利用二维结构稀疏信息的调频步进ISAR高分辨成像新方法

针对已有利用压缩感知理论进行逆合成孔径（Inverse Synthetic Aperture Radar,ISAR）成像方法在低信噪比、欠采样率条件下性能下降严重等问题,依托调频步进波形独有特征并充分利用目标分布的二维结构稀疏信息,提出一种"先方位聚焦后距离分辨"的调频步进ISAR高分辨成像新方法.首先,对回波进行子脉冲脉压,在分析调频步进ISAR回波方位向特有的结构稀疏特征基础上,构建方位向的分布式压缩感知稀疏重构模型;其次,采用分布式压缩感知算法对该模型重构,从而获得低信噪比条件下的方位高分辨成像;最后,利用距离维的回波特征构建任意稀疏重构模型,实现距离向快速成像.由于该方法先进行方位聚焦,再进行距离分辨,并充分利用了目标的结构稀疏性,因此不仅具有抗噪性能强、重构精度高以及采样率低等特点,且避免了越距离单元走动对方位聚焦的影响.仿真与实测数据实验验证了本文方法的有效性.     

基于联合块稀疏模型的随机调频步进ISAR成像方法

在回波数据稀疏、低信噪比等不利条件下,利用随机调频步进信号进行ISAR成像时,成像性能将会严重下降。针对上述问题,该文在充分分析随机调频步进信号回波特性的基础上,提出利用目标距离向具有的联合块稀疏特征来获得高质量ISAR图像的新方法。首先,推导了在随机调频步进信号发射波形条件下目标回波信号的联合块稀疏成像模型并分析了该模型特征;其次,提出了联合块稀疏正交匹配追踪稀疏重构算法(JBOMP)实现对模型的求解。该算法利用ISAR回波信号具有的块稀疏以及联合稀疏等先验信息,因此在低量测值、低信噪比条件下的ISAR成像性能得到了增强。所提算法还可以实现对多维信号的联合处理,且具有较快的运算速度。理论分析与仿真实验均验证了所提方法的有效性。     

基于线性调频步进信号的ISAR成像技术研究

分析了线性调频步进雷达信号(LMFS)的形式及成像的特点,利用对雷达发射信号的设计,提出了此类信号切实可行的运动补偿方案;提出了两种形成延展目标ISAR像的拼接方法;最后通过实测数据验证所提运动补偿方法的有效性并通过仿真验证了所提ISAR像拼接方法的正确性。     

线性调频步进信号雷达微动目标成像方法

旋转和振动是最常见的微动形式.目标微动会产生微多普勒效应,微多普勒特征对于目标识别与分类具有重要意义.微多普勒的存在使得目标主体的ISAR像受到污染,严重时无法识别.微多普勒对雷达分辨率极其敏感,因此宽带信号下的微多普勒研究十分必要.在线性调频步进信号体制下,引入相消处理的思想,在精分辨谱图域分离并提取微动目标的微多普勒信息,得到较为清晰的目标ISAR像,仿真验证了方法的有效性.     

基于线性调频步进信号的高速目标ISAR成像

该文讨论了一种利用线性调频步进(LMSF)雷达信号通过频域带宽合成以进行高距离分辨率逆合成孔径雷达(ISAR)成像的方法。文中建立了高速目标的回波模型。为了精确估计高速运动目标运动参数,给出了利用包络对齐和多普勒中心估计拟合目标运动轨迹的方法。针对ISAR中目标回波的特点,对原始的多普勒中心估计方法进行了改进,提高了运动参数估计精度。最后给出了处理流程,并用仿真结果验证此种方法的有效性。     

随机稀疏调频步进信号距离像抗混叠方法研究

传统步进频率波形不模糊距离窗大小受载频步进量制约,将会导致距离像混叠等问题.针对此问题,基于压缩感知理论,研究了一种随机稀疏调频步进信号距离像抗混叠方法.首先对子脉冲进行脉压（Dechirp）处理,将处理后的回波信号看作为具有等效带宽线性调频信号回波的量测数据;其次根据子脉冲随机发射方式构造相应的量测矩阵,得到随机稀疏调频步进信号的压缩感知重构模型,并采用压缩感知重构算法得到高分辨一维距离像.最后,对该方法不模糊距离窗大小进行了分析,并给出了影响不模糊距离窗大小的因素和参数设置原则.所研究方法通过将随机稀疏调频步进信号的距离像合成处理等效为LFM信号的距离像合成过程,既降低了载频步进量对不模糊距离窗大小的限制,克服了距离像混叠问题,又提高了距离像合成性能.仿真实验进一步验证了本文方法的有效性.     

