模式耦合稀疏贝叶斯MIMO雷达成像

通过压缩感知稀疏恢复理论可利用少量MIMO雷达收发阵元实现对目标的高分辨成像。利用MIMO雷达目标图像的块稀疏特性,将模式耦合稀疏贝叶斯学习算法应用于MIMO雷达成像,首先建立MIMO面阵回波信号模型,引入模式耦合稀疏贝叶斯分层模型,将相邻系数通过共用超参数的方法耦合起来。通过贝叶斯推理得到雷达信号的估计式,再通过EM算法实现对超参数的迭代估计,进而实现对雷达信号的估计,直到信号满足误差允许范围,最后重构信号实现MIMO阵列高分辨成像。仿真实验表明,该方法的成像效果在图像的聚焦性能上优于传统的傅里叶、稀疏贝叶斯算法,在散射点重构上优于OMP算法。     

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.     

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。     

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.     

压缩感知在宽带雷达信号处理中的应用

高分辨雷达成像系统在当今的军事和民用方面都有着广泛的需求,高分辨率成像需要发射宽带的雷达信号,然而根据奈奎斯特采样定理,信号带宽的增加又使得雷达系统面临高采样率、高传输率、大数据量存储以及信号实时快速处理等问题.压缩感知(CS)理论通过构造非相关测量矩阵,以远低于奈奎斯特采样率的速率获得一组测量值,通过重构算法对信号进行精确的重构.压缩感知理论应用的前提是信号的稀疏性,关键是测量矩阵和稀疏度之间的关系,重要支撑是重构算法.本文对压缩感知原理进行了简要介绍并针对雷达常用的线性调频信号提出一种稀疏基构造方案.同时,利用matlab构造了线性调频信号模型并对压缩感知处理线性调频信号的采样重建过程及应用于二维成像的过程进行了仿真.本文也研究了不同重建算法并进行了各个算法间的效果比较.仿真结果表明,在宽带雷达回波信号的处理过程中,压缩感知能通过降低采样率有效缓解回波数据的存储和传输的压力,这一点在宽带雷达目标检测中应用前景广阔.     

基于地面回波的超大稀疏分布式小卫星阵列的误差估计方法

用多颗小卫星雷达构成编队飞行,可以提高多项雷达探测任务的性能,如地面动目标检测(GMTI)、地面高程测量(DEM)等,其潜在性能、成本和可靠性均优于单颗大卫星雷达.制约分布式小卫星编队高效性能发挥的主要困难是如何校正这种超大稀疏三维立体阵列的误差.文中结合分布式小卫星接收回波数据的空-时-频特点,提出的算法可以从回波数据中估计这种超大稀疏阵列的误差,进行有效的校正,从而完成大观测条带、高质量的SAR成像和地面运动目标的检测等功能.     

宽带压缩频谱感知非稀疏保护策略

针对频谱非稀疏情况下宽带压缩频谱感知性能下降的问题,提出一种基于信号重构模型参数分析的频谱非稀疏保护策略,该策略根据次用户接收到的相邻三帧信号之间的相关系数的大小动态判断宽带压缩频谱感知正确与否.首先建立基于高斯分层概率的宽带压缩信号模型对压缩重构进行分析,在此基础上综合考虑重构各帧信号模型参数的相关系数与频谱稀疏性之间的关系,设计一种认知用户能够根据信号模型参数相关系数的大小制定频谱稀疏与否的判决条件,进而制定保护措施.仿真结果表明:所提保护策略可以有效检测到由频谱非稀疏导致的宽带压缩频谱感知错误,降低对主用户的干扰概率.     

