改进的双站SAR线性调频尺度成像算法

双站合成孔径雷达（SAR）具有隐蔽性和反侦察等优点,但对于双站SAR方位向移变结构的成像研究较少。本文提出了一种基于双站平飞移变模式下改进的双站SAR线性调频尺度成像算法（CS）。该CS算法利用了一种将双站回波等效为单站回波处理的简化方法,引入了收发双站速度比因子,可在双站速度比值不超过1．5的情况下较好地成像,并通过仿真和对实际数据的处理验证了算法的有效性。     

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。      

High resolution 3D imaging in MIMO radar with sparse array

High resolution three-dimensional (3D) imaging method using MIMO radar with sparse array is studied in this paper. A method based on compressive sensing (CS) is firstly given. However, the CS-based method has the off-grid problem which will reduce the estimation accuracy of scatterers’ position on the target. Moreover, a high dimensional measurement matrix is required in the CS-based method, which will lead to a heavy storage and computation burden. To solve the two problems of CS, a new method based on matrix completion is proposed in this paper. After reshaping the sparse 3D echo into a low-rank structured matrix, the full 3D echo can be recovered by solving a nuclear norm minimization problem. Then the accurate position of scatterers can be estimated by applying multi-dimensional harmonic retrieval methods to the full 3D echo. Finally, the high resolution 3D image of targets is reconstructed. The effectiveness of the method is validated by the results of comparative simulations.     

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。      

基于压缩感知的认知雷达多目标跟踪方法

该文提出了一种基于压缩感知的认知雷达跟踪方法,该方法将压缩感知理论引入到认知雷达跟踪的问题中。通过对回波信号的稀疏表示,完成稀疏变换矩阵和观测矩阵的设计,实现了降采样条件下量测信号的重构。在系统的接收端,考虑到传统的粒子滤波容易陷入局部最优,对粒子数目要求大等问题,采用了粒子群优化的粒子滤波来对目标状态进行实时估计。在系统的发射端,采用优化后验克拉美罗界(Posterior Cramr-Rao Bounds, PCRB)设计了雷达发射波形参数,降低了对目标跟踪精度的PCRB。仿真表明,相比于传统跟踪方法,该文所提跟踪方法不仅有效地减少了雷达的数据量,而且较大地提高了目标的跟踪性能。      

联合时频分布和压缩感知对抗频谱弥散干扰

频谱弥散(SMSP)干扰是一种专门对抗线性调频脉冲雷达的有源欺骗干扰。针对SMSP干扰的抑制问题,该文根据该干扰的时频分布特性,提出一种联合时频分布和压缩感知的干扰抑制算法。该方法通过在时频域丢弃SMSP干扰信号,保留属于目标信号的时频点,并根据保留的时频点与雷达回波频谱间的线性关系,建立压缩感知最小问题求解模型并利用正交匹配追踪方法重构目标信号,实现对SMSP干扰的抑制。Monte Carlo仿真结果验证了该方法的有效性。     

一种基于Legendre展开的CS成像算法

针对SAR的侧视工作模式,本文提出了一种基于Legendre展开的CS成像算法。该算法采用Legendre多项式代替Taylor多项式对回波信号的二维频域传递函数进行展开,在此基础上,导出了Legendre多项式系数的数学表达式,并详细推导了CS算法流程中基于Legendre多项式的三个相位校正函数。理论推导和仿真结果验证了该算法的正确性和可行性。     

基于压缩感知的二维雷达成像算法

压缩感知理论能够有效地降低高分辨率雷达成像系统的数据率。该文通过对复基带雷达回波信号模型的稀疏性分析,提出了一种具有保相性的压缩感知距离压缩算法。在此基础上建立了距离向采用压缩感知距离压缩算法,方位向采用传统的雷达成像算法处理的雷达2维成像方案。通过对仿真和实测逆合成孔径雷达数据的成像处理验证了方案的有效性。     

