空間目標(biāo)壓縮感知雷達(dá)成像方法與應(yīng)用研究.pdf

1、傳統(tǒng)距離-多普勒ISAR成像方法和傳統(tǒng)雷達(dá)信號(hào)采集方法所面臨的數(shù)據(jù)量大、采樣率高等問題。本文深入研究了基于壓縮感知的ISAR成像，圍繞壓縮感知成像理論和實(shí)測數(shù)據(jù)處理中面臨的理論難題與實(shí)測數(shù)據(jù)誤差等問題，結(jié)合雷達(dá)數(shù)字接收機(jī)和相控陣?yán)走_(dá)等雷達(dá)發(fā)展方向，致力于解決當(dāng)前空間目標(biāo)成像中面臨的實(shí)際問題以及現(xiàn)有算法的局限性。本文研究的主要內(nèi)容包括寬帶成像雷達(dá)數(shù)字接收機(jī)的壓縮感知應(yīng)用、稀疏回波壓縮感知自聚焦問題、相控陣?yán)走_(dá)多目標(biāo)成像問題以及壓縮感知成像

2、中遇到的復(fù)雜運(yùn)動(dòng)目標(biāo)和含旋轉(zhuǎn)部件目標(biāo)的成像問題。
　　第一章緒論主要闡述了論文的研究背景及研究意義，介紹了空間目標(biāo)成像雷達(dá)的發(fā)展現(xiàn)狀和壓縮感知技術(shù)現(xiàn)狀，重點(diǎn)分析了壓縮感知在雷達(dá)技術(shù)中的應(yīng)用，特別是壓縮感知在空間目標(biāo)成像中的發(fā)展情況。對(duì)壓縮感知雷達(dá)成像中面臨的挑戰(zhàn)和存在的技術(shù)難題作了總結(jié)與分析。從中出發(fā)引出了本文的主要研究目標(biāo)和方向，對(duì)論文的研究內(nèi)容和主要安排作了簡要介紹。
　　第二章研究了壓縮感知在線性調(diào)頻雷達(dá)中頻信號(hào)采集和

3、數(shù)字接收機(jī)中應(yīng)用，并提出了一種快時(shí)間壓縮采樣數(shù)字中頻接收機(jī)和一種正交一維距離像重構(gòu)算法，并在此基礎(chǔ)上進(jìn)一步提出了慢時(shí)間域與快時(shí)間域同步稀疏采樣的二維稀疏成像方法。首先從ISAR成像模型的角度出發(fā)，對(duì)線性調(diào)頻回波信號(hào)進(jìn)行了稀疏性分析，基于散射點(diǎn)成像模型和一維距離像稀疏性構(gòu)造了中頻回波的稀疏字典，提出了一種基于隨機(jī)采樣的中頻直采數(shù)字接收機(jī)，可以大大降低中頻直采對(duì)于ADC采樣率的需求。提出一種正交一維距離像重構(gòu)算法，實(shí)現(xiàn)了從欠采樣中頻回波中直

4、接重構(gòu)目標(biāo)一維距離向的方法，重構(gòu)得到的一維像具有很好的保相性，便于后續(xù)ISAR成像方位向聚焦。提出了基于2D壓縮感知的二維圖像重構(gòu)方法，將壓縮采樣擴(kuò)展到距離和方位向兩個(gè)維度，在二維同時(shí)稀疏采樣的前提下，大大降低成像所需的數(shù)據(jù)量?；?D-SL0算法實(shí)現(xiàn)了二維直接重構(gòu)，與傳統(tǒng)的二維圖像壓縮感知處理方法相比，大大降低了重構(gòu)算法的復(fù)雜度，提高了二維像重構(gòu)速度。
　　第三章重點(diǎn)研究了在方位向回波數(shù)量不足的壓縮感知成像場景中的自聚焦問題，提

5、出了一種針對(duì)稀疏回波的相位補(bǔ)償方法。在實(shí)測信號(hào)的雷達(dá)成像中，目標(biāo)的相參性被觀測誤差破壞，基于理想轉(zhuǎn)臺(tái)模型提出的算法無法直接重構(gòu)得到圖像，必須進(jìn)行相參化處理。壓縮感知成像中，回波信息的缺失又導(dǎo)致傳統(tǒng)的自聚焦算法對(duì)稀疏回波數(shù)據(jù)補(bǔ)償失效。本章首先從理論角度分析了壓縮感知成像中實(shí)測雷達(dá)數(shù)據(jù)的噪聲和測量誤差模型，將帶有相位誤差的壓縮感知成像問題等效為求解最稀疏解和最小圖像熵的聯(lián)合優(yōu)化問題，在傳統(tǒng)的壓縮感知重構(gòu)函數(shù)中增加最小圖像熵作為重構(gòu)正則化參數(shù)