利用不规则曲线测量数据实现雷达目标三维成像

由于平台任务要求或环境影响,雷达数据采样路径可能是不规则曲线。利用通常舍弃的不规则曲线测量数据实现雷达目标三维成像,而且在稀疏测量情形下的成像分辨率甚至超过密集采样时传统成像算法的分辨率。不规则曲线测量数据的空间采样具有稀疏性和非均匀性,不能用传统成像算法得到高分辨率图像。基于压缩感知的雷达目标成像,突破了传统分辨率的瑞利准则限制,且可应用于非均匀采样数据。目标高频散射的稀疏性为压缩感知在雷达成像中的应用奠定了基础。更重要地研究证明,不规则曲线测量矩阵具有良好的互不相干性,因此基于压缩感知的三维成像能够满足重构精度和稳定性要求。考虑到三维成像中测量矩阵的高维性,用分段正交匹配追踪算法实现目标信号的稀疏重构。实验结果表明,算法不仅能够精确实现超分辨三维成像,而且成像算法具有很好的鲁棒性。     

基于脉冲交错的ISAR成像雷达资源自适应调度算法

针对多功能相控阵雷达成像任务的调度问题,提出了一种基于脉冲交错的成像雷达资源调度算法。该方法首先根据目标特征认知结果计算稀疏孔径ISAR成像所需的雷达资源,在此基础上,建立合理的脉冲交错驻留的资源调度模型,在时间与能量资源双重约束下对雷达资源进行合理分配,优化脉冲交错实现方法,并提出了平均交错度(AID)作为衡量雷达成像任务资源调度的性能指标,最后采用基于压缩感知的稀疏孔径ISAR成像方法对不同目标分别成像,在满足目标期望成像分辨率的前提下,显著提高雷达资源利用率。仿真实验验证了该算法的可行性。     

雷达成像新技术及应用

随着高分辨成像技术的发展，雷达能够获得目标更为精细的特征信息，为目标识别提供了有力支撑,因此，近年来雷达成像技术已在地球遥感、海洋监测、资源勘查、空天防御等领域得到广泛应用。随着对目标精细、高效识别需求的不断提升，雷达成像新模式、新体制、新方法、新应用不断涌现，已成为当前雷达技术领域的研究热点。本专题主要依托“空天非合作目标雷达学习成像及认知识别一体化处理关键技术”“机载太赫兹合成孔径雷达运动补偿与信号处理关键技术研究”“基于稀疏贝叶斯学习的复杂环境空间目标高分辨ISAR成像方法研究”“涡旋电磁波雷达目标微多普勒效应分析与微动特征提取技术研究”“雷达稀疏正则化量子增强快速成像方法研究”“基于参数化稀疏表征技术的SAR海面机动目标运动参数估计与成像方法研究”等国家自然科学基金项目，汇聚了雷达成像技术领域的最新研究成果，以期推动雷达成像新技术的学术交流与创新应用。专题采用实验视频及原理介绍等增强出版形式，以加深读者对论文内容的理解。     

基于块稀疏的频率分集阵MIMO二维参数估计

针对导向矢量时变导致频率分集阵列-多输入多输出(MIMO)雷达参数估计误差增大的问题,提出一种基于块稀疏的距离和角度参数联合估计方法.首先,就导向矢量时变性对参数估计性能的影响进行了理论分析;然后,通过公式推导证明了块稀疏理论在频率分集阵MIMO雷达参数联合估计中的适用性,并提出了基于块稀疏的参数联合估计方法,给出了参数估计的具体流程;最后,通过仿真对参数估计性能进行了分析.理论分析及仿真结果表明:基于块稀疏的参数联合估计方法可实现单次快拍下多目标距离和角度参数的联合估计,估计能力优于传统谱估计方法;在单目标和单快拍条件下,所提算法精度与二维ESPRIT和二维MUSIC算法相比,基于稀疏字典估计的参数精度优于两算法,而基于系数向量估计的参数精度介于两算法之间.     

