基于压缩感知的稀疏阵列MIMO雷达成像方法

针对MIMO雷达对空目标单次快拍成像时天线数目较多问题,该文提出了一种稀疏阵列MIMO雷达的成像方法。首先分析了MIMO雷达天线的稀疏布阵方式,其次结合压缩感知理论具体阐述了稀疏阵列MIMO雷达的成像方法。该方法不仅能够对运动目标实现单次快拍成像,避免了目标机动带来的运动补偿难题,同时又能够大幅减少MIMO雷达的天线规模,便于工程实现。最后利用仿真实验验证了所提方法的有效性。     

稀疏阵列L 型MIMO 雷达运动目标三维成像方法

针对L型多输入多输出(Multiple-Input Multiple-Output,MIMO)雷达对空中运动目标三维成像天线数目较多问题,提出了发射阵列采用稀疏布阵的L型MIMO雷达三维成像方法。该文首先分析了MIMO雷达发射阵列的稀疏布阵方式,其次结合压缩感知理论具体阐述了基于稀疏阵列的三维成像方法。该方法在大幅减少L型MI-MO雷达发射天线的条件下,实现了对运动目标的单次快拍三维成像,不仅有效避免了目标机动带来的运动补偿难题,同时又降低了系统的硬件复杂度,便于工程应用。最后利用仿真实验验证了本文方法的有效性和可行性。     

基于Kronecker压缩感知的宽带MIMO雷达高分辨三维成像

在宽带多输入多输出(MIMO)雷达3维成像中,MIMO雷达收发阵元数量和空间分布的限制会导致图像的2维横向分辨率难以满足实际需求。该文利用压缩感知(CS)理论来实现图像在2维横向上的超分辨。考虑到对信号的每一维分别进行超分辨会损失各维间的耦合信息,提出一种基于Kronecker CS(KCS)的2维联合超分辨方法;为解决KCS在多维高分辨应用中存储量大、计算效率低的问题,进一步提出了一种基于低分辨3维图像先验信息的降维KCS方法。仿真和实测数据实验验证了方法的有效性。     

艇载稀疏阵列MIMO雷达地面运动目标成像方法

本文针对地面运动目标成像问题,提出了基于平流层飞艇平台的稀疏阵列MIMO(Multiple-Input Multiple-Output)雷达的成像方法.该方法首先利用MIMO雷达阵列对观测场景进行空间并行采样获取其散射信息,其次由于两次脉冲回波信号中的运动目标信息不同而地杂波(或静止地物)信息相同,因此利用一次相消技术抑制回波信号中的地杂波分量.然后基于观测场景中运动目标的稀疏特性,将压缩感知理论引入到对运动目标重建过程中.该方法可有效避免地面运动目标成像时的地杂波干扰和运动补偿问题,同时采用稀疏阵列可大幅减少天线阵元个数,从而降低对飞艇平台的要求和系统成本,便于工程应用.最后利用仿真实验验证了该方法的有效性和可行性.     

穿墙雷达扩展目标自聚焦稀疏成像方法

实际场景中穿墙雷达成像的墙体参数大多是未知的,采用现有的穿墙稀疏成像算法会出现目标位置偏移和图像模糊,提出一种基于结构化贝叶斯压缩感知的自聚焦稀疏成像方法。该方法首先把墙体厚度和介电常数视为字典的参数,建立了参数化字典稀疏表示模型,并且充分考虑扩展目标像素间的结构信息,然后对未知墙体参数的字典矩阵在墙体参数上进行一阶泰勒级数展开,采用变分法进行分层交替迭代优化相应的隐变量和参数。仿真和实验结果表明,该方法通过修正墙体参数偏差,有效消除了目标位置偏移和图像模糊,实现了未知墙体参数下的高分辨自聚焦成像。     

