基于相关准则的稀疏微波成像方位向采样优化方法

稀疏微波成像将稀疏信号处理理论系统性地引入微波成像中,与传统合成孔径雷达成像相比,具有提高成像质量、降低系统复杂度等优点。稀疏采样方式是影响稀疏微波成像重建质量的重要因素。该文主要研究方位向稀疏采样的优化问题,分析了稀疏微波成像观测矩阵的相关系数与重建能力的关系,在此基础上提出一种基于相关系数的优化准则,并对方位向稀疏采样参数进行优化。仿真结果验证了所提优化方法的有效性。     

一种基于特征值分解的测量矩阵优化方法

测量矩阵是压缩感知中一个很重要的部分,为了减小测量矩阵与稀疏变换矩阵的互相干性,从而改善重建质量,本文首先通过测量矩阵和稀疏变换矩阵的乘积构造得到一个Gram矩阵,然后定义了一种基于Gram矩阵非对角线元素的整体互相干系数,推导出整体互相干系数与Gram矩阵特征值之间的关系。在此基础上,我们提出了一个最优化模型,在不改变Gram矩阵特征值和的前提下,让每个大于零的特征值的大小都为它们和的平均值,使得测量矩阵和稀疏变换矩阵的整体互相干系数达到最小,从而优化了测量矩阵的性能。将该方法用在一些已知的测量矩阵上,实验结果中矩阵的优化速度快,并且用优化矩阵所得的图像的PSNR有所提高,表明本文优化测量矩阵的方法在重建效果和优化速度方面都有一定的优势。      

Measurement matrix design for CS-MIMO radar using multi-objective optimization

In this paper, we design a measurement matrix for a compressive sensing-multiple-input multiple-output radar in the presence of clutter and interference. To optimize the measurement matrix, three main criteria are considered simultaneously to improve detection and sparse recovery performance while suppressing clutter and interference. To this end, we consider three well-known criteria including Bhattacharyya distance, mutual coherency of sensing matrix, and signal-to-clutter-plus-interference ratio. Due to the use of simultaneous multi-objective functions, a multi-objective optimization (MOO) framework is exploited. Some numerical examples are provided to illustrate the achieved improvement of our proposed method in target detection and sparse recovery performance. Simulation results show that the proposed MOO technique for measurement matrix design can achieve superior performance in target detection compared with Gaussian random measurement matrix technique.     

一种用于压缩感知理论的投影矩阵优化算法

考虑到投影矩阵对压缩感知(CS)算法性能的影响,该文提出一种优化投影矩阵的算法。该方法提出可导的阈值函数,通过收缩Gram矩阵非对角元的方法压缩投影矩阵和稀疏字典的相关系数,引入基于沃尔夫条件(Wolfes conditions)的梯度下降法求解最佳投影矩阵,达到提高投影矩阵优化算法稳定度和重构信号精度的目的。通过基追踪(BP)算法和正交匹配追踪(OMP)算法求解l0优化问题,用压缩感知方法实现随机稀疏向量、小波测试信号和图像信号的感知和重构。仿真实验表明,该文提出的投影矩阵优化算法能较大地提高重构信号的精度。     

基于自相关函数的SRSF信号感知矩阵优化方法

根据随机步进频率(random stepped-frequency, RSF)信号特征,结合感知矩阵优化理论,提出了一种基于自相关函数的稀疏RSF (sparse RSF,SRSF)信号感知矩阵优化方法. 首先,在构建稀疏重构模型的基础上,给出了SRSF信号波形参数与感知矩阵构造方式的内在联系;然后,研究了感知矩阵互相关系数矩阵与信号自相关函数（模糊函数的零多普勒切面）的关系,得出在特定条件下两者等价的结论,进而将二维感知矩阵优化问题转化为一维自相关函数的波形优化设计问题;最后,利用基于自相关函数最大旁瓣与均值旁瓣联合约束的波形优化方法对上述结论进行了验证. 仿真实验验证了感知矩阵互相关系数与信号自相关函数的关系,且通过对波形的设计,实现了优化感知矩阵、提升信号稀疏重构性能的目的.     

MIMO雷达三维成像自适应Off-grid校正方法

在压缩感知成像算法中,真实目标点一般不会恰好落在预先划定的网格点上,这种网格偏离(Off-grid)问题会带来真实回波与测量矩阵之间的失配,严重降低雷达成像的性能。针对多输入多输出(MIMO)雷达3维成像的网格失配问题,该文提出一种自适应的Off-grid校正方法,基于Off-grid目标的稀疏回波模型构造贝叶斯概率密度函数,采用最大后验概率(MAP)方法求解含有失配偏差的稀疏像。与传统方法相比,该方法可以充分利用失配参数的先验信息,自适应地更新参数,降低了失配误差的影响,并能实现对稀疏目标和噪声功率的高精度估计。仿真结果表明,该方法可以有效地实现对网格失配的优化,具有精确且稳定的成像性能。     

