本文選題：雷達目標成像 + 高分辨距離像��； 參考：《國防科學(xué)技術(shù)大學(xué)》2014年博士論文

【摘要】：目標成像是防空反導(dǎo)、空間監(jiān)視、戰(zhàn)場偵察等作戰(zhàn)力量的共性核心技術(shù),雷達可全天時、全天候?qū)δ繕烁叻直娉上?是獲取目標尺寸、結(jié)構(gòu)、運動等物理屬性特征信息的重要手段。在軍事斗爭準備新需求的驅(qū)動下,雷達探測成像迎來了新的挑戰(zhàn)和發(fā)展機遇。本文圍繞雷達目標成像面臨的新問題開展研究,主要包括如下研究內(nèi)容和成果:第一章為緒論。介紹了課題研究的背景和意義,重點剖析了雷達探測成像面臨的問題和發(fā)展趨勢,綜述了利用分集信息的雷達目標成像技術(shù)研究現(xiàn)狀,簡要介紹了稀疏表示理論在雷達成像中應(yīng)用的歷程。第二章為本文的理論和算法基礎(chǔ)。首先介紹了雷達目標稀疏成像的基本原理,著重分析了目標雷達回波的稀疏性并建立了目標雷達回波的稀疏表示模型,在此基礎(chǔ)上介紹了雷達目標壓縮感知成像的基本概念和原理。然后分四大類綜述了壓縮感知稀疏恢復(fù)的基礎(chǔ)算法。最后借助數(shù)值仿真比較分析了各算法的性能特點。研究結(jié)果為后續(xù)章節(jié)選擇構(gòu)建結(jié)構(gòu)稀疏恢復(fù)的基礎(chǔ)算法提供了依據(jù)。第三章研究了稀疏隨機跳頻雷達運動目標成像。首先建立了運動目標回波模型,在此基礎(chǔ)上構(gòu)建了運動目標回波的參數(shù)化結(jié)構(gòu)壓縮感知模型,并采用包含內(nèi)外雙層的迭代結(jié)構(gòu)求解該模型。利用該模型和算法實現(xiàn)了聯(lián)合運動誤差補償和成像。此外,提出了四大方面的八個指標評估算法的性能。針對實際中存在的難以事先確定稀疏隨機跳頻壓縮感知雷達所需脈沖數(shù)的問題。為了盡可能減少所需的脈沖數(shù)目,提出動態(tài)高分辨距離成像策略和快速的復(fù)數(shù)值序貫同倫算法。該算法避免了每獲得一個新的觀測都要重新求解一個優(yōu)化問題。實驗表明,該算法適合快速的序貫更新,并且比直接利用實數(shù)序貫同倫算法所需的脈沖數(shù)更少。針對小角度ISAR觀測的信息不充分導(dǎo)致成像分辨受限的問題,提出開采并利用數(shù)據(jù)的相關(guān)性和稀疏性先驗的思路和方法。在相關(guān)性和稀疏性先驗的聯(lián)合利用方面提出了兩種算法,一是孔徑外推與塊稀疏貝葉斯學(xué)習(xí)接力的方法,實現(xiàn)將數(shù)據(jù)的相關(guān)性先驗和稀疏性先驗先后折合為觀測數(shù)據(jù)的增加。另一是在稀疏貝葉斯學(xué)習(xí)的框架下聯(lián)合建模和利用相關(guān)性以及稀疏性先驗的方法。仿真數(shù)據(jù)和實測數(shù)據(jù)表明這兩種方法都能夠穩(wěn)健提高成像分辨率。第四章研究了運動目標全極化高分辨成像。為了獲得目標更豐富的特征信息,將稀疏隨機跳頻高分辨體制與全極化測量體制融合形成了全極化高分辨成像體制。為了去除分時測量中因為目標運動造成的極化散射矩陣不相關(guān),以及補償運動產(chǎn)生的相位誤差,在建立分時和瞬時測量全極化信號模型的基礎(chǔ)上,構(gòu)建了參數(shù)化廣義結(jié)構(gòu)壓縮感知模型和求解算法。采用該算法聯(lián)合實現(xiàn)全極化高分辨成像和運動參數(shù)估計。仿真數(shù)據(jù)和暗室合成數(shù)據(jù)表明,采用分時和瞬時測量體制都能夠獲取高質(zhì)量的全極化高分辨距離像。針對單一極化小角度ISAR獲取的信息不充分導(dǎo)致成像質(zhì)量不高的問題,提出了全極化小角度高分辨ISAR成像算法。為了提高成像質(zhì)量,提出開采并利用單極化觀測數(shù)據(jù)的相關(guān)性、多通道觀測數(shù)據(jù)之間的相關(guān)性以及聯(lián)合稀疏性等先驗信息的思路與方法。