基于多重测量矢量的含旋转部件目标ISAR成像方法

针对逆合成孔径雷达(ISAR)中含旋转部件目标成像问题,提出了一种基于多重测量矢量和压缩感知(CS)的含旋转部件目标ISAR成像方法。通过分析目标主体信号和旋转部件信号的多普勒差异,建立目标主体信号在方位向的多重测量矢量(MMV)模型。由于主体信号在方位向具有固定支撑集,而旋转部件信号在此支撑集上不具有稀疏性,因此,利用MMV模型进行信号重建后即可获得目标的主体ISAR像。在此基础上,再利用逆Radon变换得到旋转部件的ISAR像。仿真结果验证了该方法的有效性。     

基于小波变换与NLTV的稀疏孔径ISAR成像

针对稀疏孔径逆合成孔径雷达(ISAR)成像问题,提出一种结合小波变换与非局部总变差(NLTV)的稀疏孔径ISAR正则化成像框架,给出了成像模型并推导了模型的优化求解方法．该方法通过对目标图像进行小波分解,并分别对低频分量和高频分量进行NLTV和l0范数正则化约束,在确保成像结果稀疏性的基础上更好保护图像的结构和轮廓特征．仿真和实测数据分析结果表明：所提方法在ISAR孔径数据缺失严重的情况下仍具有良好的成像性能．     

基于稀疏采样的调频率估计与多目标ISAR成像

针对目前多目标成像中关于信号调频斜率估计的算法存在着采样频率过大,以及短时条件下精度不高的问题,结合压缩感知理论,提出了一种基于稀疏采样的回波信号调频率估计与多目标ISAR成像方法。首先,根据目标回波信号的特点构造超完备稀疏基,将信号投影到该稀疏基上,利用高斯随机矩阵对分解后的信号进行欠采样,采用FOCUSS稀疏重构算法,精确提取出信号的调频斜率;然后,利用估计出的调频斜率对多目标回波信号中各个目标的回波分量进行分离和补偿;最后,基于稀疏采样对各个单目标分别进行成像。仿真实验验证了该方法的可行性和有效性。     

基于参数化稀疏表征高速目标ISAR成像方法

针对高速运动目标逆合成孔径雷达(ISAR)成像问题,提出一种基于参数化稀疏表征的高速目标ISAR成像方法.首先,对高速运动目标回波信号特点进行分析,构造包含目标未知速度的参数化感知矩阵,建立回波信号稀疏模型.其次,采用自适应寻优算法,同时获得优化的感知矩阵及目标运动速度,基于压缩感知理论,在稀疏采样条件下重构目标ISAR像.相较于已有方法,所提方法可避免ISAR成像中复杂的运动补偿处理,并具有较低的运算复杂度和较好的鲁棒性.仿真实验验证了理论分析与所提成像方法的正确性和有效性.     

MIMO-OFDM中稀疏度自适应的信道估计方法

将压缩感知应用在稀疏度未知的多天线正交频分复用(multiple-input multiple-output orthogonal frequency division multiplexing,MIM0-OFDM)系统信道估计中,提出一种2级阈值的变步长自适应匹配追踪(variable step size adaptive matching pursuit,VssAMP)算法,利用残差值确定第1级阈值调整稀疏度步长,提高信道稀疏度的估计精确度,利用噪声能量和信噪比(signal to noise ratio,SNR)确定第2级阈值控制算法迭代条件,降低小信噪比时信道重构误差.理论分析和仿真结果表明,该算法减小了初始步长对信道稀疏度估计精确度的影响,解决了VssAMP算法阈值难以确定的问题,相比原算法提高了信道估计精确度.     

基于微Doppler提取的具有旋转部件雷达目标成像

雷达运动目标部件的振动和旋转运动会对目标回波信号引入附加的频率调制并产生关于Doppler中心频率的附加边带效应.这种附加的谱效应会对目标主体的ISAR像造成污染,严重时无法对目标主体进行成像.文中提出了一种基于Hough变换的微Doppler信息分离与提取方法,基于旋转部件的微Doppler谱与目标主体谱在谱图域表现形式的不同,利用Hough变换和一种推广的Hough变换分别将目标主体谱与旋转部件的微Doppler谱提取后既获得了具有大旋转部件一类目标的清晰像、同时也获得了目标旋转部件的一些运动及结构信息.最后,仿真结果验证了该方法的有效性.     