基于混合匹配追踪算法的MIMO雷达稀疏成像方法

多输入多输出(MIMO)雷达作为一种新型的雷达体制,其成像兼具高分辨率与实时性的优点。由于观测区域的稀疏性,MIMO雷达成像可以用压缩感知的方法进行处理。而现有的MIMO雷达稀疏成像的贪婪恢复算法中,正交匹配追踪算法(OMP)存在成像图像有伪影的缺点,子空间追踪算法(SP)则受到低分辨率的困扰。针对上述问题,该文提出一种称为混合匹配追踪算法的压缩感知贪婪算法以实现MIMO雷达稀疏成像。通过将两种贪婪恢复算法结合起来,利用OMP 算法选择基信号的正交性和SP 算法具有基信号选择的回溯策略,来重构出高分辨率且没有伪影的雷达图像。仿真实验验证了所提算法的有效性。     

基于空域平滑稀疏重构的DOA估计算法

该文提出一种基于空域平滑稀疏重构的DOA估计算法,利用空域平滑理论对协方差矩阵进行处理,然后通过KR积变换改变其结构,并对变换后的矩阵进行稀疏重构获得角度估计。此外,该文还给出了两种不同的目标函数误差求解方法。从仿真实验可以看出,该算法与传统的基于压缩感知理论的DOA估计算法对比,明显降低了运算量,且对于相干和非相干信号的处理性能均有所提高,在低角度间隔、低信噪比和低采样数条件下优势更为突出。     

压缩感知稀疏表示在雷达目标识别中的应用

高分辨距离像(HRRP)目标识别算法很多,在其利用高分辨距离像蕴含的目标结构信息的同时,也需要面对数据量巨大的难题.事实上,尽管高分辨距离像数据量巨大,但却是稀疏的,然而利用其稀疏特性进行识别的方法却不多.为此,提出了一种基于压缩感知稀疏表示方法实现目标识别的算法.该算法首先采用遗传正交匹配追踪(OMP)算法对一维距离像训练样本进行稀疏分解以获得类别字典,然后根据类别字典分析测试样本的重构误差实现目标识别.仿真实验证明,所提算法简捷、识别率更高,相较于常规算法识别率提高最多可达20％,并且在受到噪声干扰情况下依然能够稳健地识别目标.     

基于块稀疏贝叶斯学习的雷达目标压缩感知(英文)

高速采样和传输是目前雷达系统面临的一个重要挑战。针对这一问题,该文提出一种利用信号块结构特性的雷达目标压缩感知方法。该方法采用一个简单的测量矩阵对信号进行采样,然后运用块稀疏贝叶斯学习算法恢复信号。经典的块稀疏贝叶斯学习算法适用于实信号,该文将其扩为可直接处理雷达信号的复数域稀疏贝叶斯算法。相对于现有压缩感知方法,该方法不仅具有更好的信号重构精度和鲁棒性,更重要的是其压缩测量矩阵形式简单、易于硬件实现。数值仿真实验结果验证了该方法的有效性。      

基于贝叶斯压缩感知的FD-MIMO雷达Off-Grid目标稀疏成像

传统压缩感知(CS,Compressive Sensing)成像方法一般假定目标精确位于事先划定的成像网格上,实际中由于散射点空间位置是连续分布的,因此偏离网格(Off-grid)问题必然存在.这会引起真实回波测量值与默认系统观测矩阵之间失配,导致传统CS成像方法性能恶化.本文基于频率分集多输入多输出(FD-MIMO,Frequency Diverse Multiple-Input Multiple-Output)雷达,针对Off-grid目标提出了一种基于贝叶斯压缩感知的稀疏自聚焦(SAF-BCS,Sparse Autofocus Imaging Method Based on Bayesian Compressive Sensing)成像算法.该算法依据最大后验(MAP,Maximum A Posteriori)准则,利用变分贝叶斯学习技术求解含有Off-grid目标的稀疏像.与传统稀疏重构方法相比,所提方法充分利用了目标先验信息,可自适应调整参数,能够更好地反演稀疏目标,同时具有校正Off-grid目标的网格位置偏差以及估计噪声功率等优势.仿真结果表明SAF-BCS算法对网格划分不敏感,具有稳健的成像性能.     

