基于稀疏处理的运动目标认知ISAR成像技术

稀疏处理主要研究如何利用低维数据实现高维稀疏信号的准确重建。基于该特性,已有较多学者将其应用于ISAR成像中用以减少数据量,改善成像质量。文中首先从ISAR回波数据出发,建立了基于稀疏处理的ISAR成像模型,并给出实验处理结果;然后,针对稀疏ISAR成像中存在的对目标和环境的自适应能力不强、工作效率不高等问题,提出将稀疏ISAR成像与认知雷达相结合,构建了认知稀疏ISAR成像框图,并给出了两种认知稀疏ISAR成像策略,能够有效减少成像所需数据量,提高雷达利用效率;最后,利用实验数据验证了所提模型的有效性。     

压缩感知SAR成像方法及抗相干干扰性分析

对合成孔径雷达(SAR)的干扰与抗干扰技术,目前已受到广泛的关注和研究。文中在分析了传统SAR成像及其相干干扰原理的基础上,利用压缩感知理论,探讨了一种压缩感知SAR成像方法,并分析了其抗相干干扰性。该方法通过构造满足RIP性质的观测矩阵和稀疏变换矩阵,在假设场景目标稀疏的条件下,准确重构出场景目标高分辨像,克服了由于SAR系统收到回波信号的脉内频率和脉间相位关系被破坏而无法利用传统二维匹配滤波成像方法获得准确场景目标高分辨像的问题,具有很好的抗相干干扰特性。最后给出了相关的仿真实验结果。     

基于压缩感知的稀疏阵列MIMO雷达成像方法

针对MIMO雷达对空目标单次快拍成像时天线数目较多问题,该文提出了一种稀疏阵列MIMO雷达的成像方法。首先分析了MIMO雷达天线的稀疏布阵方式,其次结合压缩感知理论具体阐述了稀疏阵列MIMO雷达的成像方法。该方法不仅能够对运动目标实现单次快拍成像,避免了目标机动带来的运动补偿难题,同时又能够大幅减少MIMO雷达的天线规模,便于工程实现。最后利用仿真实验验证了所提方法的有效性。     

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。     

基于压缩感知的稀疏孔径认知ISAR成像方法

针对运用压缩感知理论对ISAR目标成像时不同目标所需观测维数和积累时间不同的问题,提出了一种基于压缩感知的稀疏孔径认知ISAR高分辨成像方法。在对目标稀疏特性认知的基础上,构建了基于目标横向稀疏度和观测积累时间的随机观测矩阵,并给出了成像质量评估标准,实现了对有限雷达资源条件下ISAR目标的高分辨认知成像。仿真结果表明,利用该方法成像,不仅可以减少雷达成像发射脉冲数,而且可以有效减少目标成像的时间,同时还能获得高质量的目标ISAR像。     

稀疏阵列L 型MIMO 雷达运动目标三维成像方法

针对L型多输入多输出(Multiple-Input Multiple-Output,MIMO)雷达对空中运动目标三维成像天线数目较多问题,提出了发射阵列采用稀疏布阵的L型MIMO雷达三维成像方法。该文首先分析了MIMO雷达发射阵列的稀疏布阵方式,其次结合压缩感知理论具体阐述了基于稀疏阵列的三维成像方法。该方法在大幅减少L型MI-MO雷达发射天线的条件下,实现了对运动目标的单次快拍三维成像,不仅有效避免了目标机动带来的运动补偿难题,同时又降低了系统的硬件复杂度,便于工程应用。最后利用仿真实验验证了本文方法的有效性和可行性。     

小斜视角下稀疏空域SIMO雷达运动目标成像方法

针对小斜视角下单发多收(SIMO)雷达对空运动目标单次快拍成像时天线数目较多的问题,提出了一种稀疏空域SIMO雷达运动目标成像方法。首先详细分析了小斜视角下SIMO雷达单次快拍成像原理,其次结合压缩感知理论具体阐述了小斜视角下稀疏空域SIMO雷达运动目标成像方法。该方法不仅能够对运动目标实现单次快拍成像,避免了非合作运动目标强加速、大转角等引起的运动补偿难题,同时又能够大幅减少接收天线单元数,便于工程实现。最后利用仿真实验验证了文中方法的有效性和可行性。     

基于压缩感知的自适应稀疏子脉冲成像方法

基于空中运动目标回波信号的稀疏特性,提出了一种基于压缩感知（CS）的线性调频步进信号（SFCS）稀疏子脉冲自适应高分辨雷达成像方法。在对目标进行稀疏成像时,根据目标回波稀疏特性与发射信号子脉冲数之间的关系,建立相应的稀疏子脉冲动态闭环反馈系统,实现发射信号子脉冲数量的自适应调整;结合各脉冲簇中子脉冲的稀疏情况,建立相应的部分逆傅里叶变换基矩阵,并利用正交匹配追踪（OMP）算法对目标高分辨距离像（HRRP）进行重构处理,进而实现对目标的高分辨成像。仿真结果验证了该方法的有效性。     

基于自控蝙蝠算法智能优化粒子滤波的机动目标跟踪方法

标准粒子滤波重采样过程中对粒子的直接删除会导致粒子贫化,并且综合性价比不高,难以满足高频段精密跟踪雷达的需求.针对上述问题,本文提出了基于自控蝙蝠算法优化粒子滤波的机动目标跟踪方法.该方法首先在粒子滤波中引入蝙蝠算法,用粒子表征蝙蝠个体,模拟蝙蝠群体搜索猎物的过程,使粒子向高似然区域移动.同时,改进算法将粒子接受新状态的比例作为反馈量,设计了自适应闭环控制策略对算法的全局搜索能力和局部搜索能力进行全程动态控制,使得粒子分布更加合理,从而进一步提高了粒子滤波的精度.最后在分别在基础非线性滤波模型和强机动强干扰目标跟踪模型中对改进算法的性能进行了测试.实验结果表明,改进算法提高了目标跟踪的精度.