基于多普勒扩展补偿的FDA-MIMO雷达运动目标检测

频控阵-多输入多输出(FDA-MIMO)雷达在检测运动目标时,由于发射阵元间的频率偏移与目标的速度耦合,因此在慢时间维出现严重的多普勒扩展,进一步造成各接收通道的信号能量无法相干累积,极大降低了系统的检测性能。针对此问题,该文提出一种基于多普勒扩展补偿的FDA-MIMO雷达运动目标检测算法。首先建立了FDA-MIMO雷达运动目标的回波模型,分析了频偏带来的多普勒扩展问题;然后在给出最大似然接收机模型的基础上,提出一种基于插值滤波的重采样算法来补偿FDA-MIMO雷达在检测运动目标时引起的多普勒扩展。仿真结果表明:该文所提算法在抑制多普勒扩展的同时,能够补偿子目标回波在距离维的跨单元走动,实现信号能量的相参累积。      

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。     

联合感知矩阵优化的穿墙MIMO阵列稀疏成像方法

采用压缩感知理论的穿墙稀疏成像恢复算法需要感知矩阵满足有限等距性质(RIP),最直接的验证方法是判定感知矩阵的相干系数是否较小。针对现有的穿墙多输入多输出(MIMO)阵列稀疏成像方法没有验证感知矩阵是否满足RIP 性质而容易出现重构失败并导致成像模糊的问题,提出一种联合感知矩阵优化的穿墙MIMO阵列稀疏成像方法。该方法首先依据配置指标将阵元配置为两端发中间收和分时复用的模式,既能使感知矩阵的相干系数最小,又能获得均匀而不冗余的等效虚拟阵元;然后,从中选取部分能够满足感知矩阵相干系数最小的虚拟阵元组合,使用可分离逼近结构稀疏恢复算法充分考虑扩展目标信号的结构稀疏先验信息对其进行稀疏成像重构;最后,选取成像性能指标较好的一组作为成像结果。仿真和实验结果表明,该方法降低了运算量和虚拟阵元间的干扰,节约了硬件成本,提高了算法的稀疏重构性能,获得了高分辨的穿墙扩展目标成像。     

稀疏线性调频步进信号ISAR成像观测矩阵自适应优化方法

基于压缩感知(CS)理论的稀疏线性调频步进信号(SFCS)逆合成孔径雷达(ISAR)成像技术能够从少量观测数据中高概率重构出目标像,其中,观测矩阵的优化设计是提高成像质量和减少观测数据量的有效途径。然而,现有的观测矩阵优化设计研究通常没有考虑目标特征信息的有效利用,对目标的自适应能力不足。因此,该文在充分利用目标特征信息的基础上,结合稀疏SFCS信号的实际物理观测过程,提出一种ISAR成像观测矩阵自适应优化方法。该方法首先建立参数化稀疏表征成像模型以解决稀疏SFCS信号多普勒敏感问题,在此基础上,以在达到成像质量要求条件下使用最少观测数据量获得最优成像结果为目标对观测矩阵进行自适应优化设计,最终能够利用最少的数据量获得满意的目标成像结果。仿真实验验证了该算法的有效性。     

基于几何绕射模型的多频带信号融合新方法

多频带雷达信号融合处理利用从不同频段获取的目标在一维谱域呈稀疏分布的雷达观测数据,通过信号级相干融合来提高目标散射中心参数估计精度和一维距离像的分辨能力。传统谱估计类融合方法的性能都受限于模型阶数估计。而多频带的稀疏分布,破坏了观测系统矩阵的互相干性度量,从而使得基追踪（基于l1范数的稀疏表示）方法的全局最优解可能并不等于信号的真实稀疏表示。本文在GTD散射模型的基础上,提出了一种基于稀疏贝叶斯学习的融合方法,既避免了阶数估计,又克服了基追踪方法的缺陷。实验结果也表明了此方法的优越性。      

艇载共形稀疏阵列天线雷达成像研究

基于平流层飞艇平台,研究了共形稀疏阵列天线雷达对静止目标成像及对运动目标探测的问题。针对三叶玫瑰线艇身模型,提出了共形稀疏阵列天线的布阵方式。雷达采用实孔径方式成像,各子阵同时发射多脉冲频分正交信号。利用各子阵多发多收的回波信号,采用后向投影(BP)算法完成各子带信号对静止目标的成像处理,再将子带信号成像结果相参累加以提高静止目标成像的距离向分辨率;将各子阵一发多收的多脉冲回波信号变换到距离-多普勒域,完成静止杂波抑制,对各子带信号采用压缩感知(CS)的方法在二维空间实现对运动目标图像的重建,再将子带信号重建结果非相参累加以提高运动目标探测的信噪比。仿真实验验证了本文方法的有效性。     

