基于压缩感知理论的稀疏孔径ISAR成像

在基于压缩感知理论的逆合成孔径雷达成像过程中,利用正交匹配追踪算法进行信号重构时存在重构精度较低、运算速度较慢的缺点,针对上述问题,提出了一种利用改进正交匹配追踪算法进行信号重构的稀疏孔径高分辨成像方法。首先,构造数据选择矩阵作为测量矩阵模拟回波缺失情况,然后利用稀疏基矩阵对回波信号进行稀疏表示,最后采取一种改进正交匹配追踪算法进行图像重构,相比于正交匹配追踪算法同时提高了运算速度和成像质量。通过仿真实验,在稀疏孔径数据随机缺失的情况下,改变数据缺失率,将该算法与距离-多普勒算法和正交匹配追踪算法的成像结果进行对比,验证了该算法的有效性和优越性。     

基于稀疏孔径的联合稀疏约束干涉ISAR机动目标三维成像

InISAR系统能够实现对目标的3维几何估计,更加有利于目标的分类和识别。同时多功能ISAR/InISAR系统针对的多是机动性很强的目标,在某些情况下对单个目标仅能获取稀疏孔径观测,尤其是在目标存在机动特性的情况下,更是增加了ISAR成像的难度,这些对传统的ISAR成像算法提出了挑战。为了解决上述这些问题,该文针对机动目标提出一种基于稀疏孔径的联合稀疏约束InISAR 3维成像方法。对匀加速转动的目标,回波的多普勒调制可以建模成线性调频的形式,并用chirp-傅里叶字典来表征其机动性。接着将联合的多通道InISAR 2维成像转化为联合稀疏约束的最优化求解问题,并用改进的OMP算法进行求解。然后利用各个通道估计的ISAR图像和调频参数实现对目标的3维几何重构。相比于单通道独立成像,联合多通道稀疏约束成像能获得更好的2维和3维成像结果。最后,进行实测数据实验以验证该文算法的有效性。     

基于稀疏约束最优化的ISAR相位自聚焦成像算法

本文提出了一种基于稀疏约束的ISAR方位自聚焦算法,能够应用于稀疏孔径ISAR成像中。该算法利用ISAR图像的稀疏特征建立最小1范数成像模型,并将相位误差作为模型误差。然后通过数值迭代的方式进行自适应相位误差估计,最终获得聚焦良好的ISAR图像。同时,成像代价函数的建立基于矩阵模型,有利于采用方位FFT和矩阵的Hardmard乘积操作进行快速求解。由于利用稀疏约束,该方法在低信噪比的条件下仍然能够取得良好的聚焦结果。基于仿真数据和实测数据的结果验证了本文算法的有效性。     

稀疏孔径下的运动补偿及快速超分辨成像方法

针对稀疏孔径条件下目标运动补偿难和方位稀疏成像算法效率低、分辨率差等问题,本文提出了一种稀疏孔径下的运动补偿和快速超分辨成像方法.首先,通过将运动补偿问题转换为距离频域内的多参数估计问题,基于黄金分割法实现参数的快速估计后同时实现包络对齐和相位校正,从而完成运动补偿;其次,针对补偿后不同距离单元ISAR回波的特征,为实现快速的方位成像,本文提出矩阵形式的Nesterov线性Bregman迭代算法（Matrix form of Nesterov Linearized Bregman Iteration,MNLBI）算法,分析了该算法的基本迭代格式,讨论了加快收敛的原因,并详细分析了该算法的运算量,仿真与实测数据结果验证了本文方法的有效性.     

一种稀疏孔径下大尺寸目标的ISAR 成像方法

针对稀疏孔径下的大尺寸目标ISAR 成像,该文提出了一种新的成像方法,该方法在距离频域进行方位向压缩,避免了散射点越距离单元徙动的影响|引入压缩感知替代FFT 对稀疏孔径数据进行方位压缩,通过构造随距离频率变化的基空间,消除了距离频率和方位时间之间的耦合,同时降低了方位向的峰值旁瓣比,获得了清晰的目标图像。计算机仿真结果验证了该算法的有效性。      

结合字典学习技术的ISAR稀疏成像方法

鉴于稀疏ISAR成像方法的成像质量受到待成像场景的稀疏表示不准确的限制,该文将字典学习(DL)技术引入到ISAR稀疏成像中,以提升目标成像质量。该文给出基于离线DL和在线DL两种ISAR稀疏成像方法。前者通过已有同类目标ISAR图像进行学习,获得更优稀疏表示,后者在成像过程中从现有数据中通过优化获得稀疏表示。仿真和实测ISAR数据成像结果表明,结合离线DL和在线DL的成像方法均可获得比现有方法更优的成像结果,离线DL成像优于在线DL成像,而且前者计算效率优于后者。     

一种基于压缩感知的稀疏孔径SAR成像方法

 高分辨大场景合成孔径雷达(SAR)成像给数据存储和传输系统带来沉重负担.本文针对条带式SAR成像,提出一种基于压缩感知技术的稀疏孔径SAR成像方法.该方法沿方位向以部分子孔径采样的方式获取降采样的原始数据,然后在距离向采用传统匹配滤波方法实现脉冲压缩处理,在方位向则利用小波基作为场景散射系数的稀疏基,并通过求解最小l₁范数优化问题重构方位向散射系数.该方法在存在多普勒参数误差情况下,能够有效实现多普勒参数估计,具有良好稳健性.仿真和实测数据成像结果表明所提算法在方位向严重降采样条件下仍能够实现无模糊的SAR成像,具有较强的有效性与实用性.     

