動(dòng)目標(biāo)微波凝視關(guān)聯(lián)成像中稀疏重構(gòu)技術(shù)研究.pdf

1、為了更好地從回波中提取出目標(biāo)信息，提高雷達(dá)成像分辨率是最主要的途徑之一。基于時(shí)空兩維隨機(jī)輻射場(chǎng)的微波凝視關(guān)聯(lián)成像方法能夠在方位向上獲得超越孔徑衍射極限的分辨率，動(dòng)目標(biāo)微波凝視關(guān)聯(lián)成像是一種新的獲取動(dòng)目標(biāo)超分辨特性的成像方法，但是靜止目標(biāo)的關(guān)聯(lián)處理方法不適用于運(yùn)動(dòng)目標(biāo)。在地基雷達(dá)的空中凝視照射區(qū)域，運(yùn)動(dòng)目標(biāo)往往具有稀疏分布特性，本文正是利用該稀疏先驗(yàn)信息，重點(diǎn)開(kāi)展以微波凝視關(guān)聯(lián)成像理論為基礎(chǔ)的運(yùn)動(dòng)目標(biāo)稀疏重構(gòu)技術(shù)研究。
　　論文首先

2、分析了目標(biāo)運(yùn)動(dòng)對(duì)微波凝視關(guān)聯(lián)成像的影響。在靜止目標(biāo)成像模型的基礎(chǔ)上，從成像物理過(guò)程出發(fā)，建立了動(dòng)目標(biāo)微波凝視關(guān)聯(lián)成像模型，并結(jié)合目標(biāo)稀疏分布特性，將正交匹配追蹤(Orthogonal Matching Pursuit，OMP)、稀疏貝葉斯學(xué)習(xí)(Sparse Bayesian Learning，SBL)和欠定系統(tǒng)局域解法(FocalUnderdetermined System Solver，F(xiàn)OCUSS)等經(jīng)典的稀疏重構(gòu)算法應(yīng)用于動(dòng)目標(biāo)微

3、波凝視關(guān)聯(lián)成像系統(tǒng)，仿真分析了目標(biāo)運(yùn)動(dòng)對(duì)經(jīng)典稀疏重構(gòu)算法在微波凝視關(guān)聯(lián)成像中的應(yīng)用所帶來(lái)的影響。
　　其次，研究了動(dòng)目標(biāo)微波凝視關(guān)聯(lián)稀疏成像算法。在動(dòng)目標(biāo)的成像場(chǎng)景中，若不考慮目標(biāo)運(yùn)動(dòng)的影響將導(dǎo)致經(jīng)典的稀疏重構(gòu)算法失效，為此，論文提出了兩種動(dòng)目標(biāo)微波凝視關(guān)聯(lián)稀疏成像算法:(1)針對(duì)隨機(jī)跳頻體制，利用發(fā)射信號(hào)隨機(jī)跳變的特點(diǎn)進(jìn)行速度預(yù)估計(jì)，對(duì)輻射場(chǎng)矩陣進(jìn)行運(yùn)動(dòng)補(bǔ)償，然后關(guān)聯(lián)處理得到目標(biāo)像;(2)從貝葉斯最大后驗(yàn)角度出發(fā)，對(duì)經(jīng)典SBL算

4、法進(jìn)行修改，迭代估計(jì)得到動(dòng)目標(biāo)像以及運(yùn)動(dòng)速度，并仿真驗(yàn)證了所提算法可同時(shí)獲得精確的速度估計(jì)值和高分辨率圖像。
　　最后，研究了動(dòng)目標(biāo)微波凝視關(guān)聯(lián)成像中的網(wǎng)格失配（Off-Grid）問(wèn)題。在將壓縮感知理論應(yīng)用于微波凝視關(guān)聯(lián)成像時(shí)，無(wú)論網(wǎng)格劃分的如何細(xì)致，都會(huì)存在網(wǎng)格失配問(wèn)題。針對(duì)該問(wèn)題，本文提出了兩種解決方法:(1)在隨機(jī)跳頻體制下，先由其速度預(yù)估計(jì)方法進(jìn)行運(yùn)動(dòng)補(bǔ)償，再利用網(wǎng)格點(diǎn)位置和網(wǎng)格偏差具有相同稀疏結(jié)構(gòu)的特性，對(duì)經(jīng)典OMP算法