一种稀疏度自适应正交多匹配追踪重构算法

压缩感知理论是一种利用信号稀疏性或可压缩性对信号进行采样同时压缩的新颖的信号采样理论。针对稀疏度未知信号重构问题,提出了一种稀疏度自适应正交多匹配追踪重构算法。该算法在广义正交匹配算法(generalized orthogonal multi matching pursuit,GOMP)基础上结合稀疏自适应思想。根据相邻阶段信号能量差自适应调整当前步长大小选取支撑集的原子个数,先大步接近,后小步逼近信号真实稀疏度,从而实现对信号精确重构。实验仿真结果表明,该算法能有效精确重构信号。具有良好的重构性能和较高的重构效率。     

基于GST的变速机械故障信号稀疏特征提取方法

为提取强噪声背景下的变速旋转机械设备的冲击故障特征,提出了一种基于广义S变换的稀疏特征提取方法.首先,通过多分辨率广义S变换（multiresolution generalized S-transform,MGST）搜索每次迭代过程中的最佳原子,多分辨率广义S变换可以得到信号不同尺度下的归一化时频谱,并从中找出能量最大值及其所对应的时频因子,根据故障冗余字典的构建模型可得到冲击成分的最佳匹配原子.其次,结合正交匹配追踪算法（orthogonal matching pursuit,OMP）,计算出信号在原子集合下的投影,由于采用了基于多分辨率广义S变换的原子搜索策略,大幅度提高了OMP的分解效率.最后,根据稀疏表示中第一个冲击信号的出现时刻,可依次计算出冲击信号在变速情况下的出现时刻理论值,通过与实测值的比较,实现变速机械的故障诊断.仿真和实例分析结果表明,该方法比传统OMP方法和广义S变换具有更高的计算效率和定位精度.      

基于二维稀疏特性的空间目标高分辨ISAR成像方法

针对空间三轴稳定目标成像问题,提出了一种基于目标稀疏特性的空间目标高分辨ISAR成像方法.该方法利用精轨数据构建了保相波形延时字典,实现了距离维高分辨和平动补偿;利用旋转矢量分析方法计算了三轴稳定空间目标有效积累转角,结合高分辨距离像的稀疏特性,给出了一种适用于越距离单元徙动的方位维稀疏字典构建方法.仿真结果表明,构建的稀疏匹配字典正确反映了目标的姿态变化特性,解决了越距离单元徙动问题,结合距离维相干抑制显著提高了空间目标二维ISAR像的分辨能力.      

基于压缩感知的外辐射源雷达目标参数估计方法

外辐射源雷达通过计算互模糊函数来估计目标的距离-多普勒信息,该方法存在弱目标被强目标高副瓣掩盖及分辨率低的问题.为此提出了一种基于压缩感知的外辐射源雷达目标参数估计方法.该方法提出了采用分布式压缩感知同步子空间追踪算法实现距离域稀疏重构,采用扩展正交匹配追踪算法实现多普勒域稀疏重构.仿真和实测数据验证表明,所提方法减少了互模糊函数副瓣的影响并提高了分辨率,同时避免了字典尺寸过大和时间复杂度过高的问题.     

非均匀转动目标ISAR成像及横向定标

当目标在平面内非均匀转动时，传统算法不能获得包含定标信息且聚焦良好的ISAR像。为解决这一问题，提出了一种非均匀转动目标的转动参数估计方法。该方法首先通过一维搜索对角加速度与角速度的比值进行估计，并根据估计结果对原始距离像序列进行非均匀采样，补偿角加速度引起的相位误差，从而得到聚焦的ISAR像；然后根据成像质量准则对重采样距离像序列的角速度进行一维搜索，估计出角速度，进而实现ISAR像的横向定标。仿真结果表明:该算法通过2个一维搜索能得到非均匀转动目标聚焦的、横向定标的ISAR像。     

