基于壓縮感知的雷達高分辨成像技術(shù)研究.pdf

1、雷達高分辨成像技術(shù)是雷達發(fā)展的一個重要研究方向，它在場景觀測、目標特征分析和目標識別等領(lǐng)域具有廣泛的應用。分辨力是衡量雷達成像質(zhì)量的一個重要指標，然而高分辨力對雷達系統(tǒng)提出了更高要求，使得以Nyquist-Shannon采樣定理為基礎(chǔ)的信號處理方法面臨著較多的困難，高速數(shù)據(jù)采集、大數(shù)據(jù)量存儲和傳輸、大數(shù)據(jù)量快速處理等問題對硬件系統(tǒng)和資源都提出了巨大挑戰(zhàn)，這些困難限制了雷達分辨力的進一步提高，因而尋求新的數(shù)據(jù)采集和成像方法成為雷達成像技術(shù)

2、發(fā)展迫切需要解決的問題。
　　近年提出的壓縮感知（Compressive Sensing，CS）理論為雷達成像技術(shù)提供了新思路，它不受Nyquist-Shannon采樣定理限制，也突破了時頻不確定原理局限，能夠為雷達成像提供更高的分辨力。本文以 CS理論及其在雷達成像中的應用為基礎(chǔ)，對運動目標CS高分辨成像、噪聲水平未知背景下CS高分辨成像、低信噪比（Signal to Noise Ratio，SNR）下逆合成孔徑雷達（Inver

3、se Synthetic Aperture Radar，ISAR）CS高分辨成像等問題進行了深入分析和研究，主要工作如下：
　　1、基于CS的運動目標速度補償和成像研究。運動目標速度補償精度直接關(guān)系到高分辨成像效果，本文在分析目標運動對步進頻率波形高分辨成像影響的基礎(chǔ)上，提出一種時域相關(guān)與 CS相結(jié)合的精確速度補償方法。該方法對相鄰兩幀高分辨像做時域相關(guān)處理獲得目標速度粗估計值，對速度粗補償后的兩幀回波數(shù)據(jù)做共軛相乘處理得到具有最

4、大幅值的中心頻率項，通過建立中心頻率項稀疏表示字典，并求解稀疏度為1的約束優(yōu)化問題獲得目標速度精確估計值，實現(xiàn)速度精確補償。同時開展隨機頻率波形運動目標 CS成像算法研究，并進行仿真驗證。
　　2、噪聲水平未知背景下CS高分辨成像研究。噪聲背景下CS高分辨成像效果受到噪聲水平影響，而噪聲水平通常是未知的。本研究在分析噪聲背景下CS高分辨成像模型基礎(chǔ)上，針對單個寬帶脈沖高分辨成像，提出一種基于滑動子序列噪聲水平估計的CS信號重建方法

5、，將回波采樣數(shù)據(jù)劃分成子序列，建立子序列相關(guān)矩陣對噪聲水平進行估計，并把估計結(jié)果用于CS信號重建，實現(xiàn)高分辨成像。
　　3、低SNR下基于CS的ISAR成像方法研究。低SNR下ISAR壓縮感知成像存在噪聲污染問題，為提高成像質(zhì)量，本研究提出一種散射區(qū)域加權(quán) CS成像算法。該方法利用目標散射區(qū)域信息對冗余字典中的原子進行加權(quán)以修正CS重建算法，從而抑制噪聲污染，提高 ISAR成像效果。最后通過仿真實驗和實測數(shù)據(jù)驗證算法有效性。

6、>　　4、低SNR下ISAR成像中CS快速重建算法實際應用研究。ISAR成像對實時性有較高的要求，然而低SNR下CS快速重建算法存在噪聲敏感性，致使成像結(jié)果受到嚴重噪聲影響。為此本研究從提高回波信號SNR角度著手，并兼顧短CPI成像需求，提出一種子序列奇異值分解近似方法。該方法利用回波信號稀疏性，建立子序列矩陣，通過奇異值分解去除主分量噪聲，并由主分量重建原始信號，獲得高SNR回波信號用于CS成像。最后通過仿真實驗和實測數(shù)據(jù)驗證算法有效