基于压缩感知的条带随机噪声雷达稀疏成像方法

将压缩感知理论与条带随机噪声雷达相结合,在假设场景目标稀疏的前提下,通过构造随机噪声的不同时延矩阵为稀疏变换矩阵以及通过构造随机噪声与部分单位阵的乘积为观测矩阵,提出了一种基于压缩感知的条带随机噪声雷达稀疏成像方法。该方法能在大幅减少回波信号采样数据量的前提下,准确重建出原始场景目标高分辨像。仿真结果证明了该方法的有效性与鲁棒性。     

多带正交压缩采样雷达回波信号的快速重构

多带正交压缩采样可实现多带模拟信号的亚Landau率采样,并同时获取每个子带同相和正交分量的压缩测量。对于多带雷达应用而言,恢复所有子带回波信号需求解多个大规模稀疏重构问题,计算量大、实时能力差。以探测同一场景的等带宽多带雷达为背景,在分析回波信号特征的基础上,揭示回波信号的块稀疏性,提出采用块稀疏重构模型恢复所有子带回波,发展块稀疏分段滑动快速重构方法。为了提高重构性能,对块正交匹配追踪算法进行了改进,提出了一个两步块正交匹配追踪算法。仿真结果验证了块稀疏分段滑动重构方法的有效性和正确性。     

基于压缩感知信号重构的间歇采样转发干扰对抗方法

间歇采样转发干扰是一种针对大时宽带宽线性调频(linear frequency modulation, LFM)信号的新型相干干扰样式,通过不同的参数设置可以形成逼真多假目标以及具有压制效果的密集假目标干扰。根据间歇采样转发干扰“存储转发存储转发”的干扰特点,给出了能量函数的定义,并根据目标回波信号和干扰信号能量函数的特征差异,提出了一种提取未受干扰影响的目标回波信号数据的方法;然后将其看作目标回波信号的压缩数据,利用其与解线调处理后的目标回波信号稀疏频域之间的线性关系,构建了压缩感知最小问题求解模型;最后,利用正交匹配追踪算法重构了目标回波信号,实现了对间歇采样转发干扰的抑制。蒙特卡罗仿真结果表明:通过设置合适的阈值,所提方法可以获得较好的干扰抑制性能和较高的抗干扰成功概率,并且不仅适用于中带LFM匹配滤波体制雷达,而且适应于宽带LFM去斜体制雷达。     

基于压缩感知的条带SAR缺失数据恢复成像方法

针对条带模式合成孔径雷达回波缺失数据,提出了一种利用压缩感知恢复缺失数据并成像的方法。将条带数据分块为多个子孔径数据,对子孔径利用压缩感知恢复缺失数据并拼接得到条带数据,缩短了整个数据的恢复时间,推导了压缩感知处理的基矩阵和测量矩阵。运用最大似然估计的特征向量方法(eigenvector method for maximum- likelihood estimation, EMMLE)实现了子孔径缺失数据的自聚焦,满足了压缩感知对图像的稀疏要求。利用压缩感知恢复完整的相位误差信号,解决了子孔径补偿相位误差数据的拼接问题。最后通过对恢复的雷达回波数据成像并自聚焦校正了距离徙动,得到了聚焦良好的完整图像,提高了缺失数据的成像质量。     

基于频域稀疏压缩感知的雷达目标三维散射中心反演方法

基于平面阵列的微波天线结构可以获取多视角下的目标散射中心三维分布。针对平面阵列稀疏分布导致的目标成像及散射中心反演精度较差的问题, 设计了一种基于组合巴克码的稀疏孔径分布方式。在此基础上, 利用稀疏孔径回波和频域主成分分析得到参考复数信号。利用该参考复数信号对原始回波进行干涉处理, 获得回波频谱的稀疏表征方式。在频域建立基于压缩感知的目标散射中心三维分布模型并进行优化求解, 得到重构后的目标三维频谱, 并逆变换至空间域, 可实现目标散射中心幅度及三维位置重建。暗室试验数据处理结果表明, 所提方法在X波段和稀疏采样率为50%的条件下, 目标散射中心幅度及三维位置反演精度均优于90%。     