稀疏步进频合成孔径雷达成像算法

提出了一种适用于稀疏步进频信号的成像算法,以较少的时间和频谱资源完成了雷达目标成像。该算法将稀疏步进频回波数据等效为均匀步进频回波数据的观测值,利用压缩感知重构算法实现目标区域的距离向重构,然后经过距离徙动校正与方位向脉压完成对目标场景成像。仿真结果表明:该算法在发射频点高度稀疏条件下仍能实现高分辨成像。采用地基雷达实测数据验证了算法的有效性。     

齿轮振动信号的压缩感知采集与故障诊断

传统的采样策略会产生大量的数据,为了减少齿轮振动监测中的数据量,在压缩感知的基础上,建立了齿轮振动信号采集和重构模型。首先通过高斯随机矩阵对振动信号进行压缩测量、传输和存储压缩后的信号可以节省成本。信号重构归结为一个最优化问题,应用正交匹配追踪求解信号重构问题。进而得到重构信号的Hilbert解调谱,从Hilbert解调谱中提取特征频率,以特征频率能否识别来评价信号重构的效果。仿真实验和齿轮实验证明了模型的有效性。     

基于时频分析的微动弹道目标ISAR成像方法

为克服弹道目标在微动情况时,其散射点的多普勒频率会随微动而变化,最终影响弹道目标的成像质量问题,提出了利用abor变换进行时间选择成像的方法。通过时频分析的方法,在时频域上找寻多普勒频率近似于直线变化的时间段,并在此时间段中对目标进行成像。仿真结果表明:在目标存在微动情况下,选择多普勒频率近似为直线的时间区间进行成像,能有效地聚集ISAR成像,仿真分析验证了该方法的有效性。     

Improved compressed sensing for high-resolution ISAR image reconstruction

For inverse synthetic aperture radar （ISAR）, an ISAR signal in the crossrange direction has the characteristic of sparsity in the azimuth frequency domain. Due to this property, a Fourier basis is adopted as a kind of sparse basis, and high crossrange resolution imaging is achieved by using the compressed sensing （CS） method. However, the Fourier expanding for signal with finite length will result in energy leaking and spectrum widening. As a result, the Fourier basis cannot obtain the optimum sparse representation for signals of unknown frequencies in most cases. In this paper, we present an improved Fourier basis for sparse representation of the ISAR signal, which is constructed by frequency shift and weighting of the Fourier basis and available to obtain the robust recovery performance via CS. Simulation results show that the improved CS method outperforms conventional CS method that uses the Fourier basis.     

基于多方向正交匹配追踪的压缩感知图像重构算法研究

针对压缩感知中图像信号的压缩比较大、重构效率较低的问题,提出一种基于正交匹配追踪的压缩感知图像重构算法。该算法在图像压缩阶段,利用测量矩阵对目标图像进行二次测量,进一步缩小压缩比。在图像重构阶段,将单次循环的正交匹配对象由一维向量拓展到二维矩阵,利用多方向正交投影对压缩数据进行图像重构。仿真实验结果表明,在缩小压缩比的情况下,可较准确地重构出原始图像;并且显著提高重构效率。     

机动目标的时频变换ISAR成像仿真

针对机动飞行目标的成像难点,实施了基于时频变换的逆合成孔径雷达(ISAR)成像处理方案.与传统的点目标模型的回波模拟方法不同,该方案采用全波数值方法计算目标在飞行过程中瞬时位置、姿态下的散射场数据,再依据延时顺序将离散时刻的散射场数据叠加,最终获得雷达的回波数据.数值仿真结果验证了该方案的可行性.     

基于超分辨ISAR成像的飞机目标SVM分类算法

利用最大熵谱估计方法对4种飞机目标数据进行外推处理,并在此基础上进行拟合成孔径(ISAR)成像.采用了ISAR图像的几何矩、基于几何矩的不变量、形状和量化能量带4个特征,研究了支持向量机的线性和非线性算法原理,提出了基于SVM的飞机目标识别和分类算法,采用了针对多目标分类的M-ary法对飞机进行分类,选取了每个目标的40个不同数据段进行成像,通过与几种常见的BP神经网络算法和RBF神经网络算法比较分析,验证结果表明此方法达到了较好的识别效果,识别率达到97%.