分布式雷達稀疏成像技術(shù)研究.pdf

1、分布式雷達成像是指利用空間展開的多發(fā)射機和多接收機（或虛擬收發(fā)陣列）對目標進行有效觀測的一種成像方式。它將實孔徑成像和虛擬孔徑成像統(tǒng)一起來，進一步拓展了MIMO雷達成像的概念，能夠建立雷達成像的統(tǒng)一描述。
　　本文基于空間譜理論，通過分析ISAR、FD-MIMO和分布式無源雷達三種典型成像系統(tǒng)，重點研究在實際系統(tǒng)受限的情況下，綜合利用孔徑、帶寬、目標先驗等信息，實現(xiàn)目標高分辨率的成像方法，并解決實際應(yīng)用中分布式雷達稀疏成像面臨的若

2、干問題。主要的研究工作包括:
　　1、基于空間譜理論構(gòu)建了雷達成像的統(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系統(tǒng)的成像性能;另外考慮到實際系統(tǒng)的限制，研究了壓縮感知(CS)在分布式雷達稀疏成像中的應(yīng)用方式以及存在的若干問題。
　　2、研究了分布式雷達稀疏成像優(yōu)化算法。針對傳統(tǒng)稀疏重構(gòu)方法在實際硬件實現(xiàn)時存在復(fù)雜度較高問題，提出了基于非凸函數(shù)約束的Homotopy

3、 DCD高分辨成像方法，具有求解精度高、易于硬件實現(xiàn)等優(yōu)勢。針對傳統(tǒng)稀疏重構(gòu)算法在低SNR情形下穩(wěn)健性較差問題，對單測量矢量(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);對多測量矢量(MMV)成像提出了基于Laplace先驗的稀疏貝葉斯學(xué)習(xí)高分辨成像算法(Laplace-SBL)。仿真驗證了所提方法的的優(yōu)勢及成像性能的提升。
　　3、研究了連續(xù)成像目標空間進行離散化處理時存在的網(wǎng)格失配現(xiàn)象，即Off-gr

4、id問題，并提出3種解決辦法，用來克服傳統(tǒng)CS方法處理連續(xù)信號時存在的固有計算缺陷，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)和改進OMP的稀疏自校正成像方法(OG-OMP)。仿真表明所提方法對網(wǎng)格劃分不敏感，并展示出穩(wěn)健的目標信息提取能力。
　　4、考慮實際情形，分

5、布式雷達回波數(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），這會使得成像模型中的觀測矩陣不能精確已知，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、研究了分布式雷達擴展目標稀疏成像方法。對