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。     

基于统计压缩感知的短孔径ISAR成像方法研究

针对短孔径压缩感知(CS)逆合成孔径雷达(ISAR)成像中仅依靠能量判断距离单元中的散射点数目可能会引起虚假点或漏检的问题,本文提出了一种基于统计CS的短孔径成像方法。该方法利用目标所处环境的背景噪声与杂波的统计信息来提取散射点,按照期望的虚警概率设置检测门限,对所有距离单元的回波信号进行高斯检测,筛选出存在散射点的距离单元,最后利用统计CS技术进行散射点的参数估计并成像。实测数据的处理结果验证了该方法可以充分表现目标的几何细节特征,并且仅用非常有限的脉冲就可得到高分辨的目标图像。     

一种基于压缩感知的稀疏孔径SAR成像方法

 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.本文针对条带式SAR成像,提出一种基于压缩感知技术的稀疏孔径SAR成像方法.该方法沿方位向以部分子孔径采样的方式获取降采样的原始数据,然后在距离向采用传统匹配滤波方法实现脉冲压缩处理,在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.该方法在存在多普勒参数误差情况下,能够有效实现多普勒参数估计,具有良好稳健性.仿真和实测数据成像结果表明所提算法在方位向严重降采样条件下仍能够实现无模糊的SAR成像,具有较强的有效性与实用性.     

基于CV-FISTA网络的稀疏孔径ISAR成像方法

逆合成孔径雷达(inverse synthetic aperture radar,ISAR)在雷达目标识别、空间监视和弹道导弹防御等领域发挥着重要作用。针对传统稀疏孔径ISAR成像算法对参数敏感和收敛速度慢的问题,提出一种基于复值快速迭代收缩阈值算法网络的稀疏孔径ISAR成像恢复方法。将加速近端梯度方法引入稀疏重构算法中,并将其迭代步骤构建为深度展开网络的隐藏层,构建初始参数相同的随机散射点和飞机散射点的数据集,将复值一维距离像作为网络的输入,利用ISAR像对应的标签对网络进行训练和验证。该方法直接处理复数数据替代传统的分实虚部两路计算方法,显著减少了计算负担。仿真实验表明,相较于传统模型驱动算法,通过对网络进行训练避免了手动调参过程,收敛速度更快,成像质量更高,而且对于特征差异较大的数据具有更好的泛化能力。     

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。     

基于压缩感知的进动目标ISAR成像方法

针对弹道中段进动目标姿态复杂变化给逆合成孔径雷达(Inverse Synthetic Aperture Radar,ISAR)成像带来的困难,在分析旋转对称进动目标回波模型的基础上,给出了回波模型的线性化表征形式,提出了基于压缩感知的进动目标成像方法,根据算法资源需求提供了两种数据处理方式,〖JP2〗即二维联合处理和分频处理,并对二者的性能进行了分析比较。〖KG-*4〗基于暗室测量数据的实验结果表明,与现有方法相比,〖JP〗所提方法通过少量回波数据即可实现进动目标的高分辨成像,改善了成像质量,并提高了对进动参数的稳定性。     

基于GPD的稳健贝叶斯压缩感知ISAR成像方法

现有贝叶斯压缩感知(Bayesian Compressed Sensing,BCS)-逆合成孔径雷达(Inverse Synthetic Aperture Radar,ISAR)成像算法中先验分布模型不能很好地满足可压缩性,导致成像精度随脉冲数目的减小、高斯噪声的增强而急剧下降。为此,提出了一种基于广义Pareto分布改进BCS成像方法(Improving BCS imaging based on GPD,IGPCS)。该方法主要在BCS框架下利用广义Pareto先验分布替代传统的广义Gaussian先验分布,以增强模拟信号的稀疏先验和可压缩性。进一步地,为了克服后验概率模型计算困难等问题,采用最大后验(Maximum A Posteriori,MAP)方法对超参数进行估计。通过对Mig-25小型飞机的ISAR模拟实验表明,与传统方法相比,IGPCS方法能够获取极高的成像精度,并且对低脉冲数、强高斯噪声环境具有较强的鲁棒性。     

基于压缩感知的ISAR高分辨成像算法

针对 ISAR 在短孔径条件下存在的方位向分辨率低、易受噪声干扰等问题,基于压缩感知理论,提出了一种适用于短孔径时间模式下的基于压缩感知的ISAR方位向高分辨成像算法--PH-SL0算法。该算法首先构建部分随机化哈达玛矩阵作为量测矩阵,PH 矩阵具有重构精度高、重构需要量测个数少的优点;然后将运算速度快、重构精度高且稳健性好的平滑0-范数法（SL0, smoothed L0-norm）推广应用到雷达复数域进行信号重构,实现 ISAR的横向高分辨成像;最后对在短 CPI条件下提出的 PH-SL0算法的横向分辨率问题进行了理论分析。仿真和实测数据结果表明,所提算法具有更高的聚焦性能、分辨率以及较好的抗噪性能。     

基于贝叶斯压缩感知的ISAR自聚焦成像

针对ISAR自聚焦成像,该文提出一种基于贝叶斯压缩感知的高分辨率成像算法。首先利用目标图像的稀疏特性构建级联形式的稀疏先验模型,同时将相位误差建模为均匀分布模型;然后基于最大后验准则,依据贝叶斯压缩感知理论交替迭代求解目标图像和相位误差。与传统稀疏方法相比,所提算法进一步利用了目标图像的联合稀疏信息,将ISAR CS成像转化为MMV联合稀疏优化问题的求解,可以有效改善自聚焦的精度以及成像质量。仿真结果验证了该算法的有效性。     