基于压缩感知的CFAR目标检测在机会雷达中的应用

提出一种基于压缩感知(CS)技术在机会雷达系统中进行恒虚警率(CFAR)目标检测的算法,根据目标回波在距离单元上的稀疏性,采用压缩感知技术对目标回波进行压缩采样;设计了一种新的建立在压缩域上的CA-CFAR检测器,它能在不恢复原始信号的条件下,快速完成目标回波的检测;进行了检测门限理论分析,设计出一种适用于压缩域检测的门限选定方法;给出系统检测结果与接收机的性能曲线。仿真结果表明,本算法可以实现低信噪比下雷达信号的直接检测,无需信号重构,节省了运算量。     

UWB Echo Signal Detection With Ultra-Low Rate Sampling Based on Compressed Sensing

A major challenge in ultra-wide-band (UWB) signal processing is the requirement for very high sampling rate. The recently emerging compressed sensing (CS) theory makes processing UWB signal at a low sampling rate possible if the signal has a sparse representation in a certain space. Based on the CS theory, a system for sampling UWB echo signal at a rate much lower than Nyquist rate and performing signal detection is proposed in this paper. First, an approach of constructing basis functions according to matching rules is proposed to achieve sparse signal representation because the sparse representation of signal is the most important precondition for the use of CS theory. Second, based on the matching basis functions and using analog-to-information converter, a UWB signal detection system is designed in the framework of the CS theory. With this system, a UWB signal, such as a linear frequency-modulated signal in radar system, can be sampled at about 10% of Nyquist rate, but still can be reconstructed and detected with overwhelming probability. The simulation results show that the proposed method is effective for sampling and detecting UWB signal directly even without a very high-frequency analog-to-digital converter.     

基于压缩感知的单比特合成孔径雷达成像算法*

在合成孔径雷达系统中,要提高分辨率就意味着产生大量的回波数据,从而加重了数模转换器和存 储设备的负担。压缩感知理论的目的是在保证恢复稀疏信号的前提下降低采样率,而本文的目的是降低总的比特 率。本文提出了一种基于压缩感知的单比特合成孔径雷达成像算法,并通过仿真实验验证了该算法的性能。与匹 配滤波算法相比,该算法不仅能减少数据的总比特率,而且还能有效抑制目标的旁瓣和虚假目标。并且在低信噪比 条件下,该算法比传统的多比特压缩感知算法展现出更强的鲁棒性。     

基于改进正交匹配追踪算法的压缩感知雷达成像方法

运算复杂度高是基于压缩感知(CS)的雷达成像方法走向实用亟待克服的难题。该文利用雷达目标散射率分布的稀疏性,研究了基于改进正交匹配追踪(OMP)算法的2维联合压缩成像方法。首先建立了步进频雷达回波的稀疏表示模型,根据稀疏字典和压缩测量的2维可分离特性,提出一种改进的OMP算法用于雷达图像形成,大大提高了计算效率,并很容易扩展到其他贪婪类算法中。从理论上对几种CS成像算法的性能及资源需求进行了分析比较,表明所提供的算法相比常规的CS算法在存储量和计算量上均具有显著的优势,仿真及暗室数据实验验证了所提成像算法的有效性。     

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。      

基于随机滤波的探地雷达成像方法

探地雷达是一种超宽带雷达系统,若按传统的奈奎斯特采样,雷达回波信号需要大量空间存储。压缩感知可以实现利用少量的测量值对稀疏信号进行重构,其中最为关键的是测量矩阵和重构算法的选择。本文将压缩感知应用于探地雷达成像,并利用随机滤波的思想选择测量矩阵,可以有效减少测量矩阵中非零值的个数。利用正交匹配追踪算法对信号进行重构,算法简单,降低了数据的存储量和运算复杂度,该算法同样可以对时间和空间上同时压缩的数据进行成像。最后,本文给出基于时间连续信号的GPR接收机一种CS实现方案。仿真结果表明,本文提出的成像方法可以以少量数据精确地对信号进行重构,并且运算量少。      

Accelerating near-field 3D imaging approach for joint high-resolution imaging and phase error correction

