连续场景的稀疏阵列SAR侧视三维成像研究

合成孔径雷达的回波数据和图像数据都是复数,由于各个分辨单元散射点的初始相位是随机的,致使连续变化地物场景的信号带宽较大,传统的单天线SAR很难实现空间稀疏降采样。该文采用交轨向多天线观测结构,分析了交轨向稀疏阵列SAR的成像模型,首次提出利用信号重构方法,去除散射点随机初相位,降低复信号带宽,以较大间隔的空间稀疏采样实现稀疏阵列SAR侧视3维成像。干涉SAR 2维成像实际数据处理结果验证了通过信号重构可以降低复信号带宽,稀疏阵列SAR侧视3维成像的仿真结果验证了该文方法的有效性。     

前视阵列SAR回波稀疏采样及其三维成像方法

针对高分辨前视阵列SAR三维成像系统面临的距离采样率高和回波数据量大的问题,本文利用地面散射源在三维空间中的稀疏性,提出距离频域和沿航向时域二维稀疏采样并稀疏重构地面三维图像的方法.从前视阵列SAR角度观察三维地面,地面散射源在距离向和沿航向二维空间中是稀疏的,在该二维方向上联合稀疏采样有望实现最佳的稀疏采样效果.为避免距离向时域稀疏采样造成的三维成像复杂化,提出利用子脉冲结合距离频域稀疏采样的方法来实现距离向稀疏采样.同时,结合地面散射源连续性特点,提出低信噪比情况下稳健的信号重构方法.与传统三维匹配滤波成像方法相比,本方法降低了距离采样率和回波数据量,并直接重构地面散射源信息以实现三维成像.     

基于修正均匀冗余阵列正反编码的稀疏阵列SAR下视三维成像处理

该文研究基于频分正交信号的机载交轨稀疏阵列SAR下视3维成像问题。为解决孔径综合方法带来的重复频率高、数据冗余量大和运动补偿等问题,提出一种基于修正均匀冗余阵列(Modified Uniformly Redundant Arrays, MURA)编码和干涉处理频域稀疏的3维成像方法,直接在距离频域稀疏采样条件下对目标场景进行下视3维成像。引入MURA编码对回波数据在阵列采样平面进行正反编码调制,分别获得两幅3维复图像,并通过干涉处理使信号3维频谱集中在低频段,利用频域低通滤波或压缩感知(Compressed Sensing,CS)实现目标场景3维成像。该方法具有回波数据利用率高和工作重复频率低的特点。仿真分析和试验数据验证了方法的有效性。     

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。     

基于贝叶斯压缩感知的合成孔径雷达高分辨成像

基于压缩感知(CS)的合成孔径雷达成像方法可以显著减少数据采样时间、数据量以及节省信号带宽。然而,基于CS的方法对噪声和杂波相当敏感,在信噪比较低的时候,成像质量较差。该文结合CS理论提出了合成孔径雷达中的随机孔径贝叶斯压缩感知(BCS)高分辨2维成像方法。在距离向应用CS减少采样数据的同时,在方位向随机抽取部分孔径位置发射和接收信号,以少量的测量孔径和测量数据获得重建目标空间的足够信息。基于贝叶斯的分析方法由于考虑了成像场景中的杂波以及压缩采样过程中的加性噪声,因而能够更好地重建目标空间。仿真结果表明,基于贝叶斯方法得到的图像比基于FFT方法得到的图像更加尖锐,比基于CS方法得到的图像更加稀疏,因而具有更高的分辨率。     

稀疏重航过阵列SAR运动误差补偿和三维成像方法

该文针对机载交轨阵列SAR下视3维成像模型,采用以巴克码伪随机序列为准则的稀疏重航过采样方式,利用较少飞行次数提高交轨向分辨率。针对重航过采样方式存在的运动误差,利用修正均匀冗余阵列(Modified Uniformly Redundant Arrays, MURA)编码空间调制和3维后向投影(Back Projection, BP)算法获得各航过3维复图像对,基于干涉处理和频域压缩感知(Compressed Sensing, CS)等效实现各航过阵列形变误差补偿。将MURA反码对应回波形成的3维复图像相位作为参考,对各单航过复图像进行相位补偿,以恢复各航过间复图像相位关系。根据单航过阵列SAR3维复图像具备频域稀疏的性质,对各个复图像相干累加,实现稀疏重航过阵列SAR高分辨率下视3维成像。仿真和暗室试验数据处理结果验证了方法的有效性。      

基于参数估计的下视稀疏阵列三维SAR运动误差补偿和成像处理方法

当载机存在偏航角速度时,载机航线会偏离理想航线,对稀疏阵列下视3维合成孔径雷达(DLSLA 3D SAR)成像产生影响。该文建立了载机在飞行过程中存在偏航角速度下的DLSLA 3D SAR成像模型,通过理论推导得到了信号的多普勒调频率表达式,多普勒调频率与目标被调制后的跨航向坐标有关,而与被调制后的方位向坐标无关。进一步,完成跨航向信号处理之后,在平台的速度和偏航角速度不准的情况下,利用参数化稀疏表征方法实现了平台的速度和偏航角速度的估计,并完成了方位向稀疏场景的重构,最后提出了一种形变校正方法。仿真实验验证了该算法的有效性。      