為了利用相關(guān)性信息,采用多通道孔徑外推技術(shù)將其折合為未獲得的全極化觀測。在此基礎(chǔ)上,利用塊稀疏貝葉斯學(xué)習(xí)方法建模和利用聯(lián)合稀疏性,進一步的外推數(shù)據(jù)。仿真數(shù)據(jù)和暗室合成數(shù)據(jù)表明,全極化觀測的引入不但可以提取目標的高分辨全極化特征,而且可以提高成像的分辨率。第五章研究了寬視角雷達目標成像。首先根據(jù)線性系統(tǒng)理論和層析成像原理,建立了壓縮觀測統(tǒng)一的信號模型,結(jié)合處理網(wǎng)格失配的結(jié)構(gòu)稀疏得到了徑向壓縮觀測統(tǒng)一的稀疏表示模型。根據(jù)等效壓縮矩陣的特性把壓縮觀測分為滿足壓縮感知條件以及不滿足壓縮感知條件兩類。并且在成像算法設(shè)計上加以區(qū)別對待。針對滿足壓縮感知條件的壓縮觀測,提出了徑向壓縮感知數(shù)據(jù)獲取策略以及混合成像算法。該混合算法首先采用壓縮感知稀疏恢復(fù)算法重構(gòu)徑向信號,然后利用后向投影成二維圖像。在徑向稀疏恢復(fù)時,將小角度內(nèi)一維距離像峰值位置緩變性帶來的結(jié)構(gòu)稀疏性與處理網(wǎng)格失配的結(jié)構(gòu)稀疏相結(jié)合,采用計算復(fù)雜度低、具有可準確重構(gòu)保證的塊正交匹配追蹤算法,提高壓縮感知稀疏恢復(fù)精度。該混合成像算法相比二維聯(lián)合稀疏恢復(fù)具有詞典維數(shù)更低(對應(yīng)計算和存儲復(fù)雜度低)、圖像質(zhì)量更高的優(yōu)點。針對不滿足壓縮感知可重構(gòu)條件的一類壓縮數(shù)據(jù)獲取方式,如小帶寬觀測。提出了增強后向投影提高成像分辨率的算法。為了提高后向投影的徑向分辨,提出開采和利用同一視角不同頻點觀測數(shù)據(jù)的相關(guān)性、小角區(qū)內(nèi)觀測數(shù)據(jù)所具有的相關(guān)性、小角區(qū)內(nèi)多個視角的一維距離像具有的聯(lián)合稀疏性以及相關(guān)性的方法。為了利用觀測數(shù)據(jù)中包含的相關(guān)性先驗信息,采用多通道帶寬外推將相關(guān)性信息折合為觀測數(shù)據(jù)的增加;為了利用聯(lián)合稀疏性和同一距離單元信號的相關(guān)性,采用塊內(nèi)相關(guān)性的塊稀疏貝葉斯學(xué)習(xí)方法。仿真實驗表明所提方法能夠有效提高后向投影算法的分辨能力。第六章總結(jié)了全文工作,并給出了值得下一步深入研究的內(nèi)容。
[Abstract]:This paper introduces the basic principle of radar target sparse imaging . In order to improve the resolution of backward projection , this paper proposes an algorithm to improve the resolution of backward projection . In order to improve the radial resolution of backward projection , this paper proposes an algorithm to improve the resolution of backward projection . In order to improve the radial resolution of backward projection , this paper proposes a method to improve the resolution of backward projection .

【學(xué)位授予單位】：國防科學(xué)技術(shù)大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2014
【分類號】：TN957.52
，

本文編號：1883668