基于Off-Grid的CS-ISAR成像研究.pdf

1、逆合成孔徑雷達（ISAR）具有很高的成像分辨率，使其在軍用及民用領域得到了廣泛的應用。但ISAR成像往往面臨著采樣率高、數(shù)據(jù)存儲量大以及實時處理比較困難等問題，對這些問題的探索已成為ISAR領域的熱門研究課題。
　　本文以ISAR目標的稀疏特性為背景，對壓縮感知ISAR成像中Off-Grid問題以及參數(shù)估計問題進行了深入的研究，針對發(fā)射的稀疏探頻信號提出了相應改進的壓縮感知ISAR成像算法。本文主要工作概述如下：
　　1、針

2、對傳統(tǒng)ISAR信號沒有完全利用壓縮感知稀疏特性進行成像的問題，建立了發(fā)射稀疏探頻信號的ISAR成像模型，給出了稀疏探頻信號的ISAR成像流程，并通過仿真驗證了模型的可行性。
　　2、針對傳統(tǒng)稀疏重構算法難以解決Off-Grid模型的問題，分別提出了結合帶外排除技術和局部優(yōu)化技術的BOMP算法和BLOOMP算法。從理論上詳細推導并證明了這兩種算法，同時分析了這兩種算法的計算復雜度以及它們在噪聲情況下的重構性能。仿真實驗表明：相同仿真

3、條件下，與BOMP算法相比，BLOOMP算法在重構成功率及重建誤差方面具有更優(yōu)越的性能。
　　3、針對實際成像條件下目標參數(shù)未知的問題，提出聯(lián)合參數(shù)估計與ISAR成像重建方法。
　?。?）當目標點落在基矩陣的網格點上且基矩陣取決于未知的目標旋轉率，提出基于稀疏貝葉斯學習（Sparse Bayesian Learning,SBL）的稀疏探頻ISAR成像方法。通過聯(lián)合利用SBL技術和梯度搜索算法，能夠同時獲取目標旋轉率和高分辨率