基于贝叶斯估计的高精度ISAR成像

基于贝叶斯估计原理,提出了一种贝叶斯逆合成孔径雷达(inverse synthetic aperture radar, ISAR)成像算法。基于最大后验概率准则建立ISAR成像模型,利用回波数据进行统计参数估计,以实现ISAR成像的自适应表征,从而提高ISAR成像的精度。特别是运动误差相位估计和ISAR图像的重构通过求解最优化问题实现,而未考虑误差相位的具体形式,具有较高的鲁棒性。此外,本文方法在低信噪比 (signal-to-noise ratio, SNR)条件下,可以取得良好的聚焦效果,具有较好的噪声抑制能力。最后,贝叶斯估计问题转换为最优化问题进行求解,利用快速傅里叶变换及其逆变换（fast Fourier transform/inversed fast Fourier transform, FFT/IFFT）和矩阵对应点乘（Hadamard乘积）操作,有效提高该算法的效率。基于实测数据的实验验证了本文算法的有效性。     

基于加权l1范数优化的双基地ISAR稀疏成像算法

针对低信噪比条件下实现双基地逆合成孔径雷达(inverse synthetic aperture radar, ISAR)稀疏孔径成像时重构质量较差的问题, 提出了一种基于加权l₁范数优化的高分辨成像算法。首先, 假设各像元稀疏非同分布, 利用贝叶斯准则和最大后验概率估计将双基地ISAR稀疏孔径成像问题转化为加权l₁范数约束问题, 建立成像模型; 然后, 利用柯西-牛顿算法进行加权l₁范数约束最优化问题的求解, 实现目标图像重构。由于假设各像元独立非同分布, 故通过像元加权的方式更好地利用了目标的能量聚集和结构特性, 提高了成像质量。最后, 仿真实验验证了算法的有效性和优越性。     

基于扩展距离像序列的ISAR成像相位补偿方法

逆合成孔径雷达（inverse synthetic aperture radar, ISAR）相位补偿算法对成像结果具有重要影响。首先从ISAR成像原理出发推导了相位误差产生原因,针对多普勒中心跟踪法,分析了横向交叉项对多普勒中心的影响,采用CLEAN算法分离了距离单元内强散射中心簇,构建了扩展距离像序列,提出了基于扩展距离像序列的相位补偿方法,有效地减小了横向交叉项对多普勒中心的影响,提高了相位误差估计精度。成像结果表明,该方法能够较好地补偿ISAR成像中的相位误差,噪声环境下优于其他方法。     

基于乘积型高阶相位函数的复杂运动目标ISAR成像

在逆合成孔径雷达(inverse synthetic aperture radar, ISAR)成像中,当目标存在非匀速转动甚至是三维转动时,散射点回波中高次相位项造成方位聚焦质量下降,基于目标匀速旋转模型的传统距离〖CD*2〗多普勒(range Doppler, RD)算法已经无法获得目标的清晰图像。提出了一种基于乘积型高阶相位函数(product high order phase function, PHPF)的瞬时成像方法。通过构造不同的乘积型高阶相位函数,并对其进行一维搜索即可得到调频率变化率和调频率值的估计,补偿高次相位后进行快速傅里叶变换(fast Fourier transform, FFT),根据幅度最大的位置估计中心频率和幅度信息,在距离〖CD*2〗频率平面和距离〖CD*2〗调频率平面对目标进行瞬时成像,可以获取更多的目标信息。最后,实测数据成像结果验证了该方法的有效性。     

联合运动补偿的逆合成孔径雷达成像方位定标方法

在雷达识别系统中,确定目标的尺寸对于提高目标识别能力具有重要的意义。针对逆合成孔径雷达（inverse synthetic aperture radar, ISAR）成像的定标问题,考虑了等效转台和残余平动引入的相位误差,提出了一种ISAR目标有效转动速度估计的新方法。通过在距离多普勒图像中自适应提取若干目标特征点,对其建立时变自回归模型（time varying autoregressive, TVAR）。利用多项式拟合极点的多普勒历程,解算有效转动速度与残余相位误差系数。该方法不仅能可靠实现方位定标,残余的相位误差补偿可进一步提高图像的聚焦性能。仿真和实测数据实验验证了所提方法的有效性。     