结合最近邻图模型的稀疏ISAR成像方法

逆合成孔径雷达（Inverse Synthetic Aperture Radar,ISAR）稀疏成像方法可提供图像对比度高、旁瓣干扰少的成像结果 .稀疏成像以场景或目标散射率分布具有稀疏性为前提,待成像目标场景的稀疏特性决定了最终成像质量. ISAR目标场景的自然稀疏特性着重刻画点状特征,变换域稀疏表示可增强目标图像的纹理等通用特征.通过学习获得的稀疏变换字典,可自适应于待成像的ISAR目标场景,找到面向ISAR目标图像块的特有稀疏表示.但是,图像块的特有稀疏表示中忽略了待成像目标场景中目标的几何特征信息.最近邻图模型可建立给定数据的几何特征描述算子,刻画出给定数据的几何特征信息.本文利用最近邻图模型来刻画待成像目标场景中目标的几何特征信息,并映射到待成像目标场景的特有稀疏表示中;提出结合最近邻图模型的ISAR稀疏成像方法,用于不同类别实测ISAR数据成像.相比已有的ISAR稀疏成像方法,所提成像方法可获得目标轮廓更清晰的成像结果,成像所需时间平均减少10.4%.     

基于稀疏贝叶斯学习的稀疏信号 表示ISAR成像方法

作为一种新的稀疏信号表示算法,SBL(稀疏贝叶斯学习)方法没有BP方法的结构错误,也比FOCUSS方法具有少的多的局部最小点.ISAR成像问题可以转化为稀疏信号表示的问题,因此本文首次将SBL用于ISAR成像.真实数据的成像结果表明SBL是一种比BP和FOCUSS更有效的ISAR成像算法.     

基于快速SBL的双基地ISAR成像

针对稀疏孔径条件下双基地ISAR成像分辨率低、运算时间长等问题,提出了一种基于快速稀疏贝叶斯学习的高分辨成像算法。首先,建立基于压缩感知的双基地ISAR稀疏孔径回波模型,然后将整个二维回波数据进行分块处理,并假设目标图像各像元服从高斯先验,建立稀疏贝叶斯模型,再利用快速边缘似然函数最大化方法求解得到高质量目标图像,最后将所求的每块回波对应的目标图像合成整个二维图像。由于采取了分块处理,在每块图像重构时减少了数据存储量和计算量。另外,相比于传统的稀疏贝叶斯学习求解方法,本文所提快速算法在保证重构质量的同时进一步缩短了运算时间,仿真实验验证了算法的有效性和优越性。     

基于压缩感知的稀疏孔径认知ISAR成像方法

针对运用压缩感知理论对ISAR目标成像时不同目标所需观测维数和积累时间不同的问题,提出了一种基于压缩感知的稀疏孔径认知ISAR高分辨成像方法。在对目标稀疏特性认知的基础上,构建了基于目标横向稀疏度和观测积累时间的随机观测矩阵,并给出了成像质量评估标准,实现了对有限雷达资源条件下ISAR目标的高分辨认知成像。仿真结果表明,利用该方法成像,不仅可以减少雷达成像发射脉冲数,而且可以有效减少目标成像的时间,同时还能获得高质量的目标ISAR像。     

频率步进信号距离－方位联合超分辨成像方法

对距离向、方位向二维稀疏的频率步进信号模型, 基于压缩感知理论, 研究了一种适用于稀疏频率步进回波的距离-方位联合逆合成孔径雷达(Inverse Synthetic Aperture Radar, ISAR)超分辨成像方法.首先对稀疏频率步进回波进行建模, 在此基础上构建了距离向和方位向二维稀疏时的联合稀疏基, 最后利用二维平滑0-范数法在矩阵域直接进行处理, 得到最终的ISAR超分辨成像结果.并对算法复杂度、超分辨性能进行了分析, 得出了相应的结论.理论分析和仿真结果表明所提方法在不同稀疏方式、不同稀疏条件下具有更好成像质量、更快处理速度的优势.     

