基于Kronecker压缩感知的宽带MIMO雷达高分辨三维成像

在宽带多输入多输出(MIMO)雷达3维成像中,MIMO雷达收发阵元数量和空间分布的限制会导致图像的2维横向分辨率难以满足实际需求。该文利用压缩感知(CS)理论来实现图像在2维横向上的超分辨。考虑到对信号的每一维分别进行超分辨会损失各维间的耦合信息,提出一种基于Kronecker CS(KCS)的2维联合超分辨方法;为解决KCS在多维高分辨应用中存储量大、计算效率低的问题,进一步提出了一种基于低分辨3维图像先验信息的降维KCS方法。仿真和实测数据实验验证了方法的有效性。     

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。     

艇载稀疏阵列MIMO雷达地面运动目标成像方法

本文针对地面运动目标成像问题,提出了基于平流层飞艇平台的稀疏阵列MIMO(Multiple-Input Multiple-Output)雷达的成像方法.该方法首先利用MIMO雷达阵列对观测场景进行空间并行采样获取其散射信息,其次由于两次脉冲回波信号中的运动目标信息不同而地杂波(或静止地物)信息相同,因此利用一次相消技术抑制回波信号中的地杂波分量.然后基于观测场景中运动目标的稀疏特性,将压缩感知理论引入到对运动目标重建过程中.该方法可有效避免地面运动目标成像时的地杂波干扰和运动补偿问题,同时采用稀疏阵列可大幅减少天线阵元个数,从而降低对飞艇平台的要求和系统成本,便于工程应用.最后利用仿真实验验证了该方法的有效性和可行性.     

基于混合匹配追踪算法的MIMO雷达稀疏成像方法

多输入多输出(MIMO)雷达作为一种新型的雷达体制,其成像兼具高分辨率与实时性的优点。由于观测区域的稀疏性,MIMO雷达成像可以用压缩感知的方法进行处理。而现有的MIMO雷达稀疏成像的贪婪恢复算法中,正交匹配追踪算法(OMP)存在成像图像有伪影的缺点,子空间追踪算法(SP)则受到低分辨率的困扰。针对上述问题,该文提出一种称为混合匹配追踪算法的压缩感知贪婪算法以实现MIMO雷达稀疏成像。通过将两种贪婪恢复算法结合起来,利用OMP 算法选择基信号的正交性和SP 算法具有基信号选择的回溯策略,来重构出高分辨率且没有伪影的雷达图像。仿真实验验证了所提算法的有效性。     

时分MIMO滑坡雷达稀疏成像算法

针对现用于成像的MIMO山体滑坡雷达均匀线性阵列数目过多、数据处理复杂度高的问题，引入稀疏阵列时分地基MIMO雷达模型，提出一种基于逆傅里叶变换和混合匹配追踪算法的成像方法。首先通过对雷达回波信号作逆傅里叶变换实现距离向压缩，并进行近似相位补偿，然后采用一种基于时延补偿因子稀疏基的压缩感知算法实现方位向压缩。同时针对多目标成像的伪影点问题，方位向数据压缩引入子空间追踪算法和正交匹配追踪算法的结合算法重构出高分辨率且没有伪影的二维图像。根据真实的山体滑坡监测成像场景参数，通过数值仿真验证了该方法能够在低于传统均匀阵列的天线数目情况下实现目标高质量成像，且具有一定的抗噪性。     

UWB MIMO近场成像雷达稀疏阵列设计方法研究

传统方法设计近场高分辨成像雷达的阵列时,往往需要大量且分布密集的阵元,这样的设计会带来巨大的开销和制作工艺要求高等问题。为了避免上述问题,本论文将MIMO与UWB相结合,提出了一种基于等效相位中心原理设计UWB MIMO近场成像雷达稀疏阵列的方法,并对等效相位中心近似带来的误差做了补偿。然后通过数值仿真工具(FDTD)进行仿真,考察了设计的阵列的波束方向图,并分别对单个点目标和分布式目标进行成像,仿真结果验证了该阵列设计方法的有效性和应用于近场高分辨成像的可行性。     

基于压缩感知的随机噪声成像雷达

近年来提出的压缩感知(CS)理论指出可以从很少的采样点中以很大的概率准确重建原始的未知稀疏信号。该文将压缩感知与随机噪声雷达相结合,提出了基于压缩感知的随机噪声雷达,并给出了该雷达系统的基本原理框图,从理论上证明了基于压缩感知的随机噪声雷达的回波观测矩阵具有很好的等容性质,在目标场景稀疏或可以稀疏表示时,基于压缩感知的随机噪声雷达可以采集远小于常规随机噪声雷达成像所需的回波数据并能实现准确成像,最后通过仿真实验验证了该文的结论。     

