Joint 2D DOA and Doppler frequency estimation for L-shaped array using compressive sensing

A joint two-dimensional(2D)direction-of-arrival(DOA)and radial Doppler frequency estimation method for the L-shaped array is proposed in this paper based on the compressive sensing(CS)framework.Revised from the conventional CS-based methods where the joint spatial-temporal parameters are characterized in one large scale matrix,three smaller scale matrices with independent azimuth,elevation and Doppler frequency are introduced adopting a separable observation model.Afterwards,the estimation is achieved by L1-norm minimization and the Bayesian CS algorithm.In addition,under the L-shaped array topology,the azimuth and elevation are separated yet coupled to the same radial Doppler frequency.Hence,the pair matching problem is solved with the aid of the radial Doppler frequency.Finally,numerical simulations corroborate the feasibility and validity of the proposed algorithm.     

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。     

基于零空间l1范数最小化的ISAR成像方法

在目标场景散射率分布满足稀疏性假设下,压缩感知(compressive sensing, CS)成像与传统距离-多普勒成像方法相比,可以使用很少的数据获得良好的图像,图像对比度高,没有旁瓣干扰。本文提出了一种基于零空间l₁范数最小化的逆合成孔径雷达(inverse synthetic aperture radar, ISAR) CS成像方法。从解欠定方程组的角度,将待重建目标图像分解为初猜值与残余值两部分。首先使用加权最小二乘(weighted lease square, WLS)法估计初猜值,作为目标初像；然后将待重建目标场景散射率的l₁范数作为额外的一个非线性测量值引入到图像重建中,在卡尔曼滤波框架下,利用非线性“伪测量”值,最小化待重建目标场景的l₁范数来估计零空间中残余值的解。实测ISAR数据处理验证了所提算法的有效性。与正交匹配追踪算法(matching pursuit algorithm, OMP)和primal-dual l₁范数最小化方法相比,所提方法获得的成像效果更好,成像时间比primal-dual l₁范数最小化方法更短。     

基于关联计算的相控阵雷达前视成像技术

基于关联计算成像原理, 提出一种适用于相控阵雷达的前视成像技术, 其随机移相是由配置二维相控阵雷达来实现的.为了模拟经典量子关联成像中的随机涨落光场以实现测量的不相关性, 需要控制二维相控阵辐射出的波前呈现随机幅相波动特性, 再结合压缩感知(compressive sensing, CS)的模型框架与稀疏贝叶斯学习(sparse Bayesian learning, SBL)算法解决关联耦合问题以实现目标场景的方向维和俯仰维超分辨成像。甚至可以在不需要雷达与目标相对运动的情况下, 结合宽带信号体制实现雷达前视超分辨三维成像。仿真实验和实测数据验证了其原理的正确性和算法的有效性。     

基于非均匀FFT的超宽带合成孔径雷达高效成像算法

超宽带合成孔径雷达(ultra-wideband synthetic aperture radar,UWB-SAR)成像算法中后向投影算法(back-projection algorithm,BPA)和可扩展的Omega-K算法成像精度很高,但成像处理中的复数插值操作带来了较大的运算负担。非线性调频变标算法(nonlinear chirp scaling algorithm,NCSA)不存在复数插值处理,成像效率较高,由于级数展开处理存在近似,SAR图像存在一定的距离方位耦合副瓣。提出了一种新的UWB-SAR成像算法,通过对SAR距离脉压后的距离时域数据进行非均匀傅里叶变换,去除距离方位的耦合。图像消除了距离方位耦合副瓣,具有较好的质量。随着成像点数的增多,本文算法成像效率接近NCSA成像效率。仿真结果验证了该算法的正确性。     

基于OI-AGCD的含旋转部件目标ISAR成像

旋转部件(如直升机的螺旋桨)严重影响逆合成孔径雷达(inverse synthetic aperture radar, ISAR)的成像特性,基于优化初值选择的自适应高斯包络线性调频基分解(optimized initial-adaptive Gaussian chirplet decomposition,OI-AGCD)设计了一种自适应旋转部件回波分离算法。建立了含旋转部件目标步进频率雷达ISAR成像模型,分析了旋转部件与目标主体回波特性差别。基于距离多普勒成像理论、主体和旋转部件回波在高斯基上投影的差异,设计了基于OI-AGCD的旋转部件回波分离算法。仿真数据验证结果表明了该算法去除旋转部件回波的可行性,含旋转部件类目标ISAR成像质量得到了有效提高。     

