由于逆合成孔徑雷達(dá)(ISAR)成像利用目標(biāo)的多普勒信息,目標(biāo)整體的運(yùn)動(dòng)狀態(tài),目標(biāo)上各部件運(yùn)動(dòng)狀態(tài)都會(huì)對(duì)成像的結(jié)果產(chǎn)生影響。本文的研究主要針對(duì)當(dāng)目標(biāo)的運(yùn)動(dòng)情況較復(fù)雜時(shí),如何得到清晰的成像結(jié)果。從最常用的勻速轉(zhuǎn)臺(tái)模型出發(fā),給出了ISAR成像最經(jīng)典的距離—多普勒(RD)方法。對(duì)于機(jī)動(dòng)運(yùn)動(dòng)目標(biāo),它每個(gè)散射點(diǎn)的多普勒頻率隨時(shí)間變化,本文介紹了針對(duì)機(jī)動(dòng)運(yùn)動(dòng)目標(biāo)成像的距離—瞬時(shí)多普勒算法,利用時(shí)頻分析和分解多分量線性調(diào)頻信號(hào)的方式。能得到機(jī)動(dòng)目標(biāo)瞬時(shí)成像。當(dāng)ISAR成像的目標(biāo)的運(yùn)動(dòng)具有較大的機(jī)動(dòng)性,積累時(shí)間會(huì)比較少。這里介紹了一種非參數(shù)化譜估計(jì)方法,迭代自適應(yīng)(IAA)方法,將該方法應(yīng)用到了ISAR超分辨領(lǐng)域,使用少量的回波得到了清晰的圖像。然后,將其應(yīng)用到了缺失數(shù)據(jù)的ISAR成像領(lǐng)域,得到了回波缺失數(shù)據(jù)的清晰圖像。接下來,研究了協(xié)方差稀疏迭代譜估計(jì)(SPICE),應(yīng)用到ISAR超分辨成像。從而進(jìn)一步提高了ISAR超分辨成像的分辨率。并給出了基于Gohberg-Semencul(G-S)分解的SPICE的快速實(shí)現(xiàn)方法。對(duì)于包含高速旋轉(zhuǎn)部件的目標(biāo),由于微動(dòng)目標(biāo)的微多普勒效應(yīng)會(huì)造成頻帶展寬。我們將微動(dòng)部...

【文章頁數(shù)】：99 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
第1章 緒論
    1.1 課題背景及研究的目的和意義
    1.2 國內(nèi)外在該方向的研究現(xiàn)狀和分析
    1.3 本文的主要研究內(nèi)容
第2章 ISAR成像的原理及瞬時(shí)成像方法
    2.1 引言
    2.2 ISAR成像的距離—多普勒算法
        2.2.1 線性調(diào)頻信號(hào)與一維距離像
        2.2.2 ISAR成像的轉(zhuǎn)臺(tái)成像模型
    2.3 距離—瞬時(shí)多普勒成像算法
        2.3.1 距離—瞬時(shí)多普勒算法基本原理
        2.3.2 分解多分量線性調(diào)頻信號(hào)
        2.3.3 距離—瞬時(shí)多普勒算法成像實(shí)驗(yàn)
    2.4 本章小結(jié)
第3章 基于譜估計(jì)的超分辨ISAR成像算法
    3.1 引言
    3.2 基于迭代自適應(yīng)的超分辨成像方法
        3.2.1 迭代自適應(yīng)譜估計(jì)方法
        3.2.2 基于迭代自適應(yīng)方法的超分辨成像實(shí)驗(yàn)
        3.2.3 ISAR成像中的回波數(shù)據(jù)隨機(jī)缺失
        3.2.4 缺失數(shù)據(jù)迭代自適應(yīng)譜估計(jì)方法
        3.2.5 缺失數(shù)據(jù)的ISAR成像實(shí)驗(yàn)
    3.3 基于協(xié)方差稀疏迭代的超分辨成像
        3.3.1 協(xié)方差稀疏迭代譜估計(jì)方法
        3.3.2 協(xié)方差稀疏迭代譜估計(jì)的快速實(shí)現(xiàn)
        3.3.3 基于協(xié)方差稀疏迭代的超分辨成像實(shí)驗(yàn)
    3.4 本章小結(jié)
第4章 含旋轉(zhuǎn)部件目標(biāo)去微動(dòng)ISAR成像算法
    4.1 引言
    4.2 基于短時(shí)傅里葉變換去微多普勒ISAR成像
        4.2.1 含有旋轉(zhuǎn)部件目標(biāo)的ISAR成像模型
        4.2.2 基于短時(shí)傅里葉變換的正弦調(diào)頻信號(hào)分離方法
    4.3 基于時(shí)間遞歸迭代自適應(yīng)的去微多普勒成像
        4.3.1 基于時(shí)間遞歸迭代自適應(yīng)的信號(hào)分離方法
        4.3.2 仿真數(shù)據(jù)成像實(shí)驗(yàn)
    4.4 基于壓縮感知的去微多普勒ISAR成像
        4.4.1 基于壓縮感知的信號(hào)重構(gòu)方法
        4.4.2 基于壓縮感知重構(gòu)的去微多普勒成像實(shí)驗(yàn)
    4.5 本章小結(jié)
第5 章旋轉(zhuǎn)部件的回波分離與ISAR成像方法
    5.1 引言
    5.2 基于復(fù)數(shù)經(jīng)驗(yàn)?zāi)B(tài)分解的回波分離方法
        5.2.1 經(jīng)驗(yàn)?zāi)B(tài)分解EMD
        5.2.2 復(fù)數(shù)經(jīng)驗(yàn)?zāi)B(tài)分解CEMD
        5.2.3 仿真雷達(dá)回波分離實(shí)驗(yàn)
    5.3 基于逆RADON變換的旋轉(zhuǎn)部件ISAR成像
        5.3.1 旋轉(zhuǎn)目標(biāo)二維ISAR成像模型
        5.3.2 基于實(shí)數(shù)逆Radon變換的旋轉(zhuǎn)目標(biāo)成像方法
    5.4 旋轉(zhuǎn)體回波分離與成像實(shí)驗(yàn)
    5.5 本章小結(jié)
結(jié)論
參考文獻(xiàn)
攻讀碩士學(xué)位期間發(fā)表的論文及其它成果
致謝



本文編號(hào)：3862723