基于3D-OMP算法的SAR动目标成像方法

针对稀疏场景下的SAR动目标成像问题展开研究，提出一种基于三维正交匹配追踪(3D-OMP)算法的稀疏成像方法。首先对成像区域进行网格划分，然后以运动目标的二维速度作为动态参数构建三维稀疏字典矩阵，即参数化稀疏表征。在算法迭代过程中，通过计算回波数据矩阵与三维稀疏字典矩阵各层之间的相关度筛选出信号的支撑集。最后利用最小二乘准则，计算出支撑集下目标场景的稀疏表征系数。该3D-OMP算法是经典OMP算法的改进与拓展，因此继承了OMP算法计算复杂度低、信号稀疏特征增强明显的优势，同时具备了重构SAR动目标图像的能力。仿真实验结果验证了该SAR动目标成像方法的有效性。     

稀疏微波成像信号处理方法研究

主要围绕该研究关键科学问题"稀疏微波成像非模糊重建"展开研究,结合稀疏微波成像体制,研究多维度稀疏信号特征信息挖掘方法,提出稀疏微波成像距离多普勒二维解耦成像重建算子,建立稀疏微波成像重构算法,实现微波成像大数据量的快速求解。主要研究内容包括:基于稀疏优化的空时频域先验信息挖掘方法、稀疏微波成像非模糊重建理论和方法、非理想运动平台稀疏微波成像处理和稀疏微波成像快速算法研究。主要工作进展包括:(1)基于目标在空间的稀疏表征,揭示观测对象在空间维度的先验信息调制机理,实现短孔径下的方位高分辨成像。(2)进行了稀疏步进频率雷达成像体制设计和高分辨成像算法研究,有效降低步进频率雷达的回波数据量和外界干扰的概率。(3)基于稀疏孔径数据,揭示观测对象在方位时间维度的先验信息调制机理,展开了方位孔径稀疏采样的雷达体制设计和高分辨成像算法研究。(4)提出了一种基于稀疏表征的自聚焦算法,研究了存在运动误差下的稀疏微波成像非模糊重建算法,完善了可嵌入运动补偿的稀疏微波成像处理框架。(5)展开了宽幅海洋多舰船目标高分辨成像的体制设计和算法研究,提出了一种单天线体制下的Fast-Scan SAR海洋多舰船成像算法,并完善了稀疏微波成像非模糊重建理论框架和方法体系。(6)展开了稀疏采样体制下的运动目标检测和成像算法研究。通过方位稀疏采样方式优化设计,基于运动目标先验信息挖掘技术研究,利用稀疏信号处理算法实现运动目标的高分辨非模糊重建。     

基于非均匀快速傅氏变换的多站无源雷达成像算法

为了解决基于窄带外辐射源的无源雷达成像无法获得理想分辨率的问题,增加多个不同发射频率的外辐射源以获得更大的合成带宽.推导了散射强度函数和接收站采集数据的傅氏变换对关系.针对采集数据在频域存在非均匀分布且稀疏的缺陷,提出了基于快速非均匀傅氏变换的无源雷达成像算法.仿真结果证实与直接傅里叶重构算法相比,在民用照射源分布密集区域,该算法的目标在小角度转动下也可获得理想成像效果.     

基于量子算法的逆合成孔径雷达稀疏成像方法

经典稀疏重构算法的计算复杂度较高，易导致雷达系统面对较大规模雷达回波数据时实时成像处理能力不足。针对这一问题，将量子算法应用于逆合成孔径雷达成像的稀疏信号处理中，为雷达稀疏成像带来量子计算短时间内处理大规模数据的优势。首先，根据逆合成孔径雷达稀疏成像的经典算法，分析匹配滤波、稀疏重构等经典算法的量子化方法，建立经典算法与量子算法之间的映射关系；其次，在确定相应量子算法及步骤关系的基础上，构建能够实现稀疏成像经典算法功能的量子线路，提出基于量子算法的逆合成孔径雷达稀疏成像方法；最后，根据构建的量子线路，结合雷达回波信号，制备相应的量子态，输入到量子线路中获得成像结果。仿真实验表明：相较于经典稀疏成像算法，基于量子算法的稀疏成像方法能够在保证成像质量的同时，大幅降低雷达成像处理数据的计算复杂度。     

