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。     

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。     

一种基于估计理论的ISAR超分辨成像方法

针对逆合成孔径雷达(inverse synthetic aperture radar, ISAR)成像中给定合成孔径长度下方位向匹配滤波脉冲压缩输出的主瓣分辨率随雷达至等效阵列距离变化这一难题,基于线性系统理论,通过目标方位向回波信号的等效建模,提出了一种基于最小均方估计理论的超分辨成像方法。不同于传统基于谱估计的超分辨成像方法,该方法利用对目标系统方位向冲击响应的估计信号进行成像,因而能够完全消除雷达至等效阵列的距离对方位向分辨率的影响。仿真实验证实了该方法的有效性。     

ISAR成像系统的二维资源自适应调度算法

现有认知雷达成像系统的资源调度策略只从距离向(或波形设计)或者方位向一个维度进行资源调度,没有充分分配和利用雷达系统资源,为此提出了一种针对步进频率逆合成孔径雷达成像系统的二维资源自适应调度算法,来进一步提高雷达系统的工作效率。该算法在对目标特征认知的基础上,根据压缩感知原理,计算对目标二维稀疏观测所需脉冲资源,依据二维资源调度模型,自适应分配二维脉冲资源,实现对多目标的交替稀疏观测成像。最后通过仿真验证了算法的可行性并与常规算法相比在资源饱和的情况下,可以执行更多的成像任务。     

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。     

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MP稀疏分解的弹道中段目标微动ISAR成像新方法

弹道目标在中段的运动包括轨道运动和微动。与轨道运动相比,弹道目标的微动能引起目标相对雷达视线角更为快速的变化,有利于逆合成孔径雷达(inverse synthetic aperture radar, ISAR)成像。针对自旋对称弹头的微动特性,提出了一种基于匹配追踪(matching pursuit, MP)稀疏分解的微动ISAR成像算法,分析了成像平面和成像所需积累转角,并通过计算机仿真与传统的距离－多普勒(range-Doppler, RD)、魏格纳－维尔(Wigner-Ville, WV)成像算法进行了比较。仿真结果表明：本文算法具有更好的成像精度和稳定性,且不受交叉项的干扰,是一种有效的微动目标成像算法。     

用滤波方法实现ISAR成像包络对齐

为了提高逆合成孔径雷达(ISAR)成像处理速度,提出一种基于滤波方法进行包络对齐的改进算法。该算法将互相关法与重心法相结合,首先估计出相邻回波的偏移量,再用滤波方法对距离像进行插值并且同时抽取,实现包络对齐,避免了直接对目标距离像插值而引起的计算量增加,有利于实时成像处理。最后通过对实测数据成像证明该算法的快速性和有效性。     

ISAR target recognition based on non-negative sparse coding

Aiming at technical difficulties in feature extraction for the inverse synthetic aperture radar (ISAR) target recognition, this paper imports the concept of visual perception and presents a novel method, which is based on the combination of non-negative sparse coding (NNSC) and linear discrimination optimization, to recognize targets in ISAR images. This method implements NNSC on the matrix constituted by the intensities of pixels in ISAR images for training, to obtain non-negative sparse bases which characterize sparse distribution of strong scattering centers. Then this paper chooses sparse bases via optimization criteria and calculates the corresponding non-negative sparse codes of both training and test images as the feature vectors, which are input into k neighbors classifier to realize recognition finally. The feasibility and robustness of the proposed method are proved by comparing with the template matching, principle component analysis (PCA) and non-negative matrix factorization (NMF) via simulations.     

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。     

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。     

基于波形评价准则和遗传算法的ISAR谱拼接方法

阐述了基于距离多普勒算法的线性调频信号体制逆合成孔径雷达(inverse synthetic aperture radar, ISAR)成像原理和间断信号相位补偿原理,在此基础上,针对ISAR谱图特性提出了一种利用波形评价准则和遗传算法进行相位近似补偿的谱图拼接处理方法,并进一步利用拼接后的谱图实现最终的ISAR成像。仿真实验结果表明,该谱图拼接方法简单易行,且可以明显改善ISAR成像效果,具有一定的实用性。