一种基于DCFT的三维ISAR成像方法

利用天线阵进行三维逆合成孔径雷达(ISAR)成像时,估计目标的横向运动参数是三维成像的关键.本文提出了一种基于离散调频傅里叶变换(DCFT)的横向运动参数估计方法用于天线阵的三维ISAR成像,可以在保证三维成像精度的同时有效减少算法的运算量.最后,利用本文中给出的成像算法对空间目标进行三维ISAR成像仿真验证,通过成像...     

基于MIMO的ISAR成像算法研究

基于RD算法的ISAR成像在实际应用中由于很多复杂的因素导致可利用的成像积累时间短,有可能达不到所要求的方位向分辨率。在此研究了几种不同情况下,结合MIMO技术对同一目标ISAR成像的算法。它采用多个收发雷达对同一目标发射一组射频信号,通过对接收到的回波信号进行匹配滤波实现距离像压缩,将不同雷达接收到的距离像进行选取、插值、组合,最后对组合后数据进行方位向多普勒分辨成像。理论推导以及仿真实验结果证明,该方法在不同情况下都可以在达到方位向分辨率的前提下,缩短成像所需时间,或者在确保成像时间的前提下,提高成像的分辨率。这样缩短成像时间的方法扩大了ISAR成像的应用范围,提高了ISAR成像效果。     

基于时频分析的ISAR成像

传统的逆合成孔径雷达(ISAR)成像算法用傅里叶变换进行频谱分析,对机动目标的成像会导致成像模糊。本文应用短时傅里叶变换(STFT)、魏格纳分布(WVD)、平滑伪魏格纳分布(SPWVD)几种时频分析方法对机动目标进行瞬时成像。仿真和实验结果表明,通过该方法能得到清晰的目标的距离-瞬时多普勒像。     

基于线性调频信号的ISAR成像仿真

逆合成孔径雷达(ISAR)是一种高分辨率的微波成像系统,它能够对运动目标进行精确成像.现介绍了线性调频信号,论述了ISAR成像的数学模型,并对ISAR成像的原理进行了详细的介绍,然后将线性调频信号应用于ISAR成像模型中,最后建立仿真平台,实现了对目标的成像.     

基于分层贝叶斯Lasso的稀疏ISAR成像算法

逆合成孔径雷达(ISAR)目标回波具有明显的稀疏特征,传统的凸优化稀疏ISAR成像算法涉及繁琐的正则项系数调整,严重限制了超分辨成像的精度及便捷程度.针对此问题,该文面向非约束Lasso正则化模型,建立分层贝叶斯概率模型,将非约束的范数正则化问题等效转化成稀疏拉普拉斯先验建模问题,并在分层贝叶斯e1 Lasso模型中建立正则项系数依赖的概率分布,从而为实现完全自动化参数调整提供便利条件.考虑到目标稀疏散射特征和多超参数的高维统计特性,该文应用吉布斯(Gibbs)随机采样方法,实现对ISAR目标稀疏特征的求解,并同步获取包括正则项系数在内的多参数估计.基于该文研究方法可实现全部参数均通过数据学习获得,从而有效避免繁琐的参数调整过程,提升算法的自动化程度.仿真及实测数据均可证明该方法的有效性和优越性.     

基于分层贝叶斯Lasso的稀疏ISAR成像算法

逆合成孔径雷达(ISAR)目标回波具有明显的稀疏特征,传统的凸优化稀疏ISAR成像算法涉及繁琐的正则项系数调整,严重限制了超分辨成像的精度及便捷程度。针对此问题,该文面向非约束Lasso正则化模型,建立分层贝叶斯概率模型,将非约束的$ {\ell _1}$范数正则化问题等效转化成稀疏拉普拉斯先验建模问题,并在分层贝叶斯Lasso模型中建立正则项系数依赖的概率分布,从而为实现完全自动化参数调整提供便利条件。考虑到目标稀疏散射特征和多超参数的高维统计特性,该文应用吉布斯(Gibbs)随机采样方法,实现对ISAR目标稀疏特征的求解,并同步获取包括正则项系数在内的多参数估计。基于该文研究方法可实现全部参数均通过数据学习获得,从而有效避免繁琐的参数调整过程,提升算法的自动化程度。仿真及实测数据均可证明该方法的有效性和优越性。     

基于和差波束的三维ISAR成像技术

针对大带宽、高分辨的雷达信号,同一距离单元多个散射点复数叠加,导致传统基于一维距离像比幅测角的三维成像方法效果较差。提出了一种基于逆合成孔径雷达(ISAR)成像的三维成像方法,根据同一距离单元内多个散射点多普勒的不同,利用ISAR成像方法对多个散射点进行分离,在图像配准的前提下对和差信号ISAR像素点进行比幅法测角,最后,剔除角闪烁点及误差较大的散射点,对图像进行重构及合成得到三维ISAR像,同时完成目标定标。实测点目标及飞机目标的处理结果表明了本文方法较传统方法成像质量有较大改善,验证了方法的有效性及可行性。