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。     

利用线性Bregman迭代的ISAR高分辨成像

为获得ISAR方位向高分辨成像性能,基于压缩感知理论,提出了一种具有方位向高分辨能力的算法。该算法基于线性Bregman迭代(LBI)实现ISAR方位向高分辨。首先将重构精度高的LBI推广到复数域;然后进行了算法的理论分析,与正交匹配追踪算法对比分析了LBI算法的有效性以及稀疏度和采样率对重构精度的影响,仿真结果表明推广到复数域后的LBI能够有效实现复数稀疏信号的重构,验证了算法的优越性;最后将算法运用于ISAR方位向成像。仿真结果验证了LBI算法可明显提高ISAR方位向分辨率。     

基于RWT的旋转微动目标二维ISAR成像算法

本文针对旋转微动目标的二维ISAR成像问题,首先,分析了目标旋转微动及刚体部件在距离-慢时间域的回波特性;其次,提出了基于解正弦调频RWT的旋转微动部件成像算法,同时,提取旋转微动散射点的位置参数并滤除其回波,对剩余回波采用基于RWT方法进行刚体回波重建,并利用传统RD算法获得刚体ISAR像;最后,仿真结果证明了本文算...     

一种通用的SAR/ISAR自聚焦方法

首先介绍了我们最近提出的一种ISAR自聚焦新方法AUTOCLEAN(AUTOfocus viaCLEAN),然后对其中的特征提取算法进行了深入研究。研究结果表明,用CLEAN作为特征提取算法是合适的。AUTOCLEAN不仅是一种稳健的ISAR自聚焦方法,而且还可以推广应用到聚束SAR、曲线SAR和机载双天线干涉SAR中的自聚焦处理。     

基于压缩感知的鸟类目标成像稀疏合成方法

对鸟类目标进行高分辨成像是确保飞行安全的重要举措.针对现有雷达分辨率过低问题,提出了利用逆合成孔径激光雷达进行鸟类目标高分辨成像探测的构想.给出了逆合成孔径激光雷达实现鸟类成像的原理框图,以此为基础,提出了一种基于压缩感知的稀疏合成方法,该方法能以较少的有效数据获得准确的高分辨方位像.仿真结果证明了方法的有效性.     

一种基于MIMO技术的ISAR成像方法

传统的ISAR成像模型要求目标在积累期间近似做平稳运动,但由于其积累时间较长,目标飞行速度和姿态的变化将对成像效果造成很大的影响.本文将MIMO技术与ISAR成像相结合,提出了一种MIMO-ISAR成像方法,它采用一种特殊设计的M发N收线性阵列,发射一组M个同频带时域正交PCM信号,在接收端通过匹配滤波完成信号分选也即实现了距离压缩,然后基于PCA原理,以最小熵准则对目标水平速度分量进行估计后将整个积累期间的回波数据进行重新排列和插值,最后进行方位多普勒分辨成像并做MTRC校正.从理论推导及仿真实验结果来看,该方法在达到同样方位分辨率的前提下其积累时间最少时只有传统ISAR的 1 MN ,这极大的缩短了积累时间,从而使大部分飞行目标均能满足在积累期间近似做匀速直线运动的条件,扩展了ISAR成像的适用范围,提高了成像效果.     

基于贝叶斯检验模型的压缩感知算法及应用

针对正交匹配追踪(OMP)算法需设置冗余的支撑集,导致信号重构时运算量变大、抗噪性能和重构性能变差等问题,提出了一种基于贝叶斯模型的OMP(BOMP,bayesian orthogonal matching pursuit)算法。首先利用贝叶斯检验模型和OMP算法合理去除支撑集中的冗余部分,得到相等或略大于信号真实稀疏度的支撑集;其次构建BOMP的信号重构算法;最后将算法应用于ISAR成像。仿真和实测数据结果表明,由于本文算法可近似估计到信号的真实稀疏度,因此具有更好的抗噪性能以及重构精度,相应的运算量也明显减少。     

ISAR雷达干扰机的实现

给出了一种典型的ISAR雷达干扰机实现方法,讨论了关键部分的组成和功能。经过内外场实验证明该干扰机具有良好的干扰效果。     

ISAR快速CBP成像算法研究*

对应用于逆合成孔径雷达(Inverse Synthetic Aperture Radar, ISAR)成像中的卷积反投影(Convolution Back Projection, CBP)算法进行了研究。提出了一种改进的CBP 算法,通过一次一维平移插值即可完成CBP 算法中 所有的插值工作。在此基础上,对大场景采用分块并行处理。通过FEKO 中目标仿真数据的成像表明,改进算法的 成像效率远高于常规CBP 算法。     

基于分布式压缩感知的全极化雷达超分辨成像

基于分布式压缩感知理论,提出了一种全极化逆合成孔径雷达超分辨成像算法,联合各极化通道进行超分辨处理.首先,建立全极化信号模型及超分辨字典,利用各极化通道信号的联合稀疏性将全极化超分辨成像建模为最小L2,1范数的优化问题,运用一种快速算法求解该优化问题.由于利用联合稀疏约束,多极化通道联合成像相比于单通道成像能够获得更好的超分辨性能和噪声抑制能力,最终有效提高图像极化融合的效果.同时,采用快速傅里叶变换操作提升了算法的运算效率.基于backhoe的仿真数据实验验证了该算法的优越性.