基于块稀疏的空间碎片群目标成像方法

针对星载雷达空间碎片群目标回波无法分离问题,该文利用回波在距离向表现出的块聚集特性,提出一种基于块稀疏的高分辨ISAR成像方法。基于块稀疏压缩感知理论,通过利用空间碎片群目标特性,抽取出各个碎片的高分辨1维距离像数据,并结合平动补偿和距离多普勒(RD)算法得到各碎片的ISAR像。在小样本条件下,该方法能够有效实现空间碎片的数据分离和高分辨ISAR成像。仿真实验表明,该方法的重构精度以及运算速度均优于非结构类的稀疏ISAR成像方法。     

空间目标卡尔曼滤波稀疏成像方法

鉴于卡尔曼滤波器(KF)具有优良的信号估计性能,将KF与贪婪算法相结合,该文给出稀疏约束下的基于KF的空间目标逆合成孔径雷达(ISAR)成像方法。考虑到有些空间目标尺寸较大或包含大尺寸部件,或成像积累时间较长,会引入越分辨单元走动(MTRC)和方位向2次相位调制,首先对回波进行MTRC校正,然后构建包含2次相位的观测矩阵,通过使图像锐度最大化,估计目标转动角速度,获得聚焦目标图像,并将估计转速用于方位向图像定标。卫星仿真ISAR数据处理验证了上述成像处理方法的有效性。成像效果优于传统距离多普勒(RD)和正交匹配追踪(OMP)方法。     

稀疏采样数据大转角高分辨ISAR成像技术研究

针对方位向稀疏采样条件下,大带宽大转角ISAR高分辨成像时,转动分量引起的一维距离像中目标散射点的距离走动和空变二次相位问题,研究了一种稀疏采样数据ISAR高分辨成像方法。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,将Keystone变换和稀疏恢复相结合,实现方位向稀疏采样数据距离走动校正和缺失采样位置一维像重建,接着采用基于LVD变换的二阶相位估计方法对二阶转动相位进行估计并补偿,完成高分辨成像。计算机仿真和暗室测量数据验证了该方法的有效性。     

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。     

基于频域稀疏非均匀采样的雷达目标一维高分辨成像

雷达目标的高分辨距离像具有稀疏和可压缩的特点,可以在频域进行稀疏非均匀采样获得目标的宽带散射数据,再通过恰当的信号处理手段得到一维高分辨像.本文描述了基于频域稀疏非均匀采样的雷达一维成像数学模型,从参数估计的角度比较了稀疏非均匀采样与均匀采样的成像性能,提出了非均匀采样点选取方法;分别应用参数估计方法和稀疏像重构方法实现了基于频域稀疏非均匀采样的雷达目标一维高分辨成像.采用暗室测量数据比较了两种方法的性能,验证了频域稀疏非均匀采样在降低数据量、提高分辨力方面的优势.     

基于相关准则的稀疏微波成像方位向采样优化方法

稀疏微波成像将稀疏信号处理理论系统性地引入微波成像中,与传统合成孔径雷达成像相比,具有提高成像质量、降低系统复杂度等优点。稀疏采样方式是影响稀疏微波成像重建质量的重要因素。该文主要研究方位向稀疏采样的优化问题,分析了稀疏微波成像观测矩阵的相关系数与重建能力的关系,在此基础上提出一种基于相关系数的优化准则,并对方位向稀疏采样参数进行优化。仿真结果验证了所提优化方法的有效性。     

空间碎片SRMF-CLEAN成像算法

提出一种空间碎片SRMF-CLEAN成像算法.该算法成功地将太空碎片运动的先验知识纳入到雷达成像过程之内,成像中利用单距离匹配滤波(Single Range Matching Filtering,简称SRMF)快速算法有效提高了分辨率与成像速度,并采用点扩展函数参数化模型,通过修正CLEAN算法抑制点扩展函数扰动的影响.二者结合,有效地实现了太空碎片高分辨成像.理论推导和仿真结果验证了该方法的有效性.     

