本文關(guān)鍵詞：分布式雷達(dá)稀疏成像技術(shù)研究，由筆耕文化傳播整理發(fā)布。

【摘要】：分布式雷達(dá)成像是指利用空間展開(kāi)的多發(fā)射機(jī)和多接收機(jī)(或虛擬收發(fā)陣列)對(duì)目標(biāo)進(jìn)行有效觀測(cè)的一種成像方式。它將實(shí)孔徑成像和虛擬孔徑成像統(tǒng)一起來(lái),進(jìn)一步拓展了MIMO雷達(dá)成像的概念,能夠建立雷達(dá)成像的統(tǒng)一描述。 本文基于空間譜理論,通過(guò)分析ISARs FD-MIMO和分布式無(wú)源雷達(dá)三種典型成像系統(tǒng),重點(diǎn)研究在實(shí)際系統(tǒng)受限的情況下,綜合利用孔徑、帶寬、目標(biāo)先驗(yàn)等信息,實(shí)現(xiàn)目標(biāo)高分辨率的成像方法,并解決實(shí)際應(yīng)用中分布式雷達(dá)稀疏成像面臨的若干問(wèn)題。主要的研究工作包括： 1、基于空間譜理論構(gòu)建了雷達(dá)成像的統(tǒng)一描述,得出廣義孔徑成像的概念,并探討了孔徑、帶寬與成像分辨率之間的關(guān)系；接著分析了三種典型分布式雷達(dá)系統(tǒng)的成像性能；另外考慮到實(shí)際系統(tǒng)的限制,研究了壓縮感知(CS)在分布式雷達(dá)稀疏成像中的應(yīng)用方式以及存在的若干問(wèn)題。 2、研究了分布式雷達(dá)稀疏成像優(yōu)化算法。針對(duì)傳統(tǒng)稀疏重構(gòu)方法在實(shí)際硬件實(shí)現(xiàn)時(shí)存在復(fù)雜度較高問(wèn)題,提出了基于非凸函數(shù)約束的Homotopy DCD高分辨成像方法,具有求解精度高、易于硬件實(shí)現(xiàn)等優(yōu)勢(shì)。針對(duì)傳統(tǒng)稀疏重構(gòu)算法在低SNR情形下穩(wěn)健性較差問(wèn)題,對(duì)單測(cè)量矢量(SMV)成像提出了基于貝葉斯壓縮感知的高分辨成像算法(VB-BCS);對(duì)多測(cè)量矢量(MMV)成像提出了基于Laplace先驗(yàn)的稀疏貝葉斯學(xué)習(xí)高分辨成像算法(Laplace-SBL)。仿真驗(yàn)證了所提方法的的優(yōu)勢(shì)及成像性能的提升。 3、研究了連續(xù)成像目標(biāo)空間進(jìn)行離散化處理時(shí)存在的網(wǎng)格失配現(xiàn)象,即Off-grid問(wèn)題,并提出3種解決辦法,用來(lái)克服傳統(tǒng)CS方法處理連續(xù)信號(hào)時(shí)存在的固有計(jì)算缺陷,分別是：①基于自適應(yīng)網(wǎng)格的反演技術(shù)；②基于Analog CS理論的MUSIC和改進(jìn)Matrix Pencil成像方法：③2種Off-grid CS成像方法,即基于貝葉斯壓縮感知稀疏自校正成像(SAC-BCS)改進(jìn)OMP的稀疏自校正成像方法(OG-OMP)。仿真表明所提方法對(duì)網(wǎng)格劃分不敏感,并展示出穩(wěn)健的目標(biāo)信息提取能力。 4、考慮實(shí)際情形,分布式雷達(dá)回波數(shù)據(jù)中不可避免存在著相位誤差(通常由系統(tǒng)誤差引起),這會(huì)使得成像模型中的觀測(cè)矩陣不能精確已知,導(dǎo)致傳統(tǒng)稀疏成像方法性能降低。對(duì)此,本文提出了2種稀疏自聚焦成像技術(shù)——基于優(yōu)化迭代技術(shù)的自適應(yīng)相位誤差校正成像(APEC-IOT)和基于貝葉斯學(xué)習(xí)技術(shù)的自適應(yīng)相位誤差校正成像(APEC-BCS),可以較好地實(shí)現(xiàn)SMV和MMV自聚焦成像。仿真表明所提方法能夠取得較好的聚焦效果。 5、研究了分布式雷達(dá)擴(kuò)展目標(biāo)稀疏成像方法。對(duì)擴(kuò)展目標(biāo)成像時(shí),成像場(chǎng)景中的散射點(diǎn)通常較多并且呈區(qū)域性分布,使得目標(biāo)空間域的稀疏性大大減弱,造成傳統(tǒng)CS成像方法性能受限。本文在目標(biāo)稀疏先驗(yàn)的基礎(chǔ)上,進(jìn)一步結(jié)合擴(kuò)展目標(biāo)圖像的結(jié)構(gòu)信息,提出了結(jié)合TV正則化約束的擴(kuò)展目標(biāo)稀疏成像方法(NCR-TV)口基于擴(kuò)展目標(biāo)先驗(yàn)分布的貝葉斯壓縮感知成像方法(ET-BCS),并通過(guò)仿真驗(yàn)證所提方法的有效性。
【關(guān)鍵詞】：分布式雷達(dá) 稀疏孔徑 高分辨率成像 壓縮感知 稀疏優(yōu)化算法 Off-grid 問(wèn)題稀疏自聚焦成像 擴(kuò)展目標(biāo)成像
【學(xué)位授予單位】：中國(guó)科學(xué)技術(shù)大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2015
【分類號(hào)】：TN957.52
【目錄】：

