基于二维阈值SL0范数算法的压缩感知ISAR成像

在对非合作目标的逆合成孔径雷达(ISAR)成像中,快速成像甚至实时成像具有非同寻常的意义。平滑l₀范数(SL0)算法是一种计算快速的压缩感知类参数重构算法,在ISAR成像中得到关注和应用。常规SL0算法在迭代过程中,无论参数重构的收敛效果如何,每轮内循环的迭代次数都是固定的预设次数,导致多次内循环无效进行。文中针对常规SL0算法迭代收敛机制僵化的问题,提出一种二维阈值平滑l₀范数(2D T-SL0)快速算法,用于ISAR成像中的强散射点提取。该算法引入迭代效率指标来评定内循环的有效性。在内循环的迭代过程中,若其迭代效率指标高于设定阈值,说明参数估计值能得到优化,该轮内循环继续进行;反之说明参数估计值已接近收敛,则终止该轮内循环,进入下一轮内循环。ISAR成像实验结果表明,相比常规SL0算法,2D T-SL0算法能减少很多无效迭代,明显降低运算量。在成像效果方面,2D T-SL0算法与常规SL0算法相当,明显好于传统的距离-多普勒(R-D)算法和旋转不变参数估计(ESPRIT)算法。     

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。     

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.     

基于稀疏约束最优化的ISAR相位自聚焦成像算法

本文提出了一种基于稀疏约束的ISAR方位自聚焦算法,能够应用于稀疏孔径ISAR成像中。该算法利用ISAR图像的稀疏特征建立最小1范数成像模型,并将相位误差作为模型误差。然后通过数值迭代的方式进行自适应相位误差估计,最终获得聚焦良好的ISAR图像。同时,成像代价函数的建立基于矩阵模型,有利于采用方位FFT和矩阵的Hardmard乘积操作进行快速求解。由于利用稀疏约束,该方法在低信噪比的条件下仍然能够取得良好的聚焦结果。基于仿真数据和实测数据的结果验证了本文算法的有效性。     

基于块稀疏贝叶斯模型的ISAR成像方法

传统ISAR稀疏成像主要针对独立散射点散射系数的重构问题,然而实际情况下目标散射点之间并不是独立存在的,而是以区域或块的形式存在,在该情形下利用常用的稀疏重构算法并不能完全地刻画块状目标的真实结构,因此该文考虑采用块稀疏重构算法进行目标散射系数重建。基于块稀疏贝叶斯模型和变分推理的重构方法(VBGS),包含了稀疏贝叶斯学习(SBL)方法中参数学习的优点,其利用分层的先验分布来表征未知信号的稀疏块状信息,因而相对于现有的恢复算法能够更好地重建块稀疏信号。该方法基于变分贝叶斯推理原理,根据观测量能自动地估计信号未知参数,而无需人工参数设置。针对稀疏块状目标,该文结合压缩感知(CS)理论将VBGS方法用于ISAR成像,仿真实验成像结果表明该方法优于传统的成像结果,适合于具有块状结构的ISAR目标成像。     

基于自适应权重GPSR算法的ISAR成像

为了提高ISAR成像运算效率,本文提出一种自适应权重GPSR(AW GPSR)算法,并用于ISAR成像。该算法为加快参数重构的收敛速度,给ISAR图像中每个散射点都赋予正则化权重系数。对于幅度较小的散射系数,赋予较大的权重,使其快速减小为0;对于幅度较大的散射系数,给予较小的权重,使其在迭代中保持不变。在梯度下降迭代过程中,不断更新散射系数和正则化权重。本文采用仿真信号和实测信号进行ISAR成像实验,实验结果表明,相比常规GPSR算法,AW GPSR算法达到收敛的速度更快,成像时间降低了约23%。在成像效果方面,AW GPSR算法与常规GPSR算法相当,但明显好于传统的R-D算法和ESPRIT算法。     

基于方差成分扩张压缩的稀疏贝叶斯ISAR成像方法

基于贝叶斯框架下的稀疏重构方法,由于考虑了稀疏信号的先验信息以及测量过程中的加性噪声,因而能够更好地重建目标系数,然而传统的稀疏贝叶斯学习(SBL)算法参数多,时效性差。该文考虑一种新的稀疏贝叶斯学习方法方差成分扩张压缩(ExCoV),其不同于SBL中赋予所有的信号元素各自的方差分量参数,ExCoV方法仅仅赋予有重要意义的信号元素不同的方差分量,并拥有比SBL方法更少的参数。基于计算机层析成像技术框架下的ISAR成像模型,该文将ExCoV方法结合压缩感知(CS)理论将其进行ISAR成像,并从适用性和成像效果等方面与常用的极坐标格式算法(PFA),卷积逆投影算法(CBPA)和传统的稀疏重构算法进行比较,点目标仿真结果表明基于ExCoV的方法得到的ISAR像具有低旁瓣,高分辨率的特点,真实数据的成像结果表明该方法是一种比SBL更有效的ISAR成像算法。     