双基地稀疏阵列MIMO雷达快速多目标定位方法

针对双基地稀疏阵列MIMO雷达目标定位问题,该文提出一种基于投影处理与奇异值分解的多测量矢量欠定系统正则化聚焦求解(Projection-SVD-RMFOCUSS, PSVDRMF)算法。该算法首先估计接收角,接着依次将回波信号向目标存在的角度进行投影,最后将投影后的数据重排进行发射角估计,从而得到目标的准确位置。同时借助奇异值分解(SVD)进行信号降维与能量积累,进一步降低运算量,提高了传统压缩感知恢复算法在低信噪比下的估计性能。与现有稀疏重建算法相比,该算法减少了2维场景带来的庞大运算负担,且保持了良好的性能,可以稳健地对相干与非相干目标进行定位。     

结合压缩感知模型的稀疏阵列波束形成方法

本文从稀疏阵列入手,将稀疏阵列接收数据模型转化为更高自由度下的单快拍接收数据模型,并将压缩感知模型引入稀疏阵列信号处理问题中,从理论上证明了其可行性。在等效单快拍数据下,利用稀疏重构算法准确估计信源方位和功率,进而对传统MVDR波束形成器进行优化。仿真结果表明,采用压缩感知模型实现稀疏阵列的波束形成,能够将稀疏阵列和压缩感知算法两者的优势结合,在阵列阵元数较少的条件下达到更高的自由度,同时具备良好的波束形成器性能。     

基于压缩感知的三孔径毫米波合成孔径雷达侧视三维成像

基于压缩感知,该文研究了交轨向三孔径毫米波合成孔径雷达侧视3维成像问题。利用交轨方向的三孔径天线形成的稀疏阵列结构,获取高程分辨率并实现3维成像。由于交轨方向的采样数较少及非均匀采样,高程分辨率低,传统的基于傅里叶变换的3维成像技术获得的图像质量较差。针对此不足,在交轨向稀疏采样的条件下,该文采用压缩感知方法来实现超分辨成像。利用仿真和实际数据比较了传统成像方法和基于压缩感知的成像方法的性能,并验证了该文方法的有效性。     

基于压缩感知的连续场景稀疏阵列SAR三维成像

该文提出一种基于压缩感知的连续场景稀疏阵列SAR 3维成像方法。利用多孔径观测结构,使SAR复图像在频域和变换域具备稀疏性,将压缩感知(CS)方法引入频域和变换域的信号处理过程中,实现高分辨率3维成像,获得与满阵成像结果相同的成像质量。该文方法适用于随机稀疏阵列,可减少对高程向阵型的设计约束,为孔径综合处理后无法获得满阵条件下实现对地成像提供了可能。仿真试验验证了该文方法的有效性。     

基于认知ISAR成像的相控阵雷达资源自适应调度算法

现有相控阵雷达资源调度策略通常没有考虑成像任务的要求,需要分出一部分固定资源实现成像功能。该文将认知成像的思想引入到雷达资源自适应调度中,提出一种基于稀疏孔径认知ISAR成像的雷达资源自适应调度算法,并给出了具体的性能评估指标。在对目标特征进行认知的基础上,根据反馈信息对雷达的时间资源进行自适应调度,能够在对不同目标进行跟踪和搜索的同时实现认知成像,从而显著提高了雷达的工作效率。仿真实验验证了该算法的有效性。     

基于频域稀疏压缩感知的星载SAR稀疏重航过3维成像

星载合成孔径雷达(SAR)稀疏重航过3维成像技术通过交轨向的多次飞行观测,获得观测场景的第3维分辨。该文给出了单颗卫星SAR稀疏重航过轨道分布,为有效缩短重访时间,同时给出了编队双星SAR轨道分布,对应的交轨向等效孔径长度为20 km。提出了一种基于干涉处理和频域压缩感知(CS)的稀疏3维成像方法,利用稀疏重航过中的部分回波形成参考3维复图像,对待重建SAR 3维图像信号进行干涉处理,使信号在频域具备稀疏性。在大轨道分布范围下,建立频域距离向-交轨向线性测量矩阵,利用CS理论联合求解稀疏表征下的图像频谱,避免交轨向和距离向的回波信号耦合。将求解所得频谱逆变换至空间域,可得到观测场景的3维图像重建结果。仿真结果表明,该文方法在稀疏采样率74.4%条件下,仍可获得与满采样成像性能相当的结果,验证了干涉处理频域稀疏方法在星载SAR 3维成像中的有效性。

     

强地杂波下基于压缩感知的稀疏子脉冲高分辨雷达成像方法

针对稀疏雷达孔径数据处理与成像问题,本文提出了一种强地杂波背景下基于压缩感知（CS）的线性调频步进信号（SFCS）稀疏子脉冲高分辨雷达成像方法。在对稀疏回波数据解线调时,采用填零一次相消技术剔除地杂波,对粗分辨距离像序列二次采样后获得高信杂比的目标高分辨回波信号;再利用该信号的频域稀疏特性,结合各脉冲簇中随机丢失不同子脉冲的情况,构造相应的部分傅里叶基矩阵实现雷达数据的稀疏化表征,然后利用正交匹配追踪（OMP）算法对目标高分辨距离像（HRRP）进行重构处理,实现对目标的高分辨成像。仿真结果验证了本文方法的有效性。