利用稀疏信息的正則化雷達(dá)成像理論與方法研究.pdf

1、雷達(dá)成像技術(shù)自提出以來(lái)發(fā)展至今，其主要的理論基礎(chǔ)仍然是匹配濾波。匹配濾波方法是一個(gè)線性過(guò)程，并且不依賴任何目標(biāo)先驗(yàn)信息，具有實(shí)現(xiàn)簡(jiǎn)單和對(duì)任何場(chǎng)景都能得到穩(wěn)定結(jié)果的優(yōu)點(diǎn)。但是匹配濾波方法的局限性也同樣明顯，由于沒(méi)有利用任何先驗(yàn)信息，其性能難以取得突破。匹配濾波方法最主要的局限是必須根據(jù)Shannon-Nyquist采樣定理對(duì)信號(hào)進(jìn)行采樣并且成像分辨率受限于系統(tǒng)帶寬。也就是說(shuō)匹配濾波方法對(duì)數(shù)據(jù)的要求很高但是得出的結(jié)果卻性能有限。隨著雷達(dá)成像

2、技術(shù)的發(fā)展，人們對(duì)成像性能指標(biāo)的要求越來(lái)越高，而匹配濾波方法難以滿足這些要求。
　　本文從更一般的數(shù)學(xué)模型來(lái)理解雷達(dá)成像。雷達(dá)成像可以看作是一個(gè)逆問(wèn)題，即通過(guò)測(cè)量場(chǎng)景的電磁散射信號(hào)來(lái)反推出場(chǎng)景信息。由于物理限制，測(cè)量數(shù)據(jù)的信息量是有限的，比如有限的帶寬和有限的觀測(cè)角。但是人們對(duì)場(chǎng)景信息詳細(xì)程度的追求是無(wú)止境的，因此希望得到的場(chǎng)景信息量可能會(huì)大于測(cè)量數(shù)據(jù)的信息量。所以雷達(dá)成像通常是一個(gè)病態(tài)的逆問(wèn)題。本文論證了經(jīng)典的最小二乘估計(jì)方法無(wú)

3、法求解病態(tài)的逆問(wèn)題，而匹配濾波方法則是對(duì)最小二乘估計(jì)中的不可逆或者不穩(wěn)定部分作了近似處理，導(dǎo)致的后果就是匹配濾波得到的結(jié)果具有一定的主瓣寬度并且具有旁瓣效應(yīng)，因此匹配濾波得到的是模糊了細(xì)節(jié)信息的場(chǎng)景圖像。導(dǎo)致最小二乘估計(jì)方法無(wú)法求解的原因依然是沒(méi)有利用先驗(yàn)信息。而正則化方法正是在最小二乘估計(jì)的基礎(chǔ)上增加了約束項(xiàng)，使原本病態(tài)的逆問(wèn)題得到穩(wěn)定的解。為使增加約束后得到的解更靠近真實(shí)值，增加的約束必須符合場(chǎng)景的先驗(yàn)信息。本文進(jìn)一步用Bayesi

4、an最大后驗(yàn)概率估計(jì)理論解釋了正則化方法的合理性，論證了利用先驗(yàn)信息的正則化方法和Bayesian估計(jì)理論本質(zhì)上是一致的。
　　本研究的重點(diǎn)是利用稀疏信息的正則化雷達(dá)成像方法，而壓縮感知方法則是利用稀疏信息的正則化方法的一個(gè)特例。由于利用了稀疏性這個(gè)先驗(yàn)信息，正則化(包括壓縮感知)雷達(dá)成像方法可以提高成像結(jié)果的質(zhì)量并且在少量數(shù)據(jù)的情況下依然穩(wěn)定。本文就利用稀疏信息的正則化(包括壓縮感知)方法應(yīng)用于雷達(dá)成像中的若干問(wèn)題展開(kāi)了深入研究

5、，包括適合實(shí)現(xiàn)稀疏采樣的信號(hào)形式，重建過(guò)程運(yùn)算量問(wèn)題，雜波問(wèn)題，模型誤差問(wèn)題以及分布式場(chǎng)景的稀疏表示問(wèn)題。在信號(hào)形式方面，在步進(jìn)頻率波形的基礎(chǔ)上提出了壓縮感知隨機(jī)頻率SAR成像方法。在目標(biāo)稀疏的情況下，可以利用壓縮感知理論顯著減少所需要的頻點(diǎn)數(shù)，即可以通過(guò)發(fā)射少量隨機(jī)頻點(diǎn)準(zhǔn)確重建目標(biāo)圖像，從而克服了傳統(tǒng)Shannon-Nyquist采樣定理導(dǎo)致的參數(shù)限制。與常用的LFM波形相比，該方法具有適合硬件實(shí)現(xiàn)的優(yōu)點(diǎn)。基于壓縮感知的隨機(jī)頻率SAR

6、成像方法能夠顯著地增大成像距離寬度，同時(shí)保持高分辨率。在重建方法方面，針對(duì)一般壓縮感知重建過(guò)程運(yùn)算量過(guò)大的問(wèn)題，本文提出了一種分段快速重建方法。該方法的基本思路是把一個(gè)大場(chǎng)景的重建分割成若干小場(chǎng)景的重建，從而達(dá)到降低運(yùn)算量的目的。由于雷達(dá)信號(hào)為場(chǎng)景內(nèi)所有回波的疊加，因此在原始數(shù)據(jù)域是無(wú)法分段的，本文提出的分段重建步驟為：由雷達(dá)數(shù)據(jù)重建距離像；對(duì)距離像分段；根據(jù)子段距離像重建子段場(chǎng)景；子段場(chǎng)景拼接成整幅場(chǎng)景。分段重建方法的運(yùn)算量和所需內(nèi)存

7、空間大大低于一般重建方法，而重建精度幾乎相同。
　　本研究在雜波問(wèn)題方面，針對(duì)稀疏MIMO陣列前視GPR成像中的雜波特性，提出了雜波抑制預(yù)處理方法和雜波環(huán)境下的正則化參數(shù)確定方法。在前視GPR成像中，地雷等感興趣的稀疏目標(biāo)往往被地表雜波包圍。本文提出的方法首先在目標(biāo)重建之前抑制方位雜波和近距雜波，減輕重建區(qū)域外雜波的影響。在重建過(guò)程中，通過(guò)控制未重建雜波能量的比例來(lái)控制重建目標(biāo)的比例，該方法能夠在雜波環(huán)境下準(zhǔn)確重建出稀疏目標(biāo)。在模

8、型誤差方面，本文提出了一種結(jié)合觀測(cè)位置誤差估計(jì)和補(bǔ)償?shù)膲嚎s感知雷達(dá)成像方法。該方法采用迭代結(jié)構(gòu)，首先根據(jù)觀測(cè)模型重建出目標(biāo)，然后利用重建得到的目標(biāo)估計(jì)觀測(cè)位置誤差，再用估計(jì)得到的觀測(cè)位置誤差更新觀測(cè)模型并進(jìn)入下一個(gè)迭代。其中目標(biāo)重建步驟采用的是一般稀疏重建方法，而觀測(cè)位置誤差估計(jì)步驟則轉(zhuǎn)換成一組無(wú)約束優(yōu)化問(wèn)題并通過(guò)基于梯度的優(yōu)化方法求解。該方法能夠同時(shí)精確重建目標(biāo)和估計(jì)觀測(cè)位置誤差。在場(chǎng)景稀疏表示方面，針對(duì)分布式場(chǎng)景的相位可能具有隨機(jī)特