基于Beta过程的高分辨ISAR成像

对于高信噪比、完整回波、目标平稳运动等理想观测环境, 现有成像技术已经较为成熟, 可以获得聚焦良好的高分辨逆合成孔径雷达(inverse synthetic aperture radar, ISAR)像。但在实际中的方位回波缺损与低信噪比观测情况下, 随机相位误差等因素会降低现有成像算法的性能甚至使其失效。本文首先建立了ISAR稀疏观测模型, 并基于稀疏贝叶斯学习理论, 通过引入Beta过程非参数先验构建层级概率模型, 进而交替利用Gibbs采样及最大似然方法对ISAR像及随机相位误差进行估计。实验结果表明, 所提方法在低信噪比、回波缺损等复杂观测环境下能够获得聚焦良好的ISAR图像。     

双层稀疏贝叶斯学习ISAR超分辨成像算法

传统贝叶斯成像常采用拉普拉斯分布进行成像特征表征，易使得成像结果过稀疏而容易丢失部分弱散射的结构特征，进而影响逆合成孔径雷达(inverse synthetic aperture radar, ISAR)成像精度提升。为实现高精度ISAR超分辨成像，本文采用伯努利-拉普拉斯混合稀疏先验对目标统计特性进行概率建模，利用双层稀疏对目标先验进行统计约束，从而有效模拟目标散射场统计先验。并在贝叶斯层级模型下，通过引入隐变量建模的方式对先验进行分层构建，在解决先验分布与高斯似然函数不共轭问题的同时简化贝叶斯推断，降低模型复杂度。为避免繁琐的手动参数调整，实现超参数的自调节，本文对各随机变量建立条件概率依赖模型，并利用马尔可夫链蒙特卡罗随机模拟估计算法解决高维积分和后验分布难以求解的问题，实现相关超参数的统计估计，提升算法自学习能力。仿真和实测数据均证明本文所提方法具有有效性和优越性。     

基于随机阵列的NUFFT BP三维快速成像

传统的二维实阵列用于三维微波成像时,需要相对较高的脉冲重复频率才能切换发射阵元。针对这种情况,利用随机阵列来实现三维成像,目的是有效降低脉冲重复频率。进一步提出利用等效相位中心原理来实现任意随机阵列布局的可行性方案。然后,基于随机阵列,发现使用非均匀快速傅里叶变换(nonuniform fast Fourier transform,NUFFT)来实现后向投影(back projection,BP)算法的插值过程,能够用较少的运算量实现BP算法的高精度插值。最后,结合并行处理技术来实现NUFFT BP算法,结果使得BP算法的执行效率得到显著提高。     

基于Laplace先验的复贝叶斯压缩感知ISAR高分辨成像算法

针对传统方法相位校正后存在残余相位误差导致图像散焦的问题,提出基于Laplace先验的复贝叶斯压缩感知(complex Bayesian compressed sensing,CBCS)逆合成孔径雷达高分辨成像算法。首先,假设目标图像各像元服从Laplace先验,建立稀疏先验模型;然后,把相位误差作为模型误差,利用BCS理论通过迭代交替求得目标图像并实现相位误差更新。该算法直接在复数域进行贝叶斯推理求解,避免了传统方法中将复数转换为实数处理所带来的运算复杂度高、自聚焦效果不强的问题。另外,在求解过程中采用分布式计算方法,与传统的矩阵矢量化求解方法相比,进一步提高了运算效率,仿真实验验证了算法的有效性。     

高阶运动目标的长时间相参积累算法

针对具有任意阶运动的目标的长时间相参积累问题,提出一种基于多维非均匀快速傅里叶变换(non-uniform fast Fourier transform, NUFFT)的长时间相参积累算法。该算法先在快时间频域沿慢时间维利用多维NUFFT实现运动补偿,然后通过快速傅里叶逆变换(inverse fast Fourier transform, IFFT)最终实现相参积累。该算法积累性能接近理论最优且计算量小于已有算法。特别地,对于具有加加速度的运动目标进一步提出基于Wigner NUFFT的相参积累算法,该算法相比多维NUFFT,计算量大大减小,但对积累前单个脉冲的信噪比提出更高要求。仿真结果证明了所提算法的有效性。     

采用ISAR像估计弹道目标微动特征的方法

逆合成孔径雷达(inverse synthetic aperture radar, ISAR)像序列可以反映弹道目标在微动周期内的姿态变换及结构特征,本文在此基础上提出一种利用ISAR像序列估计弹道目标微动特征的方法。首先基于relax算法提取较强的散射点,并采用距离多普勒方法成像,然后利用灰度匹配算法对ISAR图像进行匹配,以提高微动周期估计精度。通过分析散射点在成像平面上的投影关系从而建立散射点空间坐标与目标微动特征之间的联系,并根据散射点在ISAR图像序列上的相对位置差值与散射点空间坐标的表达式,估计目标的微动参数。最后,仿真验证该方法的可行性与有效性,仿真结果表明该方法估计精度较高。     