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。      

结合MD自聚焦算法与回波模拟算子的快速稀疏微波成像误差补偿算法

稀疏微波成像是将稀疏信号处理理论引入微波成像中,利用系统的稀疏约束突破传统合成孔径雷达(SAR)成像中系统复杂度的瓶颈,是微波成像的新理论、新体制和新方法。在传统的机载SAR成像中都会面临非理想运动带来的回波相位误差问题,可通过基于回波数据的自聚焦算法加以解决;但在机载稀疏微波成像中,因稀疏微波成像采用稀疏重建算法取代了传统SAR中基于匹配滤波的信号处理方法,传统的基于回波数据的自聚焦算法难以直接应用。现有基于稀疏重建的自聚焦算法主要基于两步迭代方法,收敛速度慢、运算量大。该文以基于回波模拟算子的快速稀疏微波成像算法为基础,将子孔径相关(MD)自聚焦算法引入,与之结合构建了新的MD-回波模拟算子自聚焦算法。该方法继承了基于回波模拟算子算法快速重建的优势,并利用MD自聚焦算法实现了回波2次相位误差的正确补偿,与现有基于两步迭代的稀疏微波成像自聚焦算法相比,收敛速度快,并可以实现较好的自聚焦效果。      

稳健型双层叠组LASSO逆合成孔径雷达高分辨成像算法

经典的逆合成孔径雷达(ISAR)稀疏成像算法一般通过求解范数约束的最小化问题获取稀疏恢复结果,e1但此类算法在恢复过程中很容易将某些散射强度较低的分辨单元当作背景噪声一并消除,从而导致目标部分弱散射结构特征丢失.针对这一问题,该文提出一种基于稳健型双层叠组LASSO回归模型的交替方向多乘子算法(RTGL-ADMM).该算法在ISAR目标稀疏先验的基础上,进一步引入目标散射体空间连续性结构特征先验知识,并应用e1/eF混合范数进行定量表征.接下来,在ADMM框架下引入非平滑的e1/eF混合范数惩罚项,并将距离向和方位向雷达回波复数据分别进行分组处理后再使其双层叠加,然后对混合范数对应的邻近算子进行对偶迭代运算,实现"分解-协同"框架下结构与组稀疏特征的有机调和,从而在对ISAR数据稀疏成像的同时实现结构特征增强.实验验证采用ISAR仿真复数据与Yak-42实测数据,针对RTGL-ADMM成像进行定性分析.继而采用相变曲线图定量分析RTGL-ADMM在不同参数调节下的成像能力,从而验证了该文所提算法应用于ISAR高分辨成像时的稳健性与优越性.     

基于压缩感知理论的稀疏孔径ISAR成像

在基于压缩感知理论的逆合成孔径雷达成像过程中,利用正交匹配追踪算法进行信号重构时存在重构精度较低、运算速度较慢的缺点,针对上述问题,提出了一种利用改进正交匹配追踪算法进行信号重构的稀疏孔径高分辨成像方法。首先,构造数据选择矩阵作为测量矩阵模拟回波缺失情况,然后利用稀疏基矩阵对回波信号进行稀疏表示,最后采取一种改进正交匹配追踪算法进行图像重构,相比于正交匹配追踪算法同时提高了运算速度和成像质量。通过仿真实验,在稀疏孔径数据随机缺失的情况下,改变数据缺失率,将该算法与距离-多普勒算法和正交匹配追踪算法的成像结果进行对比,验证了该算法的有效性和优越性。     

干涉ISAR三维成像试验研究

阐述了干涉式逆合成孔径雷达(ISAR)三维成像的基本原理,与传统的ISAR二维成像方法的性能进行了比较.结合实际的宽带雷达平台,介绍了试验验证的基本方法,并通过静态双散射点和过航飞机等目标的实际跟踪试验,获取了目标回波信号的和、方位差和俯仰差三通道宽带数据,给出了干涉ISAR三维成像的算法流程.采用干涉ISAR三维成像的算法对实际测量数据进行了处理,得到了各类目标的成像结果,对成像效果进行了分析和评估,提出了工程应用的建议.     