基于多普勒频偏估计的单帧图像低速运动目标检测方法

常用的图像域运动目标检测跟踪方法对虚警率较敏感,当虚警率较高时,目标检测跟踪的实时性受限。为了降低目标初始检测的虚警率,进而提高目标检测跟踪的实时性,该文提出一种基于多普勒频偏估计的单帧图像低速运动目标检测算法,通过发射多普勒不敏感的LFM脉冲对,忽略多普勒效应对成像结果的影响,但在图像域检测的同时,利用目标回波的多普勒频偏信息进行静目标和杂波亮点的剔除,基于单帧数据,减小运动目标检测的虚警率,实现单帧图像的运动目标检测,从而为目标跟踪奠定良好基础。该算法首先进行图像域的恒虚警检测,再利用宽带时域波束形成和复相关频率测量法,对检测亮点处的波束输出信号进行多普勒测频,仅通过单帧图像就可有效剔除静目标和杂波亮点。同时为了改善宽带时域波束形成的性能,利用2阶锥规划设计滤波器的系数,用9阶FIR滤波器实现了0.01倍采样点的小数时延,提高了多普勒频偏的估计精度。最后通过计算机仿真和水池试验验证了所提算法的有效性。     

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.     

Measurement matrix optimization based on incoherent unit norm tight frame

This paper considers the problem of measurement matrix optimization for compressed sensing (CS) in which the dictionary is assumed to be given, such that it leads to an effective sensing matrix. Due to important properties of equiangular tight frames (ETFs) to achieve Welch bound equality, the measurement matrix optimization based on ETF has received considerable attention and many algorithms have been proposed for this aim. These methods produce sensing matrix with low mutual coherence based on initializing the measurement matrix with random Gaussian ensembles. This paper, use incoherent unit norm tight frame (UNTF) as an important frame with the aim of low mutual coherence and proposes a new method to construction a measurement matrix of any dimension while measurement matrix initialized by partial Fourier matrix. Simulation results show that the obtained measurement matrix effectively reduces the mutual coherence of sensing matrix and has a fast convergence to Welch bound compared with other methods.     

宽带运动目标回波的多普勒特性模拟方法

宽带雷达系统测试和性能评估中目标信息模拟精度和分辨率要求很高。针对宽带线性调频雷达运动目标的回波脉冲内多普勒频率呈现线性调频（LFM）变化特征、回波脉冲之间具有时移分布和相位相干特性的问题,采用基于数字射频存储（DRFM）系统的回波脉冲内LFM多普勒频率调制、多回波相参脉冲信号之间时移模拟的方法。探讨了基于宽带DRFM系统的高精度和高分辨率的运动目标多普勒频率信息实时模拟方法。采用仿真分析和实验验证方法,证实算法性能,运动目标的多普勒频率模拟精度/分辨率在特定条件下可达到Hz级。     

一种改善SAR对舰船目标成像质量的新方法研究

常规合成孔径雷达(SAR)成像技术适用于静止场景目标成像,在对海上舰船等运动目标成像时,由于目标存在自身转动分量,使得积累时间内回波多普勒频率不为常数,导致常规成像处理后,目标出现散焦、分辨力下降的现象.通过分析存在平动、转动分量目标回波的多普勒频率特征,可以把SAR对舰船目标成像问题转化为稀疏信号表示问题,利用信号重构回波散射系数实现二维成像.将基于贝叶斯学习的稀疏信号表示用在SAR对舰船目标成像上,采用该方法处理实测数据可获得较清晰的目标像,通过与传统方法的比较验证了该方法的有效性.     

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。     

联合多方位角调频率估计的星载SAR三维成像方法

星载合成孔径雷达(Synthetic Aperture Radar, SAR)通过波束的方位向扫描可以实现单次航过的多方位观测。在多方位角观测过程中,卫星弯曲轨道可等效为长3维曲线阵列,从而具备了3维成像能力。由于多方位角观测在高度维采样的稀疏性,无法直接通过3维FFT实现无模糊成像,且目标在不同方位角SAR图像的投影与高程间的传递相对复杂。针对该问题,该文提出了联合多方位角调频率估计的星载SAR3维成像方法。该方法首先给出了不同观测方位角下多普勒调频率误差与目标高程误差间的关系,利用视错位法(Map Drift, MD)估计多普勒调频率误差。然后,联合多方位角高程估计结果提升高程估计精度。最后,利用高程估计结果恢复目标3维几何信息,从而实现3维成像。仿真实验验证了该方法的高程估计精度可达米级。      

基于稀疏贝叶斯学习的双基雷达关联成像

双基雷达具有隐蔽性高、抗干扰性能强等优点,在现代电子战中发挥重要作用。基于雷达关联成像原理,该文研究运动目标双基雷达关联成像问题。首先,针对采用均匀线性阵列作为收发天线的双基雷达系统,在发射随机频率调制信号条件下,分析运动目标雷达回波信号特点,建立双基雷达关联成像参数化稀疏表征模型;其次,针对建立的参数化稀疏表征模型,提出一种基于稀疏贝叶斯学习的迭代关联成像算法。该算法在建立贝叶斯模型基础上,通过贝叶斯推理,得到稀疏重构信号,从而实现对运动目标成像和运动参数的精确估计。最后,通过仿真实验验证所提方法的有效性。