献比为加权系数推导了点目标回波的扩展Loffeld频谱公式(ELBF)。在二维频域内补偿双站扭曲项,然后对剩余相位项做Taylor展开,利用Chirp Scaling(CS)方法,推导了并行机载双站斜视SAR的ELBF-CS成像算法。双站结构参数及双站扭曲项的距离向空变性用回波数据的距离向分块处理,推导了数据分块条件,由此可以实现宽场景成像。算法基于更精确的ELBF,并用CS方法校正点目标距离徙动,处理流程更简单,成像效率更高,仿真验证了本文算法处理并行机载双站斜视SAR数据的有效性。     

压缩感知的多重测量向量模型与算法分析

压缩感知（Compressed Sensing:CS）现有算法大都从单重测量信号中恢复稀疏信号源,即为单测量向量（SMV）模型。而在实际应用中,存在大量的多重测量向量情形,从多重测量向量中恢复未知的具有相同稀疏结构的联合稀疏信号源的模型称为CS的多重测量向量（MMV）模型。本文首先对CS-SMV和CS-MMV模型的基本数学原理进行了详细介绍,讨论了两种情况下稀疏源信号恢复的存在性与唯一性,然后在此基础上重点对近年来出现的各种联合稀疏信号的恢复算法进行综述,分析了各种算法的性能,较全面的讨论了MMV模型的应用前景。最后对CS的MMV模型的发展趋势进行了总结和展望。      

机载下视圆周SAR三维BP成像

结合机载下视三维SAR和曲线合成孔径雷达(CSAR),提出了一种下视圆周SAR的三维成像结构。在此结构下推导回波信号模型,发现回波信号中切航向和沿航向存在二维耦合项,使得传统的RD算法、CS算法、距离徙动算法等受限。后向投影算法(BP算法)通过二维场景搜索,避免了回波模型中耦合项的影响。文中分析了圆周SAR三维BP成像的机理,并给出了整个成像过程的流程图。仿真结果表明,圆周SAR能够精确地还原场景目标的三维信息,从而验证了此种结构的可行性和理论分析的正确性。     

基于等效平行轨迹距离模型的双基CS成像算法

本文基于双基SAR等效平行轨迹距离模型及由该模型得到的二维波数域表达式,通过对此表达式的分析变换,将二维波数域表达式的相位表示为发收距离和与波数函数相乘的形式,基于此,结合单基SAR的CS成像算法思想,推导提出了基于平行轨迹距离模型的双基CS成像算法.本算法在距离多普勒域进行变标操作,将各距离单元的包络徙动校正得和参考距离单元一致,然后在二维波数域通过简单的相位相乘完成徙动校正,很好地解决了双基SAR的包络徙动及其空变问题,且避免了插值运算,与波数域算法相比,效率更高.最后采用该算法对仿真的点目标双基回波进行成像处理,结果与等效单基CS算法相比较,证明了本文算法的有效性和优越性.     

机载串行双站斜视合成孔径雷达ELBF-CS成像算法

在机载串行双站斜视合成孔径雷达模型基础上,用收发载机多普勒贡献比为加权系数推导了点目标回波的扩展Loffeld频谱公式（ELBF）。以场景中心点目标双站扭曲项近似场景中各点目标双站扭曲项,再对频谱公式中剩余相位项做Taylor展开推导距离变标因子,构建了基于ELBF的串行机载双站斜视SAR的chirp scaling (CS)成像算法。算法在二维频域内补偿双站扭曲项,利用CS方法校正点目标距离徙动得到成像结果。考虑到双站回波距离空变性的影响,分析了宽场景成像数据距离向分块的准则。算法基于更高精度的点目标二维频谱公式,用CS方法提高成像效率,成像处理过程更简捷高效,最后通过仿真验证了算法在处理串行机载双站斜视SAR数据的有效性。      

基于时域去走动的任意构型双站SAR成像算法

针对任意构型双站SAR大距离徙动的特点,提出了一种将时域去走动和CS算法相结合的成像算法。在分析机载双站合成孔径雷达(SAR)斜距模型的基础上,首先在时域校正距离走动,然后在频域校正距离弯曲,借助CS算法的思想完成目标成像。仿真实验验证了该算法的有效性。     

地球同步轨道SAR曲线轨迹模型下的改进CS成像算法

地球同步轨道合成孔径雷达(GEO SAR)轨道高度高,合成孔径时间长,直线轨迹模型不再适用,导致常规的基于直线轨迹模型的成像算法性能下降。该文根据GEO SAR平台的运动特性,使用高阶逼近建立了曲线轨迹模型下的斜距方程,并结合级数反演法,推导了GEO SAR回波信号2维频谱高阶近似表达式。然后在此基础上提出了一种适用于GEO SAR曲线轨迹模型的改进Chirp Scaling(CS)成像算法。仿真结果表明该算法的斜距方程精度较高,能够精确校正距离徙动,实现全孔径高分辨成像。     