平移嵌套阵列稀疏贝叶斯学习角度估计算法

针对阵元间互耦效应导致嵌套阵列测向性能下降的问题,该文提出两种不同的平移嵌套阵列结构,在保证产生虚拟阵列无孔的条件下,通过对原二级嵌套阵列阵元位置进行调整,形成平移嵌套阵列,提高了原二级嵌套阵列的稀疏性,降低了阵元间的互耦效应,扩展了原嵌套阵列的测向自由度。在空间辐射源数目未知条件下,建立了平移嵌套阵列稀疏贝叶斯学习(SBL)算法模型,对形成的虚拟阵列接收数据进行处理,获得角度估计,有效提高了原嵌套阵列测向算法的测向性能。仿真实验表明,平移嵌套阵列自由度高于原嵌套阵列,在低信噪比、小快拍数、存在互耦影响条件下,基于稀疏贝叶斯学习的平移嵌套阵列测向算法测向精度优于原嵌套阵列测向算法,并且提高了原嵌套阵列测向算法的角度分辨率。     

基于单快拍稀疏重构的阵列雷达前视成像北大核心CSCD

针对阵列雷达前视高分辨成像问题,文中提出了一种基于单快拍数据稀疏重构的成像算法。在对各阵元回波信号进行脉冲压缩及运动校正后,以波束指向角为中心在主瓣范围内构建信号矢量及对应观测矩阵,利用稀疏贝叶斯学习算法对当前指向角多个阵元的单快拍数据进行稀疏重构,得到散射系数分布;进一步对不同指向角重构所得散射系数进行幅度积累,得到最终的前视图像。仿真结果表明,该算法能在低角度采样率条件下获得有效的前视超分辨图像。     

基于小波稀疏表示的压缩感知SAR成像算法研究

高分辨大场景合成孔径雷达(SAR)成像给数据存储和传输系统带来沉重负担。该文对条带式体制下的SAR成像,提出基于场景方位向小波稀疏表示的压缩感知成像方法。该方法首先沿方位向进行随机稀疏采样得到降采样的原始数据,然后在距离向采用传统匹配滤波方法实现脉冲压缩处理,方位向则利用小波基作为场景散射系数的稀疏基,并通过求解最小l1范数优化问题重构方位向散射系数。所提算法在方位向严重降采样下仍能够实现无模糊的SAR成像,实测数据成像结果表明所提算法具有较好的有效性和一定的实用性。     

基于稀疏贝叶斯学习的稀疏信号 表示ISAR成像方法

作为一种新的稀疏信号表示算法,SBL(稀疏贝叶斯学习)方法没有BP方法的结构错误,也比FOCUSS方法具有少的多的局部最小点.ISAR成像问题可以转化为稀疏信号表示的问题,因此本文首次将SBL用于ISAR成像.真实数据的成像结果表明SBL是一种比BP和FOCUSS更有效的ISAR成像算法.     

基于自学习稀疏先验的三维SAR成像方法

合成孔径雷达三维成像技术(3D SAR)能通过孔径维度扩展实现三维成像能力,但数据维度大、系统实现难、成像分辨率低。压缩感知稀疏重构技术在简化3D SAR系统、提升成像质量等方面展现出巨大潜力,但面临计算复杂度高、参数设置困难、弱稀疏场景适应差等新问题,制约了其实际应用。针对上述问题,该文结合卷积神经网络的特征学习及迭代算法的深度展开理论,提出了基于自学习稀疏先验的3D SAR成像方法。首先,探讨了常规3D SAR稀疏成像中矩阵向量线性表征模型的局限性,引入成像算子提升成像算法处理效率。其次,讨论了迭代算法映射网络的深度展开模型和实现方式,包括网络拓扑结构设计、算法参数的优化约束及网络的训练方法。最后,通过仿真数据和地面实验,证明了所提方法在提升成像精度的同时,其运行时间较传统稀疏成像算法降低一个数量级。      

基于分层贝叶斯Lasso的稀疏ISAR成像算法

逆合成孔径雷达(ISAR)目标回波具有明显的稀疏特征,传统的凸优化稀疏ISAR成像算法涉及繁琐的正则项系数调整,严重限制了超分辨成像的精度及便捷程度.针对此问题,该文面向非约束Lasso正则化模型,建立分层贝叶斯概率模型,将非约束的范数正则化问题等效转化成稀疏拉普拉斯先验建模问题,并在分层贝叶斯e1 Lasso模型中建立正则项系数依赖的概率分布,从而为实现完全自动化参数调整提供便利条件.考虑到目标稀疏散射特征和多超参数的高维统计特性,该文应用吉布斯(Gibbs)随机采样方法,实现对ISAR目标稀疏特征的求解,并同步获取包括正则项系数在内的多参数估计.基于该文研究方法可实现全部参数均通过数据学习获得,从而有效避免繁琐的参数调整过程,提升算法的自动化程度.仿真及实测数据均可证明该方法的有效性和优越性.     