基于压缩感知的米波雷达低空测角算法

为解决多径环境下米波雷达对低空目标探测问题,本文结合信号空域稀疏性和多径模型下的复合导向矢量提出了一种多径环境下高分辨的低空测角方法,能够有效地克服多径效应问题。该方法首先利用多径模型下的先验信息产生复合导向矢量,然后利用该导向矢量构造压缩感知矩阵,此时的感知矩阵是整合了多径衰减系数和回波角度关系等先验信息,同时通过对多快拍数据矩阵的奇异值分解获得较高信噪比的信号数据矩阵,继而利用感知矩阵和信号数据矩阵建立最优化L1范数约束求解模型,最后利用凸优化工具求解稀疏空间谱,估计直达波和反射波入射角度值。该方法能够增强信息矢量稀疏性,在较低信噪比下可获得高分辨的角度估计性能。仿真实验证明了该方法的优越性。     

高超声速目标雷达回波脉内运动模型

针对线性调频脉冲压缩雷达体制下高超声速目标回波信号建模问题,采用目前常用的停走模型,由于忽略了目标在一个脉冲持续时间内（简称脉内）的运动,不能真实反映目标回波特点,高超声速目标回波信号的脉冲压缩输出存在较严重的主瓣偏移并展宽的问题,严重影响目标信号的积累与检测。对此,提出了高超声速目标回波信号的脉内运动模型,理论分析和数值仿真均表明了高超声速目标的回波信号采用脉内运动模型的必要性。在典型参数下,采用脉内运动模型比采用停走模型的脉冲压缩增益提高3 dB以上。     

基于约束等距的块稀疏压缩采样匹配追踪算法

为提高块稀疏信号重构算法性能,利用测量矩阵块相干特性对块稀疏约束等距常数进行估计和讨论。在此基础上,将联合子空间的分块思想引入压缩采样匹配追踪(compressive sampling matching pursuit, CoSaMP)算法,提出了基于约束等距的块稀疏压缩采样匹配追踪(block CoSaMP, BCoSaMP)算法,以子矩阵为单位更新重构支撑集,放宽了约束等距条件。在高斯随机测量矩阵条件下,证明分块尺寸越大、最优相干块更新数量在适当范围内越少,重构误差收敛性越好且信号临界稀疏比越大。最后,利用某型预警雷达多批次回波信号进行重构仿真,验证了本文算法比目前其他块稀疏重构算法具有更高的重构成功率、更优的误差稳定性和更好的应用价值。     

基于稀疏分解的雷达信号抗噪声干扰方法研究

针对雷达在强噪声干扰下难以提取回波信号特征的问题,提出利用稀疏分解方法和基追踪去噪(basis pursuit denoising, BPDN）算法实现抗噪声干扰。该方法构造一组线性调频时移信号作为过完备库,对线性调频雷达回波信号进行稀疏分解,滤除噪声干扰;根据稀疏系数与雷达目标距离之间的关系,提取目标的距离信息。实验结果表明了该方法在雷达信号抗干扰和目标距离信息提取方面的有效性。     

基于压缩感知理论的稀疏遥感成像系统设计

高分辨率的应用需求使得传统的遥感成像系统面临高速率采样、海量数据存储等难以突破的瓶颈问题。基于压缩感知理论设计的雷达和光学稀疏遥感成像系统,突破了Shannon-Nyquist定理的限制,以较少的测量数据实现了同等甚至更高质量的信号重构。首先,根据被测目标和场景的不同特性,分别设计了稀疏表示矩阵;其次,根据互相关最小化原则,选择了与稀疏表示矩阵相适应的最优感知矩阵;最后,研究了适用于二维成像大规模数据的稀疏重构算法。专业电磁散射仿真软件生成的雷达观测数据和复杂场景光学图像的数值仿真,验证了本文设计的稀疏遥感成像系统原理上的可行性。     

