本文選題：雷達(dá)目標(biāo)成像 + 高分辨距離像　； 參考：《國(guó)防科學(xué)技術(shù)大學(xué)》2014年博士論文

【摘要】：目標(biāo)成像是防空反導(dǎo)、空間監(jiān)視、戰(zhàn)場(chǎng)偵察等作戰(zhàn)力量的共性核心技術(shù),雷達(dá)可全天時(shí)、全天候?qū)δ繕?biāo)高分辨成像,是獲取目標(biāo)尺寸、結(jié)構(gòu)、運(yùn)動(dòng)等物理屬性特征信息的重要手段。在軍事斗爭(zhēng)準(zhǔn)備新需求的驅(qū)動(dòng)下,雷達(dá)探測(cè)成像迎來(lái)了新的挑戰(zhàn)和發(fā)展機(jī)遇。本文圍繞雷達(dá)目標(biāo)成像面臨的新問(wèn)題開展研究,主要包括如下研究?jī)?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(diǎn)剖析了雷達(dá)探測(cè)成像面臨的問(wèn)題和發(fā)展趨勢(shì),綜述了利用分集信息的雷達(dá)目標(biāo)成像技術(shù)研究現(xiàn)狀,簡(jiǎn)要介紹了稀疏表示理論在雷達(dá)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(dá)目標(biāo)稀疏成像的基本原理,著重分析了目標(biāo)雷達(dá)回波的稀疏性并建立了目標(biāo)雷達(dá)回波的稀疏表示模型,在此基礎(chǔ)上介紹了雷達(dá)目標(biāo)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(diǎn)。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(jī)跳頻雷達(dá)運(yùn)動(dòng)目標(biāo)成像。首先建立了運(yùn)動(dòng)目標(biāo)回波模型,在此基礎(chǔ)上構(gòu)建了運(yùn)動(dòng)目標(biāo)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(shí)現(xiàn)了聯(lián)合運(yùn)動(dòng)誤差補(bǔ)償和成像。此外,提出了四大方面的八個(gè)指標(biāo)評(píng)估算法的性能。針對(duì)實(shí)際中存在的難以事先確定稀疏隨機(jī)跳頻壓縮感知雷達(dá)所需脈沖數(shù)的問(wèn)題。為了盡可能減少所需的脈沖數(shù)目,提出動(dòng)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(gè)新的觀測(cè)都要重新求解一個(gè)優(yōu)化問(wèn)題。實(shí)驗(yàn)表明,該算法適合快速的序貫更新,并且比直接利用實(shí)數(shù)序貫同倫算法所需的脈沖數(shù)更少。針對(duì)小角度ISAR觀測(cè)的信息不充分導(dǎo)致成像分辨受限的問(wèn)題,提出開采并利用數(shù)據(jù)的相關(guān)性和稀疏性先驗(yàn)的思路和方法。在相關(guān)性和稀疏性先驗(yàn)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(shí)現(xiàn)將數(shù)據(jù)的相關(guān)性先驗(yàn)和稀疏性先驗(yàn)先后折合為觀測(cè)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(yàn)的方法。仿真數(shù)據(jù)和實(shí)測(cè)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(yùn)動(dòng)目標(biāo)全極化高分辨成像。為了獲得目標(biāo)更豐富的特征信息,將稀疏隨機(jī)跳頻高分辨體制與全極化測(cè)量體制融合形成了全極化高分辨成像體制。為了去除分時(shí)測(cè)量中因?yàn)槟繕?biāo)運(yùn)動(dòng)造成的極化散射矩陣不相關(guān),以及補(bǔ)償運(yùn)動(dòng)產(chǎn)生的相位誤差,在建立分時(shí)和瞬時(shí)測(cè)量全極化信號(hào)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(shí)現(xiàn)全極化高分辨成像和運(yùn)動(dòng)參數(shù)估計(jì)。仿真數(shù)據(jù)和暗室合成數(shù)據(jù)表明,采用分時(shí)和瞬時(shí)測(cè)量體制都能夠獲取高質(zhì)量的全極化高分辨距離像。針對(duì)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(wèn)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(cè)數(shù)據(jù)的相關(guān)性、多通道觀測(cè)數(shù)據(jù)之間的相關(guān)性以及聯(lián)合稀疏性等先驗(yàn)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(cè)。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(jìn)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(cè)的引入不但可以提取目標(biāo)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(dá)目標(biāo)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(cè)統(tǒng)一的信號(hào)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(cè)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(cè)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(jì)上加以區(qū)別對(duì)待。針對(duì)滿足壓縮感知條件的壓縮觀測(cè),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(hào),然后利用后向投影成二維圖像。在徑向稀疏恢復(fù)時(shí),將小角度內(nèi)一維距離像峰值位置緩變性帶來(lái)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(jì)算復(fù)雜度低、具有可準(zhǔn)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(duì)應(yīng)計(jì)算和存儲(chǔ)復(fù)雜度低)、圖像質(zhì)量更高的優(yōu)點(diǎn)。針對(duì)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(cè)。提出了增強(qiáng)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(diǎn)觀測(cè)數(shù)據(jù)的相關(guān)性、小角區(qū)內(nèi)觀測(cè)數(shù)據(jù)所具有的相關(guān)性、小角區(qū)內(nèi)多個(gè)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(cè)數(shù)據(jù)中包含的相關(guān)性先驗(yàn)信息,采用多通道帶寬外推將相關(guān)性信息折合為觀測(cè)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(hào)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(shí)驗(yàn)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(guó)防科學(xué)技術(shù)大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2014
【分類號(hào)】：TN957.52
，

本文編號(hào)：1883668