基于稀疏貝葉斯重構(gòu)方法的雷達(dá)成像技術(shù)研究.pdf

1、稀疏貝葉斯重構(gòu)方法是當(dāng)前稀疏信號處理領(lǐng)域的研究熱點問題之一，該方法不僅考慮了信號的稀疏特性，還考慮了信號的先驗統(tǒng)計信息，即基于貝葉斯基本定理通過賦予稀疏信號某一稀疏促進(jìn)項的先驗分布，從而通過貝葉斯推理的方法來求解稀疏信號參數(shù)。稀疏貝葉斯重構(gòu)方法是一種參數(shù)學(xué)習(xí)方法，其在貝葉斯推斷過程中，能夠自動地估計信號參數(shù)，且性能受人工參數(shù)干預(yù)很小。另外，稀疏貝葉斯重構(gòu)方法考慮了信號的噪聲統(tǒng)計信息，在低信噪比條件下可獲得較好的重構(gòu)性能。由于當(dāng)雷達(dá)成像場

2、景中存在強散射點時，雷達(dá)目標(biāo)的回波信號在高頻段可看做是少數(shù)幾個散射中心回波信號疊加的結(jié)果，因此雷達(dá)成像問題可轉(zhuǎn)化為稀疏信號表示問題，鑒于稀疏貝葉斯重構(gòu)方法優(yōu)良的重構(gòu)特性，本文主要研究在稀疏貝葉斯理論框架下的雷達(dá)成像新技術(shù)、新方法。具體地，本文研究內(nèi)容主要包括以下幾個方面：
　　第一章闡述了課題研究背景與意義，歸納了當(dāng)前稀疏重構(gòu)方法并深入介紹了稀疏貝葉斯重構(gòu)方法研究現(xiàn)狀，從中指出了稀疏貝葉斯重構(gòu)方法的優(yōu)越性。深入闡述了目前基于稀疏貝

3、葉斯重構(gòu)方法的雷達(dá)成像研究現(xiàn)狀，并指出了進(jìn)一步研究基于稀疏貝葉斯重構(gòu)方法的雷達(dá)成像技術(shù)的必要性。
　　第二章重點研究了稀疏貝葉斯學(xué)習(xí)(SBL)方法在雷達(dá)成像中的應(yīng)用。首先，介紹了稀疏信號表示模型及壓縮感知理論，并深入分析了SBL基本理論。其次，建立了ISAR Tomography稀疏成像模型和ISAR進(jìn)動目標(biāo)稀疏成像模型，并基于該模型利用SBL理論進(jìn)行了仿真實驗，驗證了SBL的有效性。隨后，針對理想點屬性散射中心模型，將SBL與常

4、用的其它稀疏重構(gòu)算法進(jìn)行了SAR稀疏成像性能分析，通過仿真實驗深入探討分析了各算法參數(shù)的設(shè)置對成像性能的影響，從中驗證了SBL的優(yōu)越性。本章研究結(jié)果為稀疏貝葉斯重構(gòu)方法在雷達(dá)成像中的應(yīng)用奠定了理論基礎(chǔ)并提供了依據(jù)。
　　第三章針對SBL存在時效性較差及對噪聲較敏感的缺點，首先驗證了在SBL模型基礎(chǔ)上發(fā)展的方差成分?jǐn)U張壓縮（ExCoV）方法在ISAR Tomography稀疏成像模型下具有較優(yōu)越的成像性能。其次，一方面在線性調(diào)頻IS

5、AR稀疏成像模型下，分析探討了基于ExCoV方法的ISAR稀疏成像性能；另一方面分析了捷變頻ISAR回波信號，指出了現(xiàn)有成像方法的不足之處，并在此基礎(chǔ)上首次建立了捷變頻ISAR稀疏成像模型，通過與現(xiàn)存的成像方法進(jìn)行仿真驗證對比，驗證了基于ExCoV方法成像方案的有效性。最后，基于混合散射中心模型，建立了SAR地面運動目標(biāo)（Ground Moving Target Imaging, GMTI）與SAR微動目標(biāo)（Micro-Move Tar

6、get Imaging, MMTI）稀疏成像模型，并基于ExCoV方法進(jìn)行了SAR動目標(biāo)成像，仿真實驗通過與傳統(tǒng)方法對比驗證了本文提出的成像方案能較為精確地估計動目標(biāo)參數(shù)，并且在低信噪比條件下具有較好的成像性能。
　　當(dāng)前基于稀疏表示方法的雷達(dá)成像模型大都假設(shè)雷達(dá)觀測模型非常精確的前提下進(jìn)行雷達(dá)成像，然而實際情況下由于雷達(dá)成像模型的不確定性，在雷達(dá)回波信號中存在一定的相位誤差，第四章基于ExCoV方法深入研究探討了在雷達(dá)成像中存在

7、相位誤差條件下的雷達(dá)成像性能。首先，針對由于相位誤差的引入而產(chǎn)生的ISAR自聚焦稀疏成像技術(shù)，提出了ExCoV-MLE算法，該算法通過在目標(biāo)散射系數(shù)與相位誤差之間迭代計算來進(jìn)行稀疏信號重構(gòu)和相位誤差估計，仿真實驗在不同相位誤差條件下與現(xiàn)存方法對比驗證了該算法的有效性；其次，針對ISAR成像中目標(biāo)旋轉(zhuǎn)參數(shù)未知的情況下，基于ExCoV方法提出了聯(lián)合相位誤差與旋轉(zhuǎn)參數(shù)估計的ISAR成像方案，并在不同的相位誤差條件下，利用仿真實驗驗證了該方案的

8、有效性；最后，針對聚束SAR模型，建立了存在觀測位置誤差條件下的SAR稀疏成像模型，并提出了聯(lián)合位置誤差估計的SAR成像算法，該算法先由ExCoV方法估計目標(biāo)散射系數(shù)，然后利用共軛梯度算法估計位置誤差，通過在這兩步驟中迭代進(jìn)行直到算法收斂，仿真實驗在隨機誤差條件下驗證了該算法能夠獲得高分辨的聚束SAR圖像。
　　第五章基于塊稀疏貝葉斯重構(gòu)方法，主要研究了成像場景中具有連續(xù)散射特性的塊目標(biāo)雷達(dá)成像技術(shù)。首先針對塊稀疏信號通過仿真驗證

9、了塊稀疏貝葉斯重構(gòu)算法PCSBL具有較好的重構(gòu)性能，隨后進(jìn)行了基于塊稀疏貝葉斯重構(gòu)方法的距離像分析，實驗證明了由PCSBL算法獲得的距離像能夠較好的反映具有塊特性的目標(biāo)距離像信息。其次，基于ISAR Tomography稀疏成像模型，進(jìn)行了不同塊目標(biāo)結(jié)構(gòu)ISAR成像，仿真實驗表明在該情形下，PCSBL算法仍具有良好的成像性能。最后，文章建立了條帶SAR稀疏成像模型，探討了基于塊稀疏貝葉斯重構(gòu)方法的SAR成像性能，采用仿真數(shù)據(jù)驗證了隨著目