基于贝叶斯压缩感知的CSR稳健参数估计方法

针对“完全扰动”情况下压缩感知雷达(compressed sensing radar, CSR)观测矢量和感知矩阵严重失配,进而引起参数估计性能急剧下降的问题,提出了一种基于贝叶斯压缩感知(Bayesian compressed sensing, BCS)的稳健参数估计方法。首先构造“完全扰动”情况下CSR参数估计的稀疏线性模型,并从稀疏矢量的最大后验概率(maximum a posteriori, MAP)出发,推导了完全扰动矩阵服从柯西分布时的优化目标函数;随后通过稀疏矢量和尺度参数的交替迭代,求得稀疏矢量的最优解。与现有重构算法及其改进算法相比,该方法能够有效改善CSR系统应对失配误差的稳健性,提高目标成功检测的概率和参数估计的精度。计算机仿真实验验证了该方法的有效性和鲁棒性。     

基于DCS的发射分集MIMO雷达参数估计

针对目标在多角度观测下的散射系数估计问题,研究了基于分布式压缩感知（distributed compressed sensing, DCS）的发射分集多输入多输出（multiple-input multiple-output, MIMO）雷达参数估计方法。在分析发射分集MIMO雷达信号模型的基础上,构建了其联合稀疏表示模型;在分析正交匹配追踪（orthogonal matching pursuit, OMP）算法实现结构的基础上,提出了一种新的基于迭代式正交匹配追踪的DCS算法。仿真结果表明该方法的估计精度高于DCS SOMP和幅度相位估计+Capon的算法,重构概率也高于DCS-SOMP算法。     

基于互协方差稀疏重构的MIMO雷达低仰角估计算法

针对低空目标仰角估计时, 多径信号间的混叠严重影响雷达的测角性能的问题, 基于压缩感知理论的波达方向(direction of arrival, DOA)估计算法与多输入多输出(multi-input and multi-output, MIMO)雷达体制结合起来共同进行低空目标DOA估计的研究, 提出了一种基于互协方差矩阵稀疏重构的MIMO雷达低空目标DOA估计算法。首先, 对MIMO雷达多径接收信号广义匹配滤波后的虚拟矩阵向量化处理, 并针对向量化后虚拟孔径扩展带来运算量大的缺点, 通过降维处理来减少运算量; 然后利用多快拍数互协方差矩阵中的噪声独立不相关的优点, 降低噪声影响, 提高算法估计性能; 最后转化为凸优化问题进行稀疏恢复。仿真结果表明算法在直达信号与多径反射信号相互削弱的情况下, 仍能有效估计低空目标的仰角, 较L1-SVD和L1-SRACV算法对低空目标具有更好的仰角估计性能。     

基于块剪枝多路径匹配追踪的多信号联合重构

针对多路径匹配追踪(multipath matching pursuit,MMP)无法利用稀疏信号的结构信息、迭代层数较高时计算复杂度较大等问题,提出了一种适用于重构块稀疏信号的块剪枝多路径匹配追踪算法。该算法以原子块作为路径扩张的节点,在一定迭代层数后引入剪枝操作,极大地降低了数据运算量。进而,针对多观测向量(multiple measurement vector,MMV)问题,提出了MMV块剪枝MMP算法,用以实现无线传感网小范围内多传感器信号的联合重构。实验表明,块剪枝MMP的重构性能优于MMP,MMV块剪枝MMP的联合重构性能优于MMV块A*正交匹配追踪、MMV子空间匹配追踪和MMV正交匹配追踪。     

基于TLS-CS的外辐射源雷达超分辨DOA估计方法

针对外辐射源雷达中，传统基于压缩感知（compressed sensing，CS）的超分辨波达方向（direction of arriving，DOA）估计方法在阵列天线存在幅相误差时测角精度差和目标分辨性能低的问题，提出一种基于总体最小二乘（total least squares，TLS）-CS的超分辨DOA估计方法。首先，通过奇异值分解方法求解TLS信号模型来修正阵列天线的幅相误差；然后利用贪婪迭代追踪算法进行CS稀疏重构得到目标的方位信息。仿真分析表明，当阵列天线存在幅相误差时，本文所提方法具有良好的超分辨DOA估计性能。     

