空間目標壓縮感知雷達成像方法與應用研究.pdf

1、傳統(tǒng)距離-多普勒ISAR成像方法和傳統(tǒng)雷達信號采集方法所面臨的數(shù)據(jù)量大、采樣率高等問題。本文深入研究了基于壓縮感知的ISAR成像，圍繞壓縮感知成像理論和實測數(shù)據(jù)處理中面臨的理論難題與實測數(shù)據(jù)誤差等問題，結合雷達數(shù)字接收機和相控陣雷達等雷達發(fā)展方向，致力于解決當前空間目標成像中面臨的實際問題以及現(xiàn)有算法的局限性。本文研究的主要內(nèi)容包括寬帶成像雷達數(shù)字接收機的壓縮感知應用、稀疏回波壓縮感知自聚焦問題、相控陣雷達多目標成像問題以及壓縮感知成像

2、中遇到的復雜運動目標和含旋轉部件目標的成像問題。
　　第一章緒論主要闡述了論文的研究背景及研究意義，介紹了空間目標成像雷達的發(fā)展現(xiàn)狀和壓縮感知技術現(xiàn)狀，重點分析了壓縮感知在雷達技術中的應用，特別是壓縮感知在空間目標成像中的發(fā)展情況。對壓縮感知雷達成像中面臨的挑戰(zhàn)和存在的技術難題作了總結與分析。從中出發(fā)引出了本文的主要研究目標和方向，對論文的研究內(nèi)容和主要安排作了簡要介紹。
　　第二章研究了壓縮感知在線性調(diào)頻雷達中頻信號采集和

3、數(shù)字接收機中應用，并提出了一種快時間壓縮采樣數(shù)字中頻接收機和一種正交一維距離像重構算法，并在此基礎上進一步提出了慢時間域與快時間域同步稀疏采樣的二維稀疏成像方法。首先從ISAR成像模型的角度出發(fā)，對線性調(diào)頻回波信號進行了稀疏性分析，基于散射點成像模型和一維距離像稀疏性構造了中頻回波的稀疏字典，提出了一種基于隨機采樣的中頻直采數(shù)字接收機，可以大大降低中頻直采對于ADC采樣率的需求。提出一種正交一維距離像重構算法，實現(xiàn)了從欠采樣中頻回波中直

4、接重構目標一維距離向的方法，重構得到的一維像具有很好的保相性，便于后續(xù)ISAR成像方位向聚焦。提出了基于2D壓縮感知的二維圖像重構方法，將壓縮采樣擴展到距離和方位向兩個維度，在二維同時稀疏采樣的前提下，大大降低成像所需的數(shù)據(jù)量?；?D-SL0算法實現(xiàn)了二維直接重構，與傳統(tǒng)的二維圖像壓縮感知處理方法相比，大大降低了重構算法的復雜度，提高了二維像重構速度。
　　第三章重點研究了在方位向回波數(shù)量不足的壓縮感知成像場景中的自聚焦問題，提

5、出了一種針對稀疏回波的相位補償方法。在實測信號的雷達成像中，目標的相參性被觀測誤差破壞，基于理想轉臺模型提出的算法無法直接重構得到圖像，必須進行相參化處理。壓縮感知成像中，回波信息的缺失又導致傳統(tǒng)的自聚焦算法對稀疏回波數(shù)據(jù)補償失效。本章首先從理論角度分析了壓縮感知成像中實測雷達數(shù)據(jù)的噪聲和測量誤差模型，將帶有相位誤差的壓縮感知成像問題等效為求解最稀疏解和最小圖像熵的聯(lián)合優(yōu)化問題，在傳統(tǒng)的壓縮感知重構函數(shù)中增加最小圖像熵作為重構正則化參數(shù)

6、。提出了一種迭代方法對該優(yōu)化問題進行求解。在每一個迭代過程中，首先使用壓縮感知重構算法基于現(xiàn)有誤差重構目標；然后基于最小熵或最大對比度準則從當前重構目標結果估計相位誤差。用當前誤差補償回波數(shù)據(jù)后再進入下一次迭代，迭代直至誤差小于設定的閾值范圍。本章所提算法完全基于稀疏采樣的數(shù)據(jù)估計相位誤差，從而實現(xiàn)隨機脈沖數(shù)量不足時的圖像自聚焦。經(jīng)過仿真數(shù)據(jù)驗證，對多種相位誤差均由較好的補償效果，實測數(shù)據(jù)處理結果進一步驗證了算法的可行性。
　　第

7、四章研究了基于壓縮感知的寬帶相控陣雷達多目標同時成像技術。針對同時多目標觀測場景中雷達脈沖資源有限的問題，本文充分挖掘相控陣雷達脈沖分配的靈活性，基于慢時間域壓縮感知成像方法提出一種隨機脈沖分配方案，將觀測時間內(nèi)的有限雷達脈沖資源分配給多個目標，在慢時間域實現(xiàn)對多個目標的隨機欠采樣，然后利用壓縮感知成像方法從稀疏回波中重構每個目標的二維像?？紤]到多目標場景中目標通常具有不同尺寸，并且相對于雷達視線方向具有不同的旋轉速度。本章從ISAR成

8、像原理和壓縮感知觀測條件角度出發(fā)，證明了壓縮感知成像所需的脈沖個數(shù)與目標尺寸和目標轉速的關系，并推導了三者之間的換算公式?；谝陨贤茖?，本章在隨機脈沖分配方案的基礎上進一步提出了自適應多目標同時成像方法。該方法基于目標尺寸估計和旋轉速度估計對脈沖分配比例進行實時計算，雷達在多目標觀測過程中實時修正脈沖分配比例，從而進一步優(yōu)化雷達資源分配。采用本章提出的脈沖分配方法及壓縮感知重構算法，可以利用有限的雷達資源實現(xiàn)盡可能多目標同時成像，有助于

9、提高雷達的多目標觀測能力。仿真實驗結果證明了本文所提脈沖分配比例計算方法以及自適應多目標同時成像方法的有效性及必要性。
　　第五章研究了含微動部件目標的壓縮感知成像問題，提出了一種針對稀疏回波的微多普勒分離及壓縮感知成像方法。目前針對空間目標的壓縮感知成像研究大部分都是基于剛體目標模型，缺少對含旋轉部件的目標壓縮感知成像的研究。由于目標主體散射點的回波在慢時間域具有明顯的稀疏性，利用壓縮感知算法可以從稀疏回波中重構成像結果。但旋轉

10、部件的微多普勒效應會對其所在的距離單元回波造成調(diào)制及干擾，破壞目標主體散射點回波在慢時間頻域的稀疏性，導致圖像重構結果散焦。本章提出了包含微動部件目標的理想散射點回波模型，并從時頻分析的角度研究了微動部件對目標主體回波多普勒頻率的影響，利用面元模型回波仿真方法分析了旋轉部件對目標一維距離像的影響。研究了稀疏回波場景下，含微動部件目標的ISAR成像模型，利用基于稀疏短時傅里葉變換的稀疏時頻分析方法，對稀疏采樣后的回波時頻特性進行分析；提出