6、。提出了一種迭代方法對(duì)該優(yōu)化問題進(jìn)行求解。在每一個(gè)迭代過程中，首先使用壓縮感知重構(gòu)算法基于現(xiàn)有誤差重構(gòu)目標(biāo)；然后基于最小熵或最大對(duì)比度準(zhǔn)則從當(dāng)前重構(gòu)目標(biāo)結(jié)果估計(jì)相位誤差。用當(dāng)前誤差補(bǔ)償回波數(shù)據(jù)后再進(jìn)入下一次迭代，迭代直至誤差小于設(shè)定的閾值范圍。本章所提算法完全基于稀疏采樣的數(shù)據(jù)估計(jì)相位誤差，從而實(shí)現(xiàn)隨機(jī)脈沖數(shù)量不足時(shí)的圖像自聚焦。經(jīng)過仿真數(shù)據(jù)驗(yàn)證，對(duì)多種相位誤差均由較好的補(bǔ)償效果，實(shí)測數(shù)據(jù)處理結(jié)果進(jìn)一步驗(yàn)證了算法的可行性。
　　第

7、四章研究了基于壓縮感知的寬帶相控陣?yán)走_(dá)多目標(biāo)同時(shí)成像技術(shù)。針對(duì)同時(shí)多目標(biāo)觀測場景中雷達(dá)脈沖資源有限的問題，本文充分挖掘相控陣?yán)走_(dá)脈沖分配的靈活性，基于慢時(shí)間域壓縮感知成像方法提出一種隨機(jī)脈沖分配方案，將觀測時(shí)間內(nèi)的有限雷達(dá)脈沖資源分配給多個(gè)目標(biāo)，在慢時(shí)間域?qū)崿F(xiàn)對(duì)多個(gè)目標(biāo)的隨機(jī)欠采樣，然后利用壓縮感知成像方法從稀疏回波中重構(gòu)每個(gè)目標(biāo)的二維像?？紤]到多目標(biāo)場景中目標(biāo)通常具有不同尺寸，并且相對(duì)于雷達(dá)視線方向具有不同的旋轉(zhuǎn)速度。本章從ISAR成

8、像原理和壓縮感知觀測條件角度出發(fā)，證明了壓縮感知成像所需的脈沖個(gè)數(shù)與目標(biāo)尺寸和目標(biāo)轉(zhuǎn)速的關(guān)系，并推導(dǎo)了三者之間的換算公式?；谝陨贤茖?dǎo)，本章在隨機(jī)脈沖分配方案的基礎(chǔ)上進(jìn)一步提出了自適應(yīng)多目標(biāo)同時(shí)成像方法。該方法基于目標(biāo)尺寸估計(jì)和旋轉(zhuǎn)速度估計(jì)對(duì)脈沖分配比例進(jìn)行實(shí)時(shí)計(jì)算，雷達(dá)在多目標(biāo)觀測過程中實(shí)時(shí)修正脈沖分配比例，從而進(jìn)一步優(yōu)化雷達(dá)資源分配。采用本章提出的脈沖分配方法及壓縮感知重構(gòu)算法，可以利用有限的雷達(dá)資源實(shí)現(xiàn)盡可能多目標(biāo)同時(shí)成像，有助于

9、提高雷達(dá)的多目標(biāo)觀測能力。仿真實(shí)驗(yàn)結(jié)果證明了本文所提脈沖分配比例計(jì)算方法以及自適應(yīng)多目標(biāo)同時(shí)成像方法的有效性及必要性。
　　第五章研究了含微動(dòng)部件目標(biāo)的壓縮感知成像問題，提出了一種針對(duì)稀疏回波的微多普勒分離及壓縮感知成像方法。目前針對(duì)空間目標(biāo)的壓縮感知成像研究大部分都是基于剛體目標(biāo)模型，缺少對(duì)含旋轉(zhuǎn)部件的目標(biāo)壓縮感知成像的研究。由于目標(biāo)主體散射點(diǎn)的回波在慢時(shí)間域具有明顯的稀疏性，利用壓縮感知算法可以從稀疏回波中重構(gòu)成像結(jié)果。但旋轉(zhuǎn)

10、部件的微多普勒效應(yīng)會(huì)對(duì)其所在的距離單元回波造成調(diào)制及干擾，破壞目標(biāo)主體散射點(diǎn)回波在慢時(shí)間頻域的稀疏性，導(dǎo)致圖像重構(gòu)結(jié)果散焦。本章提出了包含微動(dòng)部件目標(biāo)的理想散射點(diǎn)回波模型，并從時(shí)頻分析的角度研究了微動(dòng)部件對(duì)目標(biāo)主體回波多普勒頻率的影響，利用面元模型回波仿真方法分析了旋轉(zhuǎn)部件對(duì)目標(biāo)一維距離像的影響。研究了稀疏回波場景下，含微動(dòng)部件目標(biāo)的ISAR成像模型，利用基于稀疏短時(shí)傅里葉變換的稀疏時(shí)頻分析方法，對(duì)稀疏采樣后的回波時(shí)頻特性進(jìn)行分析；提出