高分辨ISAR稀疏目標(biāo)成像.pdf

1、高分辨的ISAR圖像在目標(biāo)分類識別中有重要的意義，傳統(tǒng)的逆合成孔徑雷達(dá)（ISAR）成像方法，方位向的分辨率受限于相干積累時間。由于成像目標(biāo)的非合作性和強(qiáng)機(jī)動性，依靠增加相干積累時間來提高 IS AR圖像方位向的分辨率，對于雷達(dá)系統(tǒng)和成像算法是不現(xiàn)實(shí)的。本文是基于強(qiáng)散射點(diǎn)在ISAR圖像中只占有很小的一部分，也就是 ISAR圖像是稀疏的這一先驗(yàn)知識，分析了利用壓縮感知，共稀疏和小波域混合高斯模型，在短相干積累時間內(nèi)實(shí)現(xiàn) ISAR超分辨成像可

2、行性，并分別給出了基于這些理論的ISAR超分辨成像的方法。通過實(shí)測IS AR數(shù)據(jù)來驗(yàn)證這些算法的有效性，實(shí)驗(yàn)結(jié)果顯示我們提出的算法可以得到高質(zhì)量的超分辨ISAR圖像。
　　本文首先在傳統(tǒng)的基于壓縮感知成像的基礎(chǔ)上，提出了一種基于多層壓縮感知成像的方法。把ISAR成像過程分為多個階段，使得ISAR圖像方位向的分辨率逐步提高。在每個階段把 IS A R成像看作一個稀疏編碼的過程，散射系數(shù)就是編碼系數(shù)。編碼矩陣和解碼矩陣構(gòu)成一個多層感知

3、器，利用誤差反向傳播算法（BP）優(yōu)化解碼矩陣和編碼矩陣，使得重構(gòu)的 ISAR回波數(shù)據(jù)誤差最小。在編碼過程之后加入了激勵函數(shù)，大大簡化了稀疏度控制稀疏選擇的難度。解碼矩陣看作一個稀疏字典，基于壓縮感知理論，利用平滑零范數(shù)算法（SL0），恢復(fù)出IS AR圖像，然后方位向進(jìn)行逆傅里葉變換，得到等效回波數(shù)據(jù)，作為下個階段的輸入。方位向的分辨率在每個階段都高于前一階段，最后輸出超分辨的ISAR圖像。
　　本文接著提出了一種基于共稀疏的 IS

4、AR超分辨成像方法。不同于傳統(tǒng)的基于壓縮感知的成像方法是一種逆問題求解，我們構(gòu)造一種正向求解的成像模型。我們把相位誤差的調(diào)節(jié)和解析操作算子的學(xué)習(xí)結(jié)合起來，學(xué)習(xí)得到的解析算子可以把回波映射到高維多普勒空間。此外為了加強(qiáng)算法對噪聲的魯棒性，我們加入了正則項(xiàng)，利用增強(qiáng)拉格朗日算法來逼近去噪的信號。為了利用 ISAR圖像的稀疏性，我們受到正交匹配追蹤算法的啟發(fā)，對其作了一些改進(jìn)，使其適應(yīng)我們的正向模型，利用修改的正交匹配追蹤算法恢復(fù)出目標(biāo)強(qiáng)散射

5、點(diǎn)，得到聚焦好，噪聲少的高質(zhì)量的超分辨ISAR圖像。
　　本文的最后提出了一種基于小波域混合高斯模型的 IS A R超分辨成像方法。傳統(tǒng)的基于壓縮感知的ISAR成像，是利用約束來實(shí)現(xiàn)去噪的，當(dāng)信噪比很低的條件下，壓縮感知會把一些噪聲點(diǎn)也作為強(qiáng)散射目標(biāo)點(diǎn)恢復(fù)出來。在共稀疏超分辨成像的基礎(chǔ)上，把恢復(fù)的散射系數(shù)距離多普勒域轉(zhuǎn)換到小波域，小波低頻部分是 ISAR圖像的平滑部分，利用小波低頻系數(shù)建立混合高斯模型，用期望最大算法（EM）估計(jì)參