欠采样下宽带自旋目标的快速高分辨成像方法

逆合成孔径雷达(ISAR)观测自旋目标时,自旋目标回波的距离-多普勒时变性会导致传统成像方法失效。针对此问题,该文提出一种基于分布式匹配稀疏表示模型的宽带自旋目标快速高分辨成像方法。首先,通过自旋目标回波在距离频域表征出的稀疏性,构建分布式匹配稀疏表示模型;其次,研究快速分布式同步多正交匹配追踪算法,并通过减少算法总的迭代次数和每次迭代运算量来提高算法的重构效率,同时设计相关阈值抑制虚假重构散射点,实现鲁棒成像;最后,从理论上分析该方法在欠采样及低信噪比条件下依然可获得高质量图像的机理。仿真结果证明了该方法的有效性。     

一种基于二维信号稀疏重构的互质采样星载SAR成像处理方法

互质采样星载SAR通过方位互质采样代替传统方位均匀采样,可有效缓解空间分辨率与有效成像宽度之间的相互制约,提升SAR系统的对地探测性能。然而,方位向互质采样使得回波信号呈现方位欠采样及非均匀采样特性,导致传统SAR成像处理方法无法实现互质采样星载SAR的有效成像处理。该文提出一种基于2维信号稀疏重构的互质采样星载SAR成像处理方法。该方法在距离向脉冲压缩后,根据各距离门的多普勒参数截取2维观测信号并构造相应的稀疏字典,然后通过改进的2维信号稀疏度自适应匹配追踪算法完成方位聚焦处理。该方法不仅可以补偿SAR回波信号的距离方位2维耦合,还可以消除成像参数随距离空变对稀疏重构造成的影响,从而实现全场景的精确重构。点目标及分布目标仿真实验结果验证了所提算法可在远低于奈奎斯特采样率的情况下实现稀疏场景的有效重构。      

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.     

SRMF-CLEAN Imaging Algorithm for Space Debris

A single-range matching filtering (SRMF)-CLEAN imaging algorithm for space debris is proposed in this paper. The proposed algorithm can successfully incorporate the prior moving information of the space debris into the imaging process. Since the SRMF algorithm can improve the resolution and imaging speed effectively, and the disturbance of the point spread function can be cancelled by the modified CLEAN algorithm, the high resolution images of space debris can be obtained by SRMF-CLEAN method effectively. Studies and simulations confirm the validness of the proposed algorithm.     

空间碎片红外观测的背景模拟与仿真研究

对空间碎片的光学观测是近年来红外研究领域重要的研究主题之一.它在目标的探测、跟踪、识别等领域有着广阔的应用前景.通过对大空间碎片的平衡温度的计算,完成了对其红外辐射照度的建模,最后通过仿真试验,绘制出了基于空间碎片影响的部分天基目标红外观测的星空背景图像;这对完成天基中低轨传感器对空间目标的在轨观测有着极为重要的意义.     

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.     

基于稀疏成份分析的逆合成孔径雷达成像技术

根据小角度条件下的逆合成孔径雷达观测模型,利用稀疏成份分析方法给出了基于FFT的二维联合超分辨算法和二维解耦超分辨成像算法.该算法能从补偿后的较低分辨率测量数据中获得更高分辨率的ISAR图像,提高图像的清晰度,凸现目标的特征结构,有利于目标识别.同时,二维解耦算法能与运动补偿过程相结合,以提高补偿精度.针对典型空间目标的成像结果表明,基于FFT的二维联合算法获得的图像较为干净,目标背景对比度高;二维解耦算法运算速度更快.算法能满足实时或准实时成像的要求.     

基于低秩结构的宽角SAR稀疏成像

在合成孔径雷达（Synthetic Aperture Radar,SAR）成像中,当方位向合成孔径较大时,观测区域内目标的电磁特征会表现为各向异性,导致基于各向同性假设的传统SAR成像方法不再适用。为此,宽角SAR成像方法通过将宽孔径划分为多个子孔径,利用每个子孔径对应的回波数据单独成像,实现对目标雷达图像的多角度重构。由于目标的散射特性在相邻子孔径中通常不会发生较大改变,每个子孔径的强散射中心分布高度相似,使得宽角SAR的成像结果具有低秩结构,即相邻子孔径对应的目标成像结果的支撑集相近。为了使用这种相关性,将Karhunen Loeve (KL)变换引入到宽角SAR成像过程中,再利用目标强散射中心分布的稀疏特性,建立基于低秩结构的宽角SAR稀疏成像模型。采用增广拉格朗日法（Augmented Lagrangian,AL）和交替方向乘子（Alternating Direction Method of Multipliers,ADMM）对上述成像模型进行迭代求解,从而获得宽角SAR成像结果。相比于传统的宽角SAR成像方法,本文所述方法不仅能提高目标后向散射系数的重建精度,还能有效抑制旁瓣...