低重频宽带雷达中小幅微动目标的周期估计

当空间微动目标仅发生小视角变化且雷达脉冲重复频率较低时,基于雷达散射截面序列、高分辨距离像(high-resolution range profile, HRRP)序列和微多普勒等特征提取算法的有效性面临了挑战。为此,基于宽带逆合成孔径雷达(inverse synthetic aperture radar,ISAR)像序列提出一种目标微动周期估计方法。基于微动目标ISAR成像的分析,利用ISAR图像序列之间的相似度进行微动周期估计。采用最小图像熵准则选取视线角线性变化区间的ISAR图像作为参考基准,利用图像动态范围压缩、基于全图像匹配的相似度估计等方法,强化算法稳定性并减小计算量。该方法对HRRP数据率要求低,对ISAR成像质量约束小,有利于工程实现。仿真实例从摆动和进动两种情况,分析了基准图像的选取和信噪比对算法性能的影响,证明了算法的有效性和高稳定性。     

基于属性散射中心的SAR成像方法

传统合成孔径雷达(synthetic aperture radar, SAR)成像技术假设目标回波是由各向同性的点散射模型的相干叠加形成, 在大转角成像时不再适用。且各向同性的散射模型忽略了目标同一结构像素间的相关性, 容易导致结构不连续, 给后续目标识别带来困难。为此, 本文提出了一种基于属性散射中心模型的SAR成像算法, 利用不同散射中心表现出的不同特性对其分别进行成像, 增强属于同一结构的像素间的相关性, 提高SAR图像的可视性。最后, 基于仿真和实测数据实验结果, 验证了方法的有效性, 与现有算法对比, 所提算法的图像质量在定性和定量评价指标上都有所提升。     

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。     

MIMO雷达反向投影成像算法

针对多输入多输出(multiple-input multiple-output, MIMO)雷达的多收发固定阵列结构,在标准反向投影(back projection, BP)成像算法基础上,提出了一种修正BP成像算法。该算法首先对MIMO雷达距离压缩回波数据进行时延曲线校正处理,而后沿方位向直接相干叠加各路回波处理数据,从而无需距离插值即可实现方位聚焦。与标准BP算法相比,修正BP算法大大降低了运算量,同时也克服了现有快速BP算法大都没有考虑距离插值运算的缺陷。MIMO雷达外场实测数据处理表明：与标准BP算法相比,修正BP算法有效节省了运算时间,并保持了雷达成像质量。     

基于压缩感知的频率步进探地雷达成像算法

与时域无载频脉冲体制的探地雷达技术相比,频率步进探地雷达（stepped frequency ground penetrating radar, SFGPR）具有较多优越性,但由于其工作频率是以阶梯方式步进,导致成像速度较慢。提出了一种基于压缩感知(compressive sensing, CS)的频率步进探地雷达成像算法。实验结果表明,基于CS理论构建的CS SFGPR系统具有数据采集时间短、成像速度快等特点。〖JP〗     

基于高度扫描的ISAR三维成像研究与仿真

研究了基于高度扫描的大转角逆合成孔径雷达(ISAR)三维成像,针对干涉逆合成孔径雷达技术不能将同一距离和方位单元但不同高度上的散射中心进行区分以及大转角转台转动带来的越距离单元徙动等问题,在传统大转角ISAR成像基础上,增加了高度扫描,建立了三维成像系统,提出了适用于大角度转动的ISAR三维成像算法,应用波谱理论对三维目标的高度信息进行去耦,将其转化为二维大转角ISAR成像的问题,然后利用聚焦卷积积分算法进行成像,并分析了高度扫描的ISAR系统具有高度分辨率的原因。最后通过仿真目标模型进行验证,结果表明该算法具有三维成像能力,且能够得到高质量高分辨率的目标像。     

基于块稀疏矩阵恢复的MIMO雷达扩展目标高分辨成像算法

针对现有多输入多输出(multiple input multiple output,MIM O)雷达稀疏恢复成像算法中存在的运算量大、对扩展目标成像质量低的问题,提出一种基于块稀疏矩阵恢复的MIMO雷达扩展目标高分辨成像算法,通过引入目标块稀疏特征,提高对空间扩展目标的成像质量.首先,通过构造距离向和方位向感知矩阵,建...     

基于多观测向量块稀疏的MIMO雷达非理想正交波形成像

基于稀疏恢复的多输入多输出(multiple input multiple output, MIMO)雷达波形分离方法,能够代替匹配滤波,提高MIMO雷达非理想正交波形分离效果,对目标高分辨成像。但由于目标像稀疏性较弱,多观测向量(multiple measurement vector, MMV)稀疏恢复算法的效果有限。通过调整感知矩阵发掘目标像的块稀疏性,提出了一种基于块稀疏的MMV稀疏重构算法来提高成像质量。首先采用改进的复合三角函数(improved composite trigonometric function, ICTF)作为平滑函数近似l₀范数,然后将其扩展到基于块稀疏的MMV模型,最后通过自适应调整正则化参数提升算法稳健性。通过实验验证了该算法在不同稀疏度、不同信噪比下的重构性能,仿真分析了其应用于MIMO雷达对多散射点目标模型的成像效果。仿真结果表明,所提算法能够更好地提高成像质量。     