稀疏线性调频步进信号ISAR成像观测矩阵自适应优化方法

基于压缩感知(CS)理论的稀疏线性调频步进信号(SFCS)逆合成孔径雷达(ISAR)成像技术能够从少量观测数据中高概率重构出目标像,其中,观测矩阵的优化设计是提高成像质量和减少观测数据量的有效途径。然而,现有的观测矩阵优化设计研究通常没有考虑目标特征信息的有效利用,对目标的自适应能力不足。因此,该文在充分利用目标特征信息的基础上,结合稀疏SFCS信号的实际物理观测过程,提出一种ISAR成像观测矩阵自适应优化方法。该方法首先建立参数化稀疏表征成像模型以解决稀疏SFCS信号多普勒敏感问题,在此基础上,以在达到成像质量要求条件下使用最少观测数据量获得最优成像结果为目标对观测矩阵进行自适应优化设计,最终能够利用最少的数据量获得满意的目标成像结果。仿真实验验证了该算法的有效性。     

基于步进调频的非合作目标ISAR成像

作为典型的高分辨率雷达,逆合成孔径雷达(ISAR)能够对观测目标进行全天候、全天时、远距离的成像。采用非合作目标ISAR成像模型及步进调频信号的ISAR成像技术,阐述了平动补偿、最优成像时间段的选取、横向距离高分辨率,进行了非合作目标的二维ISAR成像设计。     

基于线性调频步进ISAR参数估计和成像算法研究

本文在建立了线性调频步进ISAR回波信号模型的基础上,对线性调频步进ISAR信号特性进行了分析,指出径向速度和加速度将严重影响线性调频步进ISAR成像;因此,为了得到更好的ISAR图像,本文提出了一种新的基于线性调频步进ISAR的成像方法,充分利用距离时域包络和方位多普勒信息对径向速度和加速度进行精确的估计,同时在数据中对运动参数加以补偿,并最终实现方位多普勒成像;而且,该方法还适用于较低信噪比情况下的ISAR成像;在最后,本文给出了线性调频步进ISAR成像的详细步骤,并用不同信噪比的仿真数据验证了本文所提出方法的可行性。     

基于原子范数最小化的步进频率ISAR一维高分辨距离成像方法

针对传统离散化压缩感知方法在网格失配条件下步进频率(SF)?ISAR?1维距离成像估计性能下降的问题,该文提出一种基于原子范数最小化(ANM)的高分辨距离成像方法.首先,构建基于原子范数的无网格SF?IS-AR距离向稀疏表示模型,将1维距离成像问题转化为原子系数以及频率估计问题.然后,利用原子范数半正定性质,将原子范数...     

随机线性调频步进雷达波形设计及成像算法研究

线性调频步进信号能在不增加系统瞬时带宽的情况下用数字信号处理的方法获得高的距离像分辨率,是一种高效的雷达信号形式。针对传统的线性调频步进信号抗干扰能力较差的问题,该文提出一种可以随机发射线性调频步进信号子脉冲的波形设计方法,结合压缩感知理论,运用较少的子脉冲实现了对运动目标1维距离像的重构和高分辨的2维成像。在此基础上,进一步分析了目标运动对随机线性调频步进信号雷达成像的影响,设计了包含测速脉冲的随机线性调频步进信号,并提出了基于时频分析、Radon变换和二值数学形态学相结合的运动速度估计及补偿方法。仿真实验验证了随机线性调频步进信号逆合成孔径雷达的性能及该文方法的有效性。     

基于高精度运动信息的ISAR分辨率评估方法

ISAR分辨率评估是空间目标成像雷达精度鉴定的重要内容.该文针对ISAR分辨率评估中的基准计算与方法设计两个关键问题进行了详细分析,进而提出了基于空间目标高精度轨道与遥测姿态等运动信息的ISAR方位向定标方法.在此基础上,建立了一种新的ISAR分辨率评估方法.利用某雷达精度鉴定试验中对不同空间目标的实测成像数据,验证了...     

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。     

基于原子范数最小化的步进频率ISAR一维高分辨距离成像方法

针对传统离散化压缩感知方法在网格失配条件下步进频率(SF)?ISAR?1维距离成像估计性能下降的问题,该文提出一种基于原子范数最小化(ANM)的高分辨距离成像方法.首先,构建基于原子范数的无网格SF?IS-AR距离向稀疏表示模型,将1维距离成像问题转化为原子系数以及频率估计问题.然后,利用原子范数半正定性质,将原子范数最小化问题转化为半正定规划问题,并基于交替方向乘子法实现快速求解.最后,利用Vander-monde分解得到最终的1维高分辨距离成像结果.由于避免了网格离散化处理,因此可以实现网格失配、低量测值条件下的高分辨距离成像,且保持了高的距离分辨能力.理论分析与仿真实验验证了所提方法的有效性.