稀疏孔径下的运动补偿及快速超分辨成像方法

针对稀疏孔径条件下目标运动补偿难和方位稀疏成像算法效率低、分辨率差等问题,本文提出了一种稀疏孔径下的运动补偿和快速超分辨成像方法.首先,通过将运动补偿问题转换为距离频域内的多参数估计问题,基于黄金分割法实现参数的快速估计后同时实现包络对齐和相位校正,从而完成运动补偿;其次,针对补偿后不同距离单元ISAR回波的特征,为实现快速的方位成像,本文提出矩阵形式的Nesterov线性Bregman迭代算法（Matrix form of Nesterov Linearized Bregman Iteration,MNLBI）算法,分析了该算法的基本迭代格式,讨论了加快收敛的原因,并详细分析了该算法的运算量,仿真与实测数据结果验证了本文方法的有效性.     

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。     

利用线性Bregman迭代的ISAR高分辨成像

为获得ISAR方位向高分辨成像性能,基于压缩感知理论,提出了一种具有方位向高分辨能力的算法。该算法基于线性Bregman迭代(LBI)实现ISAR方位向高分辨。首先将重构精度高的LBI推广到复数域;然后进行了算法的理论分析,与正交匹配追踪算法对比分析了LBI算法的有效性以及稀疏度和采样率对重构精度的影响,仿真结果表明推广到复数域后的LBI能够有效实现复数稀疏信号的重构,验证了算法的优越性;最后将算法运用于ISAR方位向成像。仿真结果验证了LBI算法可明显提高ISAR方位向分辨率。     

欠采样下宽带自旋目标的快速高分辨成像方法

逆合成孔径雷达(ISAR)观测自旋目标时,自旋目标回波的距离-多普勒时变性会导致传统成像方法失效。针对此问题,该文提出一种基于分布式匹配稀疏表示模型的宽带自旋目标快速高分辨成像方法。首先,通过自旋目标回波在距离频域表征出的稀疏性,构建分布式匹配稀疏表示模型;其次,研究快速分布式同步多正交匹配追踪算法,并通过减少算法总的迭代次数和每次迭代运算量来提高算法的重构效率,同时设计相关阈值抑制虚假重构散射点,实现鲁棒成像;最后,从理论上分析该方法在欠采样及低信噪比条件下依然可获得高质量图像的机理。仿真结果证明了该方法的有效性。     

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.     

基于块稀疏的空间碎片群目标成像方法

针对星载雷达空间碎片群目标回波无法分离问题,该文利用回波在距离向表现出的块聚集特性,提出一种基于块稀疏的高分辨ISAR成像方法。基于块稀疏压缩感知理论,通过利用空间碎片群目标特性,抽取出各个碎片的高分辨1维距离像数据,并结合平动补偿和距离多普勒(RD)算法得到各碎片的ISAR像。在小样本条件下,该方法能够有效实现空间碎片的数据分离和高分辨ISAR成像。仿真实验表明,该方法的重构精度以及运算速度均优于非结构类的稀疏ISAR成像方法。     

低信噪比下二维联合快速超分辨B-ISAR成像方法

双基地ISAR成像分辨率受限于信号带宽和方位积累时间,且成像质量受噪声影响严重.本文在充分考虑回波的二维联合稀疏特征基础上,提出二维联合字典下的矩阵复数近似消息传递超分辨快速成像算法.在构建双基地ISAR的二维联合超分辨成像模型基础上,首先通过向量化处理,将二维超分辨成像问题转换为复数基追踪去噪问题;其次通过两种策略实现复数基追踪去噪问题的快速求解,一是利用向量化与Kronecker积的关系,推导出矩阵形式复数近似消息传递算法,从而避免向量化处理带来的大矩阵运算量和大存储量问题;二是为进一步减少单次迭代的运算量,将矩阵乘法等效为二维快速傅里叶变换.最后,利用本文算法在迭代过程中对噪声阈值不断精确逼近,提高算法在低信噪比下的成像能力.仿真数据成像结果验证了本文算法的有效性.     

压缩感知ISAR成像的全变差优化最小算法

对于逆合成孔径雷达(ISAR)目标成像,从少量压缩测量回波数据重建高分辨率运动目标是不适定问题,且观测噪声也会影响重建结果。在频率步进连续波 ISAR系统回波观测模型基础上,结合压缩感知原理,给出了一种基于全变差正则化的 ISAR压缩感知成像模型,通过将该优化模型转化为一系列简单代理函数进行求解,提出了一种快速优化最小算法。最后在不同回波信噪比条件下进行仿真验证。实验结果表明,当回波信噪比大于10 dB 时,本文方法明显优于距离-多普勒算法和基于L1范数的压缩感知成像方法。     

基于快速SBL的双基地ISAR成像

针对稀疏孔径条件下双基地ISAR成像分辨率低、运算时间长等问题,提出了一种基于快速稀疏贝叶斯学习的高分辨成像算法。首先,建立基于压缩感知的双基地ISAR稀疏孔径回波模型,然后将整个二维回波数据进行分块处理,并假设目标图像各像元服从高斯先验,建立稀疏贝叶斯模型,再利用快速边缘似然函数最大化方法求解得到高质量目标图像,最后将所求的每块回波对应的目标图像合成整个二维图像。由于采取了分块处理,在每块图像重构时减少了数据存储量和计算量。另外,相比于传统的稀疏贝叶斯学习求解方法,本文所提快速算法在保证重构质量的同时进一步缩短了运算时间,仿真实验验证了算法的有效性和优越性。     