基于压缩感知的干涉逆合成孔径雷达成像研究

为解决传统运动目标逆合成孔径雷达图像不能对目标定位的问题,提出了一种基于压缩感知技术的干涉逆合成孔径雷达运动目标成像方法.介绍了将压缩感知理论引入到运动目标逆合成孔径雷达成像模型中的方法,研究了压缩感知逆合成孔径雷达复图像的相位误差和信噪比的关系,在此基础上,给出了基于压缩感知的干涉逆合成孔径雷达运动目标干涉测角定位方法实施流程.通过计算机仿真和实际数据处理结果验证了所提方法对运动目标成像定位的有效性. 本文的研究成果扩展了压缩感知理论在逆合成孔径雷达中的应用前景。     

ISAR imaging of target with complex motion based on novel approach for the parameters estimation of multi-component cubic phase signal

Inverse synthetic aperture radar (ISAR) imaging of target with complex motion is very important in the radar signal processing domain. In this case, the received signal can be characterized as multi-component cubic phase signal (CPS), and the high quality instantaneous ISAR images can be obtained by the parameters estimation approach. The match Fourier transform (MFT) has been proposed for the parameters estimation of linear frequency modulated (LFM) signal, and it has been used successfully in the field of ISAR imaging. In this paper, the third-order match Fourier transform (TMFT) is proposed as an extension of the traditional MFT for the parameters estimation of cubic phase signal, and the asymptotic statistical performance is analyzed theoretically with the derivation of asymptotic statistical results for the estimated parameters. Finally, the TMFT algorithm is used as a tool for the improvement of inverse synthetic aperture radar (ISAR) images quality of target with complex motion, and the results of simulated and real data validate the effectiveness of the TMFT algorithm.     

一种基于幅度和相位迭代重建的四维合成孔径雷达成像方法

4维合成孔径雷达获取的观测数据在基线-时间平面非均匀分布。若采用传统成像方法来获取目标散射体的高度-速率维像,则因强副瓣存在,成像效果不理想。当信号具有稀疏性时,压缩感知技术能够利用少量的信号投影值就可实现信号的准确或近似重构。然而标准的压缩感知成像方法是针对实数据进行处理,4维合成孔径雷达成像处理的数据为复数据。因此该文提出了一种基于幅度和相位迭代重建的4维合成孔径雷达成像方法。将4维合成孔径雷达高度-速率成像问题转化为目标复散射系数的幅度和相位联合重建问题,通过在成像过程中引入相位信息来改善成像质量。仿真结果验证了该算法的有效性。      

MIMO雷达三维干涉诊断成像方法

2维合成孔径雷达(Synthetic Aperture Radar, SAR)和逆合成孔径雷达(Inverse Synthetic Aperture Radar, ISAR)成像是目标散射机理高分辨率分析和散射诊断测量的重要手段,现有被广泛采用的技术主要包括转台ISAR和导轨SAR成像技术。相比于传统的2维成像,3维成像可以提供目标局部散射中心在空间的3维位置和散射强度信息。因此,探索新的、可工程化实现与应用的目标3维成像技术是一项极具吸引力的工作。该文提出一种基于多输入多输出(Multiple-Input Multiple-Output, MIMO)阵列技术的3维干涉成像方法。首先,设计并试验了一种具有高孔径利用率和通过虚拟孔径实现干涉成像功能的MIMO阵列;其次,分析了MIMO阵列合成的两组虚拟孔径所成两幅2维雷达像的干涉相位与目标散射中心高度之间的关系,发展了MIMO雷达3维干涉成像算法;最后,通过数值仿真和原理样机实验验证了所提方法在目标散射机理分析和诊断测量应用中的可行性和有效性。      

稀疏孔径和大转角下ISAR对目标转动的估计

逆合成孔径雷达（inverse synthetic aperture radar，ISAR）对非合作目标做成像时图像质量依赖于对目标运动参数的准确估计.针对在稀疏孔径和非均匀转动条件下现存的参数估计方法计算量过大或者方法适用条件不满足，提出了一种基于神经网络的参数估计方法.此方法以成像问题的模型知识指导数据的生成过程，然后训练通用的神经网络，最终实现将数据中隐含的知识转化为转动估计器.从仿真实验结果来看，所得到的网络对满足一定信噪比要求的回波数据可以提供较准确的估计，所得参数可以帮助成像算法提高聚焦效果，大量的样例表明网络可以部分学习到回波与转动之间的关系.     

基于压缩感知的稀疏采样数据大转角ISAR 成像研究

针对方位向稀疏采样条件下,大带宽大转角逆合成孔径雷达(ISAR)高分辨成像时,一维距离像中目标散射点的距离徙动问题,提出了基于贝叶斯压缩感知的稀疏ISAR 成像方法。对于方位向稀疏采样数据,该方法在包络对齐和相位补偿后,通过傅里叶变换将数据变换到距离频率域,对每一距离单元数据,根据方位向稀疏采样的位置构造相应的Keystone基矩阵,利用贝叶斯压缩感知算法重建目标在各距离频域单元的多普勒域系数,最后,通过距离向逆傅里叶变换和方位向自聚焦完成ISAR 成像。计算机仿真验证了该方法的有效性。