The computational complexity and memory requirements of large-scale data seriously affect the application of compressed sensing (CS) in near-field three-dimensional (3-D) imaging system. In addition, as influenced by the measurement environment, the error in echo phase results in imaging defocusing. This paper proposes a CS near-field 3-D imaging approach based on nonuniform fast Fourier transform and phase error correction. It applies the fast Gaussian gridding nonuniform fast Fourier transform technique and Separable Surrogate Functionals with only matrix and vector multiplied to accelerate imaging speed and reduce memory requirements; it adopts the phase error correction technique to realize highly-focused imaging; in addition, a sparse observation approach based on Logistic sequence is proposed in this paper for easy availability of engineering realization for CS imaging. As indicated by numerical analysis and actual measurement in anechoic chamber, the approach proposed in this paper, compared with traditional imaging approaches, has the following advantages: accurate high resolution 3-D image of target can be obtained by applying small amount of observation data (10%); the computational complexity falls from O(LN) to O(3N) and memory occupation quantity drops from O(LN) to O(N); it can effectively perform highly-focused imaging for echo signal with phase error; the measurement matrix designed has better non-coherence and easy availability for engineering realization.

     

频率步进信号距离－方位联合超分辨成像方法

对距离向、方位向二维稀疏的频率步进信号模型, 基于压缩感知理论, 研究了一种适用于稀疏频率步进回波的距离-方位联合逆合成孔径雷达(Inverse Synthetic Aperture Radar, ISAR)超分辨成像方法.首先对稀疏频率步进回波进行建模, 在此基础上构建了距离向和方位向二维稀疏时的联合稀疏基, 最后利用二维平滑0-范数法在矩阵域直接进行处理, 得到最终的ISAR超分辨成像结果.并对算法复杂度、超分辨性能进行了分析, 得出了相应的结论.理论分析和仿真结果表明所提方法在不同稀疏方式、不同稀疏条件下具有更好成像质量、更快处理速度的优势.     

基于离散FRFT的SAR动目标参数估计方法

为了有效减少SAR系统的数据量和降低脉冲重复频率，提出了一种基于离散分数阶傅里叶变换（FRFT）的动目标参数估计方法。首先对距离向脉冲压缩之后的数据进行DPCA对消处理，其次利用Hough变换估计目标跨航向维的运动参数并校正距离单元走动，然后基于离散的FRFT变换矩阵构造稀疏基矩阵，建立压缩感知重构模型，通过对模型的优化求解获得FRFT的最优阶数，进而估计动目标沿航迹维的速度和位置。最后，仿真实验验证了所提方法能够有效实现低脉冲重复频率条件下的地面运动目标参数估计。     

基于压缩感知的伪随机多相码连续波雷达

该文利用雷达目标空间的稀疏特性,提出了一种基于压缩感知的伪随机多相码连续波雷达。建立了目标信息感知模型,采用压缩感知以低于奈奎斯采样率对目标回波采样,然后从少量的采样数据中提取噪声背景下的目标场景信息。为了提高目标信息提取的有效性,采用模拟退火算法对波形进行优化。仿真结果表明了该方法的优越性。     

基于压缩转发的协作MIMO雷达成像算法

以实现地面目标的快速、高分辨率成像为目的,本文提出了一种基于压缩感知和协作通信技术的解决方案。在分析压缩感知理论和传统协作MIMO雷达成像算法的基础上,提出了基于匹配滤波器的协作MIMO雷达回波信号的稀疏表示方法和用于恢复重构的基函数,并建立了基于压缩转发的协作MIMO雷达系统模型。该系统主要由收发雷达、转发节点和压缩感知成像处理中心组成,转发节点利用模拟/信息转换(AIC)测量框架将雷达回波数据压缩后转发,压缩感知成像处理中心接收到各转发节点转发的数据后,利用正交匹配追踪算法(OMP)进行距离向压缩和方位向压缩,从而实现快速、高分辨率成像。仿真结果表明,该方法比传统MIMO雷达对各转发节点的传输负荷要求低,成像速度快,目标旁瓣低,成像效果好。