基于压缩感知的稀疏采样数据大转角ISAR 成像研究

针对方位向稀疏采样条件下,大带宽大转角逆合成孔径雷达(ISAR)高分辨成像时,一维距离像中目标散射点的距离徙动问题,提出了基于贝叶斯压缩感知的稀疏ISAR 成像方法。对于方位向稀疏采样数据,该方法在包络对齐和相位补偿后,通过傅里叶变换将数据变换到距离频率域,对每一距离单元数据,根据方位向稀疏采样的位置构造相应的Keystone基矩阵,利用贝叶斯压缩感知算法重建目标在各距离频域单元的多普勒域系数,最后,通过距离向逆傅里叶变换和方位向自聚焦完成ISAR 成像。计算机仿真验证了该方法的有效性。     

一种基于混沌调频信号的稀疏雷达成像

稀疏雷达成像是指将稀疏信号处理理论引入雷达成像并有机结合而成的微波成像新方法。混沌调频信号是一种基于混沌映射产生的类噪声信号,与采用线性调频信号的雷达相比,它的波形之间互不相干且具有随机性,提升了雷达的隐蔽性能;其模糊函数形状为图钉形,增强了稀疏雷达成像中观测矩阵的列不相关性。利用支持分布式运算的交替方向法对稀疏场景进行重构,仿真实验表明,基于混沌调频信号的稀疏雷达成像可以在降低信号采样率的条件下对原始场景进行准确重建。     

存在位置误差时的分布式雷达稀疏成像

建立了含有位置误差的分布式雷达稀疏成像模型,分析了位置误差对成像过程的影响,指出在系统参数确定后,位置误差最终等效为一个周期内的相位扰动.通过预先设置位置精确已知的辅助散射点,利用最大似然法对各通道中的误差相位进行估计,生成相位误差校正矩阵,最终实现精确的稀疏反演,仿真试验验证了该方法的有效性.     

雷达动目标短时稀疏分数阶傅里叶变换域检测方法

复杂背景下的动目标检测技术是雷达目标探测的关键技术和难点之一,亟需发展和研究高时频分辨率、大数据量高效以及适用于多分量信号分析的方法和手段.该文结合经典时频分析技术和高分辨稀疏域信号处理的优势,提出短时稀疏分数阶傅里叶变换（ST-SFRFT）并用于雷达动目标检测和参数估计,实现时变信号高分辨时频表示的同时,改善SCR,提高复杂环境下雷达动目标检测的性能.实测对海雷达数据验证表明,所提方法在抗杂波以及参数估计精度等方面较经典时频动目标检测方法有明显优势.     

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.     

存在站址误差下的无源雷达稀疏成像

无源雷达稀疏成像要求精确已知系统观测矩阵,然而在实际应用中通常存在发射机和接收机站址误差,会使得雷达回波模型中的观测矩阵部分未知,导致回波测量值与观测矩阵失配,将大大减弱传统稀疏成像算法的性能。首先对存在收发阵元位置误差下的无源成像进行了建模分析,接着提出一种基于优化迭代技术的自适应相位误差校正成像方法,可以在重构目标图像的同时消除相位误差对无源成像的影响。仿真结果验证了所提成像方法的有效性。     

基于频域稀疏非均匀采样的雷达目标一维高分辨成像

 雷达目标的高分辨距离像具有稀疏和可压缩的特点,可以在频域进行稀疏非均匀采样获得目标的宽带散射数据,再通过恰当的信号处理手段得到一维高分辨像.本文描述了基于频域稀疏非均匀采样的雷达一维成像数学模型,从参数估计的角度比较了稀疏非均匀采样与均匀采样的成像性能,提出了非均匀采样点选取方法;分别应用参数估计方法和稀疏像重构方法实现了基于频域稀疏非均匀采样的雷达目标一维高分辨成像.采用暗室测量数据比较了两种方法的性能,验证了频域稀疏非均匀采样在降低数据量、提高分辨力方面的优势.