基于切比雪夫多项式的新形式调频变标合成孔径雷达成像算法

该文提出一种基于切比雪夫(Chebyshev)多项式逼近的新形式的调频变标(Chirp Scaling, CS) SAR成像算法。该算法采用切比雪夫多项式逼近替代了原始CS算法中对回波信号2维频谱的泰勒(Taylor)级数展开近似,公式更加精确。然后利用光学系统抽象出的数学模型确定变标函数以校正距离徙动。并且该算法使由近似引入的误差有了上界限,改善了场景边缘点的聚焦效果,增加了场景的聚焦深度。仿真结果验证了该算法的有效性。     

基于两步方位重采样的中轨SAR聚焦方法

中轨轨道显著的弯曲特性导致中轨SAR信号存在2维空变,因此大场景成像对于中轨SAR仍然是个难题。该文使用参数2维空变的4阶多项式模型对信号进行建模。同时提出一种基于两步方位插值的信号方位空变校正方法,通过方位时域重采样可以校正参考距离上不同方位目标点的多普勒调频率的线性和2次空变,距离向利用CS/RMA算法即可校正场景中所有点目标的距离徙动,而第2步多普勒重采样则能够校正剩余的多普勒参数的空变特性,包括剩余的距离方位耦合空变,以及高阶多普勒参数空变。通过两步插值法能够完全校正整个场景目标信号的方位空变特性,使得传统频域成像算法可以应用于中轨SAR的大场景聚焦。最后通过所提方法与参考方法的仿真结果对比,验证了所提方法的有效性。     

基于线性Bregman迭代类的多量测向量ISAR成像算法研究

为实现目标回波数据稀疏时的快速稳健ISAR成像,该文在构建多量测向量ISAR回波模型的基础上,利用压缩感知(Compressive Sensing, CS)中的线性Bregman迭代理论,研究了基于线性Bregman迭代类的多量测向量快速ISAR成像算法。该类成像算法共包括4种算法,首先给出此类算法的整体迭代构架、应用条件以及4种方法之间的联系;其次对此类算法的重构性能、收敛性、抗噪性以及正则化参数选择等方面进行全面的比较分析;最后基于实测数据进行ISAR成像,实验结果表明,与传统单量测向量ISAR成像算法相比,该文算法在低信噪比条件下可在更短的成像时间内获得更高的成像质量。      

基于压缩感知的双基SAR二维高分辨成像算法

双基地合成孔径雷达(SAR)由于收发分置,具有广阔的应用前景,但常规的频域算法不仅面临距离史双根号问题,而且数据采集受Nyquist理论限制,数据量大。近年来提出的压缩感知(CS)理论指出,在一定条件下可以从很少的采样点中以很大的概率重建原始未知稀疏信号。本文将CS理论与双基地SAR模型相结合,提出一种基于CS的双基地SAR二维高分辨成像算法。该算法将二维随机降采样回波数据作为测量值,根据发射信号构造距离向测量矩阵,通过方位向多普勒相位因子构建方位向测量矩阵,利用CS恢复算法对目标进行了分维重建。仿真结果与性能分析表明,该算法在严重欠采样情况下仍能完好的重建原始目标,而且对噪声具有一定的鲁棒性和免疫性。与传统双基SAR成像算法相比,该算法具有更高的分辨率,成像结果峰值更加尖锐,峰值旁瓣比(PLSR)和积分旁瓣比(ILSR)都较低,而且采样率低、数据量少,具有一定的有效性和实用性。      

基于贝叶斯压缩感知的ISAR自聚焦成像

针对ISAR自聚焦成像,该文提出一种基于贝叶斯压缩感知的高分辨率成像算法。首先利用目标图像的稀疏特性构建级联形式的稀疏先验模型,同时将相位误差建模为均匀分布模型;然后基于最大后验准则,依据贝叶斯压缩感知理论交替迭代求解目标图像和相位误差。与传统稀疏方法相比,所提算法进一步利用了目标图像的联合稀疏信息,将ISAR CS成像转化为MMV联合稀疏优化问题的求解,可以有效改善自聚焦的精度以及成像质量。仿真结果验证了该算法的有效性。     