基于改进型快速双线性参数估计的复杂运动目标ISAR成像

针对复杂运动目标的逆合成孔径雷达(ISAR)成像中多普勒扩散导致的成像质量下降,该文在建立方位回波信号为立方相位信号(CPS)的基础上,提出一种基于改进型快速双线性参数估计的复杂运动目标ISAR成像方法。该方法通过利用双线性立方相位函数,非均匀快速傅里叶变换(NUFFT),基于Chirp-z的尺度变换以及快速傅里叶变换(FFT)等操作,能够快速实现CPS参数估计和复杂运动目标的ISAR成像。由于实现过程均采用NUFFT和FFT快速实现,该方法计算量小,并且双线性操作可以保证其具有较好的抗噪声性能和交叉项抑制性能。理论分析和仿真结果验证了该ISAR成像算法的有效性。     

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。     

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。     

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。     

基于GRECO的复杂目标ISAR图像仿真

提出一种与图形电磁计算方法相结合的1SAR图像实时仿真方法.利用图形电磁计算(GRECO)方法得到运动目标的电磁散射数据,通过发射线性调频信号得到运动目标的雷达回波,并对仿真回波进行ISAR成像处理.与传统采用点目标仿真不同,该文是对实际三维目标直接仿真成像,更加接近实际,更加适合应用与成像效果分析、算法改进和抗干扰方面的研究.对于目标表面散射场的分析,是基于高频预估理论:采用物理光学(PO)法与物理绕射理论(PTD)来进行计算.从对复杂目标的仿真结果来看,该方法是准确有效且具有实时性的.     

基于改进多重测量向量模型的SAR成像算法

近年来,基于压缩感知(Compressed Sensing, CS)理论的稀疏场景SAR成像成为研究热点。在CS理论中,对于具有相同稀疏结构的联合稀疏目标信号源,多重测量向量(Multiple Measurement Vectors, MMV)模型可以获得优于单重测量矢量(Single Measurement Vector, SMV)模型的重构性能。然而,在距离徙动(Range Migration)不可忽略的应用场景,SAR各脉冲回波1维距离像具有不完全相同的稀疏结构,这使得无法在SAR应用中直接引入MMV模型。该文针对MMV模型与SAR距离徙动的矛盾,提出一种改进的MMV模型。在该模型下,各方位向位置对应的1维距离像的稀疏结构不要求完全相同,而是符合距离徙动特性。论文所提出的RM-OMP算法根据符合距离徙动特性的稀疏结构搜索稀疏信号支撑集,可以准确地重建稀疏信号源。论文采用仿真数据和实测数据实验验证了所提模型和算法的有效性。     

压缩感知机动目标ISAR成像新方法

基于Fourier基的压缩感知（Compressed Sensing,CS）算法已被成功应用于平稳运动目标的逆合成孔径雷达（Inversed Synthetic Aperture Radar,ISAR）成像。但由于建模时对ISAR回波方位相位高次项的忽略,Fourier基矩阵对机动目标回波数据方位信息的稀疏表示失效,导致对机动目标的成像在方位向模糊。鉴于时频分析技术良好的时频局部化特性,将其引入到雷达回波方位向分析中,以改进用于表示雷达回波数据的稀疏基,实现对选定时间切片内回波数据多普勒频率的稀疏表示。改进后的基矩阵在通过CS技术解析回波在时间切片内方位信息的同时,又保证了利用有限数据成像的分辨率。与基于Fourier基CS成像等现有方法相比较,新方法在方位向的成像质量上有较大改进。仿真实验验证了算法的有效性。     

基于压缩感知的二维联合超分辨ISAR成像算法

在ISAR成像中,距离和方位分辨率分别受发射信号带宽和成像积累角的限制。基于压缩感知(CS)理论,该文提出了一种2维联合超分辨ISAR成像算法。首先建立ISAR观测信号模型并构造2维超分辨字典,然后利用ISAR图像的稀疏先验信息将2维联合超分辨成像建模为最小l1范数的优化问题,最后提出一种快速算法求解该优化问题。该方法进行距离维和方位维的联合处理,有效利用了回波数据的2维耦合信息;通过共轭梯度(CG)运算,快速傅里叶变换(FFT),Hadamard乘积等操作,有效提高了算法的实现效率。仿真和实测实验验证了该算法的有效性。     

基于MIMO的ISAR成像算法研究

基于RD算法的ISAR成像在实际应用中由于很多复杂的因素导致可利用的成像积累时间短,有可能达不到所要求的方位向分辨率。在此研究了几种不同情况下,结合MIMO技术对同一目标ISAR成像的算法。它采用多个收发雷达对同一目标发射一组射频信号,通过对接收到的回波信号进行匹配滤波实现距离像压缩,将不同雷达接收到的距离像进行选取、插值、组合,最后对组合后数据进行方位向多普勒分辨成像。理论推导以及仿真实验结果证明,该方法在不同情况下都可以在达到方位向分辨率的前提下,缩短成像所需时间,或者在确保成像时间的前提下,提高成像的分辨率。这样缩短成像时间的方法扩大了ISAR成像的应用范围,提高了ISAR成像效果。