斜视合成孔径雷达的稀疏降采样数据成像方法

针对合成孔径雷达数据量庞大,不便于存储传输等问题,结合经典的距离多普勒成像算法与压缩感知理论,提出一种稀疏降采样斜视SAR数据的成像方法.在方位向上用随机降采样的方式录取数据,对所得数据进行相应的距离徙动校正和距离脉压,随后将方位向脉压建模为典型的压缩感知模型,用平滑l₀算法重构出二维SAR场景.利用该方法能有效地减少稀疏场景的SAR回波数据量,仅采用传统数据量的25%,即可获得清晰的二维成像结果.     

基于谱聚集度的旋翼微动特征提取方法

针对无闪烁条件下多分量周期性微多普勒信号的参数估计问题,提出了一种基于谱聚集度指标的微动目标特征提取方法．首先通过散射点模型分析了目标的微多普勒调制特性,然后利用目标回波慢时间维的相位信息构建微多普勒信号的解调算子,并引入奇异值比谱法估计微多普勒信号中的主周期分量,实现搜索空间的降维优化处理,最后通过计算微多普勒信号与解调算子乘积的谱聚集度来实现目标叶片数、叶片长度和初相的参数估计．仿真结果表明：该方法估计精度高、运算速度快,且在低信噪比和搜索网格失配条件下具有较好的鲁棒性．     

稀疏步进频合成孔径雷达成像算法

提出了一种适用于稀疏步进频信号的成像算法,以较少的时间和频谱资源完成了雷达目标成像。该算法将稀疏步进频回波数据等效为均匀步进频回波数据的观测值,利用压缩感知重构算法实现目标区域的距离向重构,然后经过距离徙动校正与方位向脉压完成对目标场景成像。仿真结果表明:该算法在发射频点高度稀疏条件下仍能实现高分辨成像。采用地基雷达实测数据验证了算法的有效性。     

基于3D-OMP算法的SAR动目标成像方法

针对稀疏场景下的SAR动目标成像问题展开研究,提出一种基于三维正交匹配追踪(3D-OMP)算法的稀疏成像方法。首先对成像区域进行网格划分,然后以运动目标的二维速度作为动态参数构建三维稀疏字典矩阵,即参数化稀疏表征。在算法迭代过程中,通过计算回波数据矩阵与三维稀疏字典矩阵各层之间的相关度筛选出信号的支撑集。最后利用最小二乘准则,计算出支撑集下目标场景的稀疏表征系数。该3D-OMP算法是经典OMP算法的改进与拓展,因此继承了OMP算法计算复杂度低、信号稀疏特征增强明显的优势,同时具备了重构SAR动目标图像的能力。仿真实验结果验证了该SAR动目标成像方法的有效性。