基于非合作雷达辐射源的无源雷达技术综述

对基于非合作雷达辐射源的无源雷达技术进行了综述,介绍了该领域内的研究历史与现状。然后对非合作式双基地雷达系统基本原理进行了分析与研究,主要内容包括基本几何关系、信号能量关系、接收站的组成以及参数测量与目标定位方法。最后,对辐射源的信号分析与优化选择、系统同步、直达波参考信号的恢复、微弱目标信号的检测与参数估计以及跟踪、融合与目标识别等系统关键技术进行了分析与评述。     

基于轮廓预提取的直接信息采样与重构

现有直接信息采样（analog to information conversion, AIC）框架未考虑信号的轮廓在重构中占据特殊地位且对输入信号的有效性缺乏判断。针对这一问题,在压缩感知理论框架下,提出基于轮廓预提取的直接信息压缩采样理论。将输入信号的大轮廓用低速采样器件先行提取出来,再对输入信号的细节进行压缩采样。在重构算法方面,提出自适应分段正交匹配追踪算法以解决实时流信号的精确重构问题。从理论上分析了轮廓预提取直接信息压缩采样的有效性和可靠性。仿真结果表明,在同等条件下,通过引入少量轮廓信息的改进型AIC比传统AIC重构性能更好。     

基于改进MUSIC算法的散射中心参数提取及RCS重构

随着隐身技术的发展，雷达目标的边缘绕射等逐渐取代镜面散射成为主要的散射源，因此基于几何绕射理论（geometric theory of diffraction，GTD）的散射中心模型对隐身目标电磁散射特性的描述要比衰减指数和模型更为精确。显然，准确估计出GTD散射中心参数对刻画目标散射特性犹为重要。针对经典多重信号分类（multiple signal classification，MUSIC）法仅利用目标原始回波数据、参数估计精度不高这一问题，提出一种改进的MUSIC算法对散射参数估计提取。改进的MUSIC算法通过对原始回波数据取共轭，构建新的总协方差矩阵，有效利用了目标原始回波数据的共轭信息。仿真结果表明，与经典MUSIC算法相比，改进的MUSIC算法参数估计精度更高，雷达散射截面重构拟合程度更好，且运算量增加不大，可有效提取出隐身目标的散射中心。     

基于相参积累的捷变频雷达系统相位误差估计与稀疏场景重构算法

针对系统相位误差导致的捷变频雷达目标回波信号相参积累性能下降问题, 构建了系统相位误差下捷变频雷达目标回波信号相参积累模型, 并基于目标的距离-速度二维稀疏性建立了最小ℓ₁范数优化模型, 提出一种基于交替方向乘子法的系统相位误差估计与目标场景稀疏重构联合处理算法, 实现了系统相位误差和目标参数的精确估计。仿真结果表明, 在信噪比为20 dB的情况下, 该方法能够精确估计系统相位误差, 其估计误差在2°以内。同时，相比于逆合成孔径雷达相位自聚焦算法, 所提算法重构性能和计算效率均得到改善, 目标重构幅度均方差提高了10 dB, 运算时间减少到1/2。     

一种基于交叉验证的稳健SL0目标参数提取算法

利用雷达目标在空间的稀疏特性,研究了一种基于压缩感知的伪随机频率步进雷达（compressive sensing based pseudo random step frequency radar, CS-PRSFR）。首先,在分析CS-PRSFR目标回波的基础上,建立了目标参数提取模型;然后,针对在噪声统计特性未知时,传统稀疏信号重构算法无法适用的问题,提出一种基于交叉验证的稳健SL0（robust SL0 based on cross validation, CV-RSL0）目标参数提取算法。CS-PRSFR由于其感知矩阵较强的非相关性,可获得更高的距离-速度联合分辨性能;该算法无需已知噪声统计特性,随着信噪比的提高,其目标参数提取性能能够快速逼近最佳估计的下限。仿真结果表明该方法的正确性和有效性。