本文關(guān)鍵詞：無源雷達(dá)超分辨成像技術(shù)

  更多相關(guān)文章： 無源雷達(dá) 超分辨成像 RELAX 壓縮感知 自相關(guān)稀疏表示

【摘要】：無源雷達(dá)不僅具有可用外輻射源信號(hào)資源豐富、隱蔽和對(duì)敵隱身的特點(diǎn),還能有效地解決地物干擾和低空目標(biāo)探測(cè)等難題,有廣闊的應(yīng)用前景。在梳理和總結(jié)無源雷達(dá)技術(shù)的基礎(chǔ)上,對(duì)無源雷達(dá)成像算法開展了探索性和創(chuàng)新性的研究�？紤]實(shí)際成像因素,研究了三種針對(duì)小轉(zhuǎn)角和短時(shí)間積累的無源雷達(dá)成像算法。主要研究工作如下:1、針對(duì)多發(fā)單收和單發(fā)多收成像模式,探究其幾何模型和回波信號(hào)模型。借助建立的多發(fā)單收回波信號(hào)模型,將時(shí)間維的采樣數(shù)據(jù)轉(zhuǎn)換為包含散射點(diǎn)幅度和空間頻率信息的參數(shù)化信號(hào)模型。提出利用RELAX算法估計(jì)空間頻率和幅度信息用以重構(gòu)目標(biāo)圖像。仿真實(shí)驗(yàn)驗(yàn)證了所提算法的有效性和正確性。2、提出基于壓縮感知的無源雷達(dá)超分辨成像算法。在離散化目標(biāo)回波稀疏表示的基礎(chǔ)上,提出利用CS方法估計(jì)目標(biāo)散射點(diǎn)的空間頻率和幅度信息,并通過位置搜索重構(gòu)目標(biāo)圖像。仿真實(shí)驗(yàn)表明:與ESPEIT和RELAX算法相比,所提算法在低信噪比和有限觀測(cè)數(shù)據(jù)條件下具有更魯棒的成像性能。3、提出基于自相關(guān)矩陣稀疏表示(Sparse Representation of Autocorrelation Matrix,SRAM)的無源雷達(dá)超分辨成像算法。根據(jù)采樣信號(hào)自相關(guān)矩陣的估計(jì)誤差服從漸進(jìn)高斯分布的特性,利用提出SRAM算法重構(gòu)稀疏矩陣,搜索其非零元素的網(wǎng)格點(diǎn)得到散射點(diǎn)位置信息,并利用最小二乘解估計(jì)散射點(diǎn)的幅度信息,從而重構(gòu)目標(biāo)圖像。仿真實(shí)驗(yàn)表明:與CS算法相比,提出的SRAM算法在低信噪比和有限觀測(cè)數(shù)據(jù)條件下具有更好的成像性能。
【關(guān)鍵詞】：無源雷達(dá) 超分辨成像 RELAX 壓縮感知 自相關(guān)稀疏表示
【學(xué)位授予單位】：電子科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：TN957.52
【目錄】：

• 摘要5-6
• ABSTRACT6-13
• 縮略詞表13-14
• 第一章 緒論14-22
• 1.1 研究背景和意義14-15
• 1.2 國(guó)內(nèi)外研究進(jìn)展15-21
• 1.2.1 無源雷達(dá)研究進(jìn)展15-18
• 1.2.2 無源雷達(dá)成像研究進(jìn)展18-20
• 1.2.3 無源雷達(dá)超分辨成像算法研究進(jìn)展20-21
• 1.3 主要研究?jī)?nèi)容及結(jié)構(gòu)安排21-22
• 第二章 無源雷達(dá)成像回波建模22-32
• 2.1 引言22
• 2.2 無源雷達(dá)成像系統(tǒng)22-24
• 2.2.1 多發(fā)單收無源成像系統(tǒng)23
• 2.2.2 單發(fā)多收無源成像系統(tǒng)23-24
• 2.3 無源雷達(dá)多發(fā)單收回波模型24-28
• 2.3.1 幾何模型24-25
• 2.3.2 回波信號(hào)模型25-28
• 2.4 無源雷達(dá)單發(fā)多收回波模型28-31
• 2.4.1 幾何模型28
• 2.4.2 回波信號(hào)模型28-31
• 2.5 本章小結(jié)31-32
• 第三章 基于RELAX的無源雷達(dá)超分辨成像算法32-46
• 3.1 引言32
• 3.2 基于RELAX的無源雷達(dá)成像算法32-37
• 3.2.1 數(shù)學(xué)模型32-35
• 3.2.2 RELAX成像算法35-37
• 3.3 仿真分析37-45
• 3.3.1 成像性能38-41
• 3.3.2 信噪比的影響41-42
• 3.3.3 分辨率對(duì)比42-45
• 3.4 本章小結(jié)45-46
• 第四章 基于壓縮感知的無源雷達(dá)超分辨成像算法46-65
• 4.1 引言46
• 4.2 壓縮感知理論46-47
• 4.3 基于CS的無源雷達(dá)成像算法47-52
• 4.3.1 數(shù)學(xué)模型47-49
• 4.3.2 CS成像算法49-52
• 4.4 仿真分析52-64
• 4.4.1 成像性能53-56
• 4.4.2 信噪比的影響56-59
• 4.4.3 觀測(cè)數(shù)據(jù)長(zhǎng)度的影響59-63
• 4.4.4 分辨率對(duì)比63-64
• 4.5 本章小結(jié)64-65
• 第五章 基于自相關(guān)矩陣稀疏表示的無源雷達(dá)超分辨成像算法65-78
• 5.1 引言65
• 5.2 基于SRAM的無源雷達(dá)成像算法65-72
• 5.2.1 數(shù)學(xué)模型65-67
• 5.2.2 SRAM成像算法67-72
• 5.3 仿真分析72-76
• 5.3.1 成像性能73-75
• 5.3.2 信噪比的影響75
• 5.3.3 觀測(cè)數(shù)據(jù)長(zhǎng)度的影響75-76
• 5.3.4 計(jì)算復(fù)雜度76
• 5.4 本章小結(jié)76-78
• 第六章 總結(jié)與展望78-80
• 6.1 總結(jié)78
• 6.2 展望78-80
• 致謝80-81
• 參考文獻(xiàn)81-86
• 攻碩期間取得的研究成果86-87

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前1條

1 王俊,保錚,張守宏;無源探測(cè)與跟蹤雷達(dá)系統(tǒng)技術(shù)及其發(fā)展[J];雷達(dá)科學(xué)與技術(shù);2004年03期

，

本文編號(hào)：571213