基于分层贝叶斯Lasso的稀疏ISAR成像算法

逆合成孔径雷达(ISAR)目标回波具有明显的稀疏特征,传统的凸优化稀疏ISAR成像算法涉及繁琐的正则项系数调整,严重限制了超分辨成像的精度及便捷程度。针对此问题,该文面向非约束Lasso正则化模型,建立分层贝叶斯概率模型,将非约束的$ {\ell _1}$范数正则化问题等效转化成稀疏拉普拉斯先验建模问题,并在分层贝叶斯Lasso模型中建立正则项系数依赖的概率分布,从而为实现完全自动化参数调整提供便利条件。考虑到目标稀疏散射特征和多超参数的高维统计特性,该文应用吉布斯(Gibbs)随机采样方法,实现对ISAR目标稀疏特征的求解,并同步获取包括正则项系数在内的多参数估计。基于该文研究方法可实现全部参数均通过数据学习获得,从而有效避免繁琐的参数调整过程,提升算法的自动化程度。仿真及实测数据均可证明该方法的有效性和优越性。     

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。     

基于目标场景结构化稀疏重构的三维雷达成像方法

基于成像场景散射强度稀疏表示的3维雷达成像结果对目标的外形几何细节体现较差,不利于目标识别。该文首先分析了目标在成像场景内散射强度的结构化特征,然后以散射点梯度信息进行了结构化稀疏表示,构建了基于目标散射强度梯度变化的结构化稀疏重构模型,最后通过改进的联合正交匹配追踪算法重构出目标3维图像。实验结果表明,该方法具有较好...     

基于目标场景结构化稀疏重构的三维雷达成像方法

基于成像场景散射强度稀疏表示的3维雷达成像结果对目标的外形几何细节体现较差,不利于目标识别.该文首先分析了目标在成像场景内散射强度的结构化特征,然后以散射点梯度信息进行了结构化稀疏表示,构建了基于目标散射强度梯度变化的结构化稀疏重构模型,最后通过改进的联合正交匹配追踪算法重构出目标3维图像.实验结果表明,该方法具有较好的抗噪性能和成像质量,可以更好地反映目标外形几何特征.     

基于两维解卷积和稀疏回波去噪的高分辨雷达成像方法

该文提出了一种结合稀疏低秩矩阵恢复技术以及基于匹配滤波结果的反卷积算法的高分辨率雷达成像方法。对雷达回波信号进行匹配滤波操作可以最大化回波信噪比,通过推导发现经过匹配滤波操作后的回波信号可以建模为两维卷积的形式,对该结果做维纳滤波解卷积可以获得较高的分辨率。然而典型的解卷积算法面临着病态性问题,该问题会放大解卷积后的噪声、限制解卷积后的成像分辨率。文中证明了在目标稀疏分布的先验下,经过匹配滤波后的回波矩阵满足稀疏低秩的特性。在这种情况下,利用回波矩阵的稀疏低秩矩阵特征可以进一步提高信噪比,以减轻解卷积的病态性问题以及点扩散函数的平滑卷积造成目标散射低分辨率的影响。仿真实验以及实测数据证明了所提方法的有效性。      

一种两维稀疏的3D-SAR成像方法

下视阵列3D-SAR避免了多次飞行带来的去相关问题并且能够很好解决侧视SAR成像存在的阴影、叠掩等问题。但是常规下视阵列3D-SAR跨航向阵元数目较多,增加了系统的成本和复杂度;而且雷达数据需要在三个维度进行采样,回波数据量大。针对以上问题,本文提出了一种跨航向和航迹向两维稀疏的3D-SAR成像算法。在跨航向进行阵列天线随机布局,减少了阵列天线的阵元数目,在航迹向随机稀疏采样,减少了航迹向采样点数。本文采用正交匹配追踪方法对两个维度数据进行稀疏重构。最后,通过点目标仿真实验验证了成像算法的有效性。      

稀疏信道下基于稀疏贝叶斯学习的精简星座盲均衡算法

针对稀疏信道的盲均衡问题,在精简星座均衡算法框架下建立线性模型,利用稀疏信道下均衡器固有的稀疏特性,引入具有稀疏促进作用的先验分布对均衡器系数加以约束,使用稀疏贝叶斯学习方法迭代求解均衡器系数得到最大后验估计值。该文提出的均衡方法属于数据复用类均衡算法的范畴,能够适用于数据较短的应用场合。与随机梯度方法相比,算法性能受均衡器长度影响较小,收敛后误符号率性能更好,仿真实验验证了算法的有效性。