基于多观测向量块稀疏的MIMO雷达非理想正交波形成像

基于稀疏恢复的多输入多输出(multiple input multiple output, MIMO)雷达波形分离方法,能够代替匹配滤波,提高MIMO雷达非理想正交波形分离效果,对目标高分辨成像。但由于目标像稀疏性较弱,多观测向量(multiple measurement vector, MMV)稀疏恢复算法的效果有限。通过调整感知矩阵发掘目标像的块稀疏性,提出了一种基于块稀疏的MMV稀疏重构算法来提高成像质量。首先采用改进的复合三角函数(improved composite trigonometric function, ICTF)作为平滑函数近似l₀范数,然后将其扩展到基于块稀疏的MMV模型,最后通过自适应调整正则化参数提升算法稳健性。通过实验验证了该算法在不同稀疏度、不同信噪比下的重构性能,仿真分析了其应用于MIMO雷达对多散射点目标模型的成像效果。仿真结果表明,所提算法能够更好地提高成像质量。     

MIMO雷达嵌套平行阵下基于子空间的目标二维波达角估计

研究了多输入多输出(multiple input multiple output, MIMO)雷达中的二维波达角(direction of arrival, DOA)估计问题,并提出了一种嵌套平行阵下基于子空间的二维DOA估计算法。利用存在嵌套关系的双平行阵(two parallel uniform linear array, TPULA)作为收发阵列,大大增加了自由度(degree of freedom, DOF)。在DOA估计方面,算法利用数据重构增加虚拟脉冲数,并利用酉变换降低运算复杂度,然后分别基于信号子空间和噪声子空间获得了自动配对的二维DOA估计的闭式解。算法复杂度低,而且相比MIMO雷达中传统TPULA下的算法,该算法拥有更好的角度估计性能,并可辨别空间相干目标。仿真结果验证了算法的有效性。     

战斗机载火控雷达地图测绘仿真算法研究

提出了一种通用的仿真算法实现了现代战斗机载火控雷达RBM,DBS和聚束SAR三种地图测绘功能用于模拟训练。鉴于训练的实时性要求和逼真性仅限于飞行员目视观察,该算法采用近似仿真手段,首先利用小面单元模型计算雷达波束照射范围内的地面场景后向散射系数,并将其映射到距离-方位平面上,然后对映射结果进行阴影、掩叠、噪声等雷达图像特征的融合,最后将融合结果与成像过程中引入的系统传输函数进行卷积得到仿真图像。该算法成功应用于GL Studio仪表仿真软件的二次开发,扩展了GL Studio图像仿真功能。实验结果和软件试用情况表明通过该算法得到的雷达仿真图像能够满足部队模拟训练需求。     

Degradation algorithm of compressive sensing

The compressive sensing(CS) theory allows people to obtain signal in the frequency much lower than the requested one of sampling theorem.Because the theory is based on the assumption of that the location of sparse values is unknown,it has many constraints in practical applications.In fact,in many cases such as image processing,the location of sparse values is knowable,and CS can degrade to a linear process.In order to take full advantage of the visual information of images,this paper proposes the concept of dimensionality reduction transform matrix and then selects sparse values by constructing an accuracy control matrix,so on this basis,a degradation algorithm is designed that the signal can be obtained by the measurements as many as sparse values and reconstructed through a linear process.In comparison with similar methods,the degradation algorithm is effective in reducing the number of sensors and improving operational efficiency.The algorithm is also used to achieve the CS process with the same amount of data as joint photographic exports group(JPEG) compression and acquires the same display effect.     

Techniques for Radar Imaging Based on MUSIC Algorithm

1.INSTRuCTION'~~that,whenaradarilluminatestargets,therearethreesections:Rayleishsects~aamopticalsection.Inopticalsection,thatistosay,whenradarillumination~isedenough,theradartargetcanbeconsideredasacollectionofafinitenumberof:'peteringcenterS.ThefundarnelitaltaskofradarimagingistomakecorrelativeaccumuMOf~tedradarsignalintermsoftargetscatteringcentermodel,attainthelocationof'~Centerandthecorrespondedscatteringimmensityfromthetargetback-scatteringx~ieS,andregenerstetheprocedureofthetargets…     

圆轨迹环视SAR成像处理

圆轨迹环视合成孔径雷达（synthetic aperture radar, SAR）是一种能够实现广域观测的新模式合成孔径雷达,由于它特殊的运动轨迹,直线SAR的成像算法不能直接应用于圆轨迹环视SAR数据处理。然而,对于圆轨迹环视SAR系统而言,其响应函数具有“沿角度维平移不变”的特性。因此可以利用这一特性,借鉴条带SAR成像算法的思想,在频域研究圆轨迹环视SAR数据的成像方法。推导了圆轨迹环视SAR回波信号的精确二维频谱表达式,并在距离多普勒域给出了一种圆轨迹环视SAR成像方法。仿真实验验证了算法的有效性。