• 摘要5-7
• ABSTRACT7-9
• 目錄9-12
• 圖目錄12-15
• 表目錄15-16
• 第1章 緒論16-34
• 1.1 論文的研究背景16-17
• 1.2 研究的歷史與現(xiàn)狀17-28
• 1.2.1 分布式雷達(dá)成像技術(shù)的發(fā)展17-21
• 1.2.2 論文相關(guān)問(wèn)題聚焦及研究現(xiàn)狀21-28
• 1.3 論文的主要工作與創(chuàng)新28-34
• 第2章 分布式雷達(dá)稀疏成像基礎(chǔ)34-58
• 2.1 引言34-35
• 2.2 基于空間譜理論的雷達(dá)成像統(tǒng)一描述35-45
• 2.3 三種典型分布式雷達(dá)系統(tǒng)成像模型45-52
• 2.3.1 ISAR信號(hào)建模及性能分析45-46
• 2.3.2 FD-MIMO雷達(dá)信號(hào)建模及性能分析46-48
• 2.3.3 分布式無(wú)源雷達(dá)信號(hào)建模及性能分析48-52
• 2.4 壓縮感知理論在分布式雷達(dá)稀疏成像中的應(yīng)用52-56
• 2.5 本章小結(jié)56-58
• 第3章 分布式雷達(dá)稀疏成像優(yōu)化算法研究58-86
• 3.1 引言58-59
• 3.2 基于非凸函數(shù)約束的Homotopy DCD高分辨成像59-68
• 3.3 基于貝葉斯學(xué)習(xí)技術(shù)的高分辨成像68-84
• 3.3.1 基于貝葉斯壓縮感知的高分辨成像68-74
• 3.3.2 基于Laplace先驗(yàn)的稀疏貝葉斯學(xué)習(xí)高分辨成像74-84
• 3.4 本章小結(jié)84-86
• 第4章 分布式雷達(dá)稀疏成像Off-grid問(wèn)題研究86-112
• 4.1 引言86-87
• 4.2 分布式雷達(dá)稀疏成像中的Off-grid問(wèn)題分析87-89
• 4.3 基于自適應(yīng)網(wǎng)格的反演算法89-94
• 4.4 基于模擬壓縮感知理論的反演算法94-99
• 4.4.1 基于MUSIC的高分辨成像95-96
• 4.4.2 基于改進(jìn)Matrix Pencil的高分辨成像96-99
• 4.5 基于Off-grid CS技術(shù)的反演算法99-111
• 4.5.1 基于貝葉斯壓縮感知的稀疏自校正成像100-108
• 4.5.2 基于改進(jìn)OMP的稀疏自校正成像108-111
• 4.6 本章小結(jié)111-112
• 第5章 分布式雷達(dá)稀疏自聚焦成像技術(shù)研究112-140
• 5.1 引言112
• 5.2 存在相位誤差的分布式雷達(dá)稀疏成像模型112-116
• 5.2.1 SMV自聚焦問(wèn)題——針對(duì)FD-MIMO和分布式無(wú)源雷達(dá)系統(tǒng)112-114
• 5.2.2 MMV自聚焦問(wèn)題——針對(duì)ISAR系統(tǒng)114-116
• 5.3 基于優(yōu)化迭代技術(shù)的自適應(yīng)相位誤差校正成像116-124
• 5.3.1 SMV自聚焦成像116-120
• 5.3.2 MMV自聚焦成像120-124
• 5.4 基于貝葉斯學(xué)習(xí)技術(shù)的自適應(yīng)相位誤差校正成像124-138
• 5.4.1 SMV自聚焦成像124-130
• 5.4.2 MMV自聚焦成像130-138
• 5.5 本章小結(jié)138-140
• 第6章 分布式雷達(dá)擴(kuò)展目標(biāo)稀疏成像方法研究140-160
• 6.1 引言140-141
• 6.2 結(jié)合總變差正則化約束的改進(jìn)稀疏成像技術(shù)141-150
• 6.2.1 總變差正則化(TV)方法簡(jiǎn)介141-142
• 6.2.2 結(jié)合TV正則化約束的改進(jìn)稀疏成像算法142-150
• 6.3 基于擴(kuò)展目標(biāo)先驗(yàn)分布的貝葉斯壓縮感知成像技術(shù)150-159
• 6.3.1 擴(kuò)展目標(biāo)參數(shù)貝葉斯壓縮感知模型150-151
• 6.3.2 基于擴(kuò)展目標(biāo)先驗(yàn)分布的貝葉斯壓縮感知成像算法151-159
• 6.4 本章小結(jié)159-160
• 第7章 結(jié)束語(yǔ)160-164
• 7.1 本文工作總結(jié)160-161
• 7.2 后續(xù)工作展望161-164
• 參考文獻(xiàn)164-178
• 作者在攻讀博士學(xué)位期間完成的學(xué)術(shù)論文178-180
• 作者在攻讀博士學(xué)位期間參與的主要工作180-182
• 致謝182

