ISAR高分辨成像和參數(shù)估計算法研究.pdf

1、隨著國民經(jīng)濟的提升和現(xiàn)代戰(zhàn)爭形式的轉(zhuǎn)變，雷達成像技術(shù)憑借其遠距離、全天時、全天候高分辨成像的獨特優(yōu)勢，在民用和國防遙感領(lǐng)域發(fā)揮著不可替代的作用。作為對空間、空中及海洋觀測最重要的手段之一，逆合成孔徑雷達（Inverse Synthetic Aperture Radar, ISAR）成像是非合作目標識別的關(guān)鍵技術(shù)。
　　為了滿足日益增加的應(yīng)用需求，ISAR正朝著多功能、多維度和協(xié)同網(wǎng)絡(luò)等方向發(fā)展。工作模式和數(shù)據(jù)獲取方式的多樣化，以及

2、目標運動的復(fù)雜性，使得現(xiàn)有的ISAR成像體制面臨著高分辨成像和目標參數(shù)提取等挑戰(zhàn)。在國家“973”計劃課題等多個項目支持下，本文針對現(xiàn)有ISAR成像中存在的短孔徑低分辨成像、非相干的稀疏孔徑以及平穩(wěn)或機動目標定標等問題開展研究，旨在增強ISAR圖像分辨率和探討穩(wěn)定的參數(shù)估計方法，以提高雷達自動目標識別能力。研究內(nèi)容主要包括以下幾方面：
　?。?）ISAR短孔徑數(shù)據(jù)的稀疏高分辨成像
　　由于雷達的多模式工作狀態(tài)或目標的機動性，

3、短孔徑數(shù)據(jù)在ISAR成像中普遍存在。盡管成像方法簡單高效，但同時限制了圖像分辨率，影響目標識別性能。在分析ISAR回波模型和典型運動補償算法的基礎(chǔ)上，本文第二章基于壓縮感知理論介紹了稀疏ISAR信號的重構(gòu)方法。該方法重點從統(tǒng)計的角度提出了一種基于數(shù)據(jù)的稀疏約束參數(shù)估計方法。通過推導(dǎo)重構(gòu)高分辨圖像的正則化問題，稀疏約束參數(shù)可由最大似然估計得到解析形式。其中，噪聲方差由粗圖像中大量的噪聲單元估計，權(quán)值由預(yù)處理的降噪圖像進行初始化。利用優(yōu)化求

4、解的高分辨圖像，再對稀疏約束參數(shù)進行更新并重新估計圖像，多次循環(huán)提升算法性能。結(jié)果表明，迭代估計的稀疏約束參數(shù)能在重構(gòu)高分辨圖像過程中，較好地權(quán)衡信號逼真度和稀疏性。
　?。?）稀疏孔徑的相干化處理和高分辨成像
　　除了雷達多樣化的工作模式外，外界或系統(tǒng)的干擾也會造成數(shù)據(jù)的缺損，形成稀疏孔徑。對于塊狀稀疏分布的子孔徑，經(jīng)過獨立的包絡(luò)對齊和自聚焦處理后，殘余的線性相位和復(fù)幅度將在觀測孔徑之間存在差異。針對這種稀疏孔徑之間的非相

5、干性，本文第三章提出了一種相干化處理方法。將子孔徑的包絡(luò)按質(zhì)心對齊后，對各子圖像中的特顯點單元建立全極點模型，并由求根MUSIC算法估計極點，計算子孔徑間的多普勒偏移。以其中一個子孔徑作為基準校正線性相位后，通過最小二乘（Least Square, LS）方法求解各子孔徑的模型系數(shù)。由估計的極點和系數(shù)，將頻偏校準后的子孔徑分別進行前向和后向外推至整個孔徑長度。再利用LS估計復(fù)幅度偏差并進行校正。在相干化處理后，構(gòu)造部分 FFT基作為觀測

6、矩陣，通過稀疏信號處理的方法對缺失孔徑進行恢復(fù)。從實驗結(jié)果可看出，經(jīng)過相干化處理和空缺孔徑重構(gòu)后，成像效果得到了明顯提升。
　?。?）勻速轉(zhuǎn)動目標的定標方法
　　目標識別除了需要高分辨圖像之外，還需要精確的目標尺寸參數(shù)。因此，本文的第四章和第五章針對勻速轉(zhuǎn)動目標提出了兩種不同的定標方法。第四章先分析了平動補償過程引入的殘余平動相位對不同定標方法的潛在影響。重點提出了一種利用散射點調(diào)頻率相消的有效轉(zhuǎn)動速度（Effective

7、Rotaional Velocity, ERV）估計方法，該方法幾乎不受殘余平動的影響。通過選取散射點單元，并將其時域信號看作時變自回歸模型。對短時數(shù)據(jù)段估計瞬時極點后，滑窗獲得整個孔徑的多普勒歷程。根據(jù)關(guān)系式， ERV可以從不同距離單元的散射點調(diào)頻率解算。轉(zhuǎn)動相位補償后，再進行自聚焦處理提高圖像聚焦度。由于該方法依賴于提取的散射點質(zhì)量，在信噪比（Signal-to-noise ratio, SNR）較低時估計性能會下降。
　　為

8、了提高定標算法的穩(wěn)定性，第五章針對勻速轉(zhuǎn)動目標提出了基于圖像整體性能的ERV估計方法。該方法考慮殘余平動的影響，將其作為參數(shù)聯(lián)合ERV估計。通過迭代補償二次相位誤差，直到補償后的圖像幅度平方銳化度（Intensity-squared Sharpness, ISS）達到最大值，同時獲得聚焦圖像和ERV估計值。在此基礎(chǔ)上，再對聚焦圖像進行自聚焦處理，進一步聚焦圖像。其中，ISS最大化問題是典型的非線性最小二乘問題，利用高斯牛頓的方法可實現(xiàn)高

9、效求解。與多種方法的對比結(jié)果說明，這種從圖像性能角度估計ERV的方法雖然效率中等，但具有較高的精度和魯棒性。
　?。?）非勻速轉(zhuǎn)動目標的定標和高分辨成像方法
　　由于勻加速轉(zhuǎn)動引起的距離-方位二維耦合，增加了轉(zhuǎn)動參數(shù)估計的難度。針對此類目標，本文第六章首先提出了一種基于匹配傅里葉變換（Matched Fourier Transform, MFT）的圖像ISS最大化的定標方法。該方法將RD成像中FFT線性變換替換為參數(shù)化的MF