任意稀疏结构的多量测向量快速稀疏重构算法研究

目前的稀疏重构算法求解多量测向量时存在两个问题:一是计算复杂度高;二是不能实现任意稀疏结构的多量测向量重构.为此,本文提出一种多量测向量快速重构算法.该算法首先构建矩阵平滑零范数法,实现对具有任意稀疏结构的多量测向量的重构,并获得多量测向量的初始支撑集;其次根据稀疏度与量测维度的关系,对初始支撑集进行筛选获得预选支撑集;然后采用贝叶斯组检验方式得到信号重构所需的最终支撑集;最后通过最终支撑集实现信号的重构.该算法充分利用了矩阵平滑零范数法的高效性以及贝叶斯组检验对冗余支撑集的剔除功能,不但实现了稀疏位置随机变化的多量测向量的高效重构,而且保证了算法的精度,并对噪声具有一定的鲁棒性,基于实测数据的ISAR成像实验验证了所提算法的有效性.     

多重观测矢量模型下的微动目标特征提取

针对传统基于压缩感知(CS)理论的微动目标特征提取方法不适用于宽带雷达目标的情况,以线性调频信号体制雷达为例,通过分析微动目标回波的内在特性,构建了一种微动目标回波的多重观测矢量(MMV)模型。结合频率估计算法与正交匹配追踪(OMP)算法进行MMV模型的稀疏表达求解,从而获得微动目标的特征参数。仿真结果表明,与传统基于单重观测矢量(SMV)模型的微动特征提取方法相比,噪声环境下采用MMV模型进行微动特征提取具有更强的鲁棒性。     

基于压缩感知的下视三维SAR成像新方法

下视3维合成孔径雷达(Synthetic Aperture Radar, SAR)可对平台正下方目标进行3维重构,具有广阔的应用前景。为有效减少线阵天线所需阵元数,该文提出了一种基于稀疏阵列的下视3维SAR成像方法。为了抑制稀疏阵列导致的栅瓣效应,该方法结合压缩感知(Compressed Sensing, CS)理论,实现对下方3维目标的成像。分析了稀疏阵列配置对稀疏信号处理的影响以及3维成像采用稀疏信号处理的可行性。最后通过仿真实验验证了该文分析的正确性及算法的有效性。     

基于差值映射的压缩感知MUSIC算法

多快拍(MMV)问题旨在恢复具有相同稀疏结构的多列信号。在传统阵列信号处理中MMV问题的求解通常采用多重信号分类(MUSIC)等确定性方法实现,但当快拍数不足或存在相干源时该类方法失效;而在压缩感知(CS)的概率求解模型下,即使信源相干也能得到恢复结果,但现有算法普遍性能不足。近期Kim等人的研究表明,将CS与MUSIC相结合可得到比二者更加优秀的性能和更为宽泛的使用条件,该方法被称作压缩感知 MUSIC或CS-MUSIC算法。作为一种投影型非凸优化算法,差值映射(DM)最早用于解决X射线晶体学中的相位恢复问题,并逐渐在其他非凸及压缩感知问题的求解中展示出优良性能。该文提出一种基于差值映射的CS-MUSIC算法,仿真结果表明该算法在MMV问题求解中十分有效,相比经典CS-MUSIC具有更高的恢复成功率。     

低信噪比下双基地ISAR一维距离成像分辨率增强方法

针对双基地角使双基地ISAR(B-ISAR) 1维距离成像分辨率下降的问题,该文提出基于多量测向量(MMV)模型的复数近似消息传递(MCAMP)的B-ISAR 1维距离成像分辨率增强算法。首先,建立距离联合稀疏模型。然后,通过向量化处理将联合稀疏问题转换为块稀疏复数基追踪去噪问题,利用Kronecker积提出MCAMP算法进行求解,以得到不受双基地角影响的1维距离像。最后,通过快速傅里叶变换(FFT)代替矩阵与矩阵相乘进一步减少了计算复杂度,进而提高了算法的实现效率。仿真成像结果验证了所提方法在重构精度和重构时间方面的优势。     

基于稀疏贝叶斯学习的无源雷达高分辨成像

针对无源雷达压缩感知成像,该文提出一种基于稀疏贝叶斯学习的高分辨成像算法。基于一次快拍模式下的无源雷达回波模型,文中首先考虑目标散射系数的统计特性及其对微波频率的依赖关系,将无源雷达成像转化为MMV(Multiple Measurement Vector)联合稀疏优化问题;然后对目标建立了级联形式的稀疏先验模型,并利用稀疏贝叶斯学习技术进行求解。相比之前基于目标确定性假设的稀疏恢复方法,所提算法更好地利用了目标的统计先验信息,具有能够自适应调整参数(目标模型参数和未知噪声功率)和高分辨反演目标等优点。仿真结果验证了该算法的有效性。