散射区域加权压缩感知ISAR成像

压缩感知(compressive sensing,CS)理论为少量脉冲条件下实现高分辨逆合成孔径雷达(inverse synthetic aperture radar, ISAR)成像提供了新方法。然而由于CS的噪声敏感性,其成像易受到噪声污染;另外,少量脉冲条件下很难保证噪声参数估计精度,这进一步加剧了ISAR成像污染。针对这一问题,提出一种散射区域加权CS ISAR成像算法,利用目标散射区域信息对冗余字典中的基函数进行加权,修正CS重建算法以抑制噪声散斑。为提高噪声参数估计精度,对回波采样建立子序列矩阵,提出矩阵扰动理论噪声参数估计方法。实验结果表明,所提方法能够有效抑制噪声影响,提高低信噪比和少量脉冲条件下ISAR成像质量。     

基于MIMO-ISAR的弹道目标结构参数估计方法

传统的单站逆合成孔径雷达(inverse synthetic aperture radar, ISAR)成像为实现方位向的高分辨,往往会增大成像时间,但对于高速运动的弹道目标而言,此方法并不适用。针对这一问题,提出利用多输入多输出逆合成孔径雷达(multiple input multiple output ISAR, MIMO-ISAR)在空间上的多分布来达到时间上积累的效果。在得到多通道回波信号后,利用时频图和时间距离像对弹道目标锥顶散射点进行匹配。然后根据锥顶散射点信息对多幅ISAR像进行配准融合,得到一幅高分辨的融合ISAR像。最后利用不同雷达视线下的目标投影长度和目标几何参数之间存在的映射关系,反演出弹道目标的几何结构参数。通过仿真结果可以验证算法的有效性。     

空间目标成像中基于FrFT的高精度距离压缩方法

针对星载雷达空间目标成像遇到的距离向回波调制问题,通过对星载平台下空间高速平稳目标运动特性的分析,提出基于分数阶傅里叶变换(fractional Fourier transform, FrFT)和多项式拟合的高精度距离向压缩方法。该方法利用FrFT对空间目标的部分解调回波进行距离向压缩,并结合多项式拟合迭代获取随方位时间变化的径向速度,为距离向压缩提供精确的分数阶旋转角。与传统逆合成孔径雷达(inverse synthetic aperture radar,ISAR)距离向压缩方法相比,该方法能够实现高精度距离向压缩,从而提高成像质量。仿真实验验证了该方法的有效性。     

多基站ISAR成像模型与运动参数估计

针对单站逆合成孔径雷达（inverse synthetic aperture radar, ISAR）成像中难以准确获得目标散射点方位向尺度和运动参数的问题,建立了平面匀加速度运动目标的多基站ISAR目标成像模型,给出了目标成像和运动参数估计算法,分析了多基站ISAR成像约束。目标散射点的坐标由距离向投影方程组求解得到,基于方位向多普勒方程组通过搜索算法最小化目标函数实现目标的固有转速和目标相对于平动补偿后各基站视向量变化的转速的分离,得到目标的位置和目标运动参数的准确估计。仿真实验验证了多基站ISAR平面成像模型和运动参数估计方法。     

ISAR信号模拟源

ISAR(逆合成孔径雷达)信号模拟源主要用于在地面条件下方便快速地检查ISAR的综合成像能力,亦可作为ISAR的调试设备和检测设备.它由微波电路、光电子电路和计算机控制部分组成.采用把收到的信号经调制、延时后再发射回去.这时ISAR收到的回波信号已不是原来发射的信号,而是含有目标信息的复杂ISAR信号.用这种信号便可检查ISAR的综合成像能力.     

ESPRIT超分辨ISAR成像

提高图像分辨率一直是ＩＳＡＲ研究的重要内容，常规的ＩＳＡＲ成像算法在这方面存在着不足。将普遍运用于方向估计中的旋转不变参数估计技术（ＥｓｔｉｍａｔｉｏｎｏｆＳｉｇｎａｌＰａｒａｍｅｔｅｒｖｉａＲｏｔａｔｉｏｎａｌＩｎｖａｒｉａｎｃｅＴｅｃｈｎｉａｑｕｅｓ，ＥＳＰＲＩＴ）与ＩＳＡＲ成像的基本原理相结合，提出了ＥＳＰＲＩＴ超分辨ＩＳＡＲ成像算法。从实验结果看，这种超分辨算法显著提高了图像分辨率。