基于块目标的频率步进连续波探地雷达压缩感知重建算法

压缩感知理论对于解决频率步进连续波探地雷达信号处理过程中存在的采样速率高、存储数据量大、信号处理时间长等问题具有重要意义. 针对雷达探测中块目标物体在探测区域不满足稀疏性的问题,提出一种适合块目标的压缩感知重构模型.利用某些稀疏正交基对块目标进行稀疏化处理使其满足稀疏性,将字典矩阵与稀疏矩阵结合形成适用于块目标物体的新观测矩阵,再通过压缩感知凸优化算法求解稀疏化系数,最后把该系数通过稀疏变换得到块目标的反射系数.通过实验仿真验证该方法的可行性,与未稀疏化处理的压缩感知重构模型相比具有更高的精度和分辨率.     

含旋转部件目标稀疏孔径ISAR成像方法

针对稀疏孔径条件下含旋转部件目标(ISAR)成像质量较差的问题，提出了一种基于子孔径Chirplet变换和压缩感知(CS)的含旋转部件目标稀疏孔径ISAR成像方法：首先，建立了含旋转部件目标的稀疏ISAR成像模型，推导了宽带雷达条件下含旋转部件目标的微多普勒效应，并分析了孔径的稀疏与微多普勒效应共存时对成像的影响；其次将回波信号投影到Chirplet变换基，利用目标主体回波信号和微动部件回波信号在Chirplet变换投影参数上的差异，有效剔除有效子孔径中的微多普勒调制信号;最后，采用基于正交匹配追踪(OMP)算法的CS方法对有效子孔径进行恢复成像，获得了含旋转部件目标的高质量成像结果。仿真实验表明，该方法可以有效消除微多普勒效应和孔径稀疏的干扰，并实现高质量的ISAR成像。     

粗糙地面上复杂目标的电磁散射特性

粗糙地面与复杂目标的耦合散射特性研究一直是雷达目标识别领域比较有应用价值的课题.针对粗糙地面与目标的复合电磁散射特性进行重构,包括复合模型的雷达截面积(radar cross section,RCS)特性以及合成孔径雷达(synthetic aper-ture radar,SAR)成像特性.首先,对复杂目标进行几何建模并对粗糙面进行数值建模,构建地面与目标的一体化几何模型.然后基于空间射线分集技术、射线追踪技术以及劈边结构识别算法分离出复合模型中散射中心,包括面结构和劈边结构对应的散射中心,基于属性散射中心模型正向的确定散射中心对应的各个参数,最终建立起粗糙地面上复杂目标的散射中心参数化模型.并通过对其重构的散射特性与实测结果进行对比,分析了地面与目标的耦合作用.研究对雷达目标识别领域具有很大的应用价值.     

基于稀疏字典分解的窄带雷达自旋目标干涉三维成像

空间微动目标干涉三维成像技术研究中,最关键的是对各散射点进行保相分离。当脉冲重复频率（PRF）不满足奈奎斯特采样定律时,基于图像处理的成像方法无法有效分离目标各散射点。提出了一种基于稀疏字典分解的窄带雷达自旋目标干涉三维成像方法,该方法能够直接从回波数据中分离出各散射点。首先,根据自旋目标回波信号特性构建稀疏字典,利用稀疏分解算法分解回波,得到各散射点子回波,其次通过时频分析并利用其保相性,获得各散射点的微动曲线,并提取出它们在时频平面上经过位置的干涉相位差,最后根据干涉相位差与坐标之间的关系重构散射点坐标,对空间自旋目标进行三维成像。仿真结果表明,在PRF不小于0.25倍奈奎斯特频率时,所提方法均能有效实现自旋目标三维成像。     

基于小波变换和K-SVD的探地雷达杂波抑制研究

针对探地雷达原始图像中存在着大量以地表直达波为主的杂波噪声干扰问题,为了有效提取目标信号,提出了一种基于小波变换和K-Means奇异值分解的自适应双边滤波方法.将原始雷达数据进行小波分解,并应用K-SVD算法变换稀疏编码和更新原子,用更新后的稀疏系数和字典重构小块,将小块进行小波逆变换重构图像,然后对重构图像进行自适应...