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 王大海;王俊;;單發(fā)多收模式下無(wú)源雷達(dá)成像研究[J];電子學(xué)報(bào);2006年06期

2 成萍;司錫才;姜義成;許榮慶;;基于稀疏貝葉斯學(xué)習(xí)的稀疏信號(hào)表示ISAR成像方法[J];電子學(xué)報(bào);2008年03期

3 王懷軍;粟毅;朱宇濤;許紅波;;基于空間譜域填充的MIMO雷達(dá)成像研究[J];電子學(xué)報(bào);2009年06期

4 陳多芳;陳伯孝;劉春波;張守宏;;岸-艦雙基地綜合脈沖孔徑雷達(dá)的初始相位校準(zhǔn)及誤差分析[J];電子與信息學(xué)報(bào);2008年02期

5 李巖;王俊;張守宏;;基于外輻射源的ESPRIT超分辨成像算法[J];電子與信息學(xué)報(bào);2009年01期

6 顧福飛;池龍;張群;彭發(fā)祥;朱豐;;基于壓縮感知的稀疏陣列MIMO雷達(dá)成像方法[J];電子與信息學(xué)報(bào);2011年10期

7 萬(wàn)顯榮;岑博;程豐;饒?jiān)迫A;龔子平;;基于CMMB的外輻射源雷達(dá)信號(hào)模糊函數(shù)分析與處理[J];電子與信息學(xué)報(bào);2011年10期

8 徐建平;皮亦鳴;曹宗杰;;基于貝葉斯壓縮感知的合成孔徑雷達(dá)高分辨成像[J];電子與信息學(xué)報(bào);2011年12期

9 李學(xué)仕;孫光才;徐剛;邢孟道;梁毅;;基于壓縮感知的下視三維SAR成像新方法[J];電子與信息學(xué)報(bào);2012年05期

10 劉玉春;王俊;楊杰;王海環(huán);陳朝焰;;基于單頻連續(xù)波的無(wú)源雷達(dá)成像研究[J];電子與信息學(xué)報(bào);2013年05期

  本文關(guān)鍵詞：分布式雷達(dá)稀疏成像技術(shù)研究，，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：400575