论文部分内容阅读
超宽带雷达发射信号具有极宽的频带,在目标探测、成像和识别等领域显示了巨大的潜力,已日益受到广泛关注。随着超宽带雷达不断朝着多通道、多极化、多波段和高分辨率方向发展,这使得超宽带雷达系统存在数据采集量大和数据采集时间长等问题。为此,本文以压缩感知(Compressed Sensing,CS)理论为基础,面向探地雷达(Ground Penetrating Radar,GPR)和穿墙雷达(Through-the-Wall Radar,TWR)这两个超宽带雷达的主要应用领域,研究基于压缩感知的超宽带雷达成像方法,探索解决超宽带雷达在系统构建和成像重建方面面临的数据获取与处理问题。本文的研究内容和成果如下:(1)针对在强杂波环境中CS频率步进探地雷达(Stepped Frequency Continuous WaveGPR,SFCW-GPR)偏移成像方法会失效的问题,提出了一种基于子空间投影杂波抑制技术的CS频率步进探地雷达偏移成像方法。该算法首先在每个天线测量位置通过压缩感知测量模型重建所有的频域原始均匀采样数据,然后采用子空间投影杂波抑制技术滤除较强的地面回波,最后采用稀疏重建算法对地下目标图像进行CS成像重建。仿真和实验数据处理结果表明所提成像重建算法在强杂波探测环境中可以仅用9.8%的降采样数据实现对地下目标进行准确的成像定位,成像结果具有旁瓣低和分辨率高等优点。(2)针对CS探地雷达偏移成像算法存在计算量大、对噪声和重建正则化参数敏感的问题,以SFCW-GPR探测工程为例,提出了一种基于贝叶斯压缩感知框架的探地雷达偏移成像方法,通过建立分层稀疏模型和相关向量机学习实现探测场景反射系数的重构。仿真结果表明,与传统CS成像方法相比,所提成像方法利用探测场景的统计先验信息,能够更好地兼顾重构精度和计算效率。在此基础上针对低信噪比和低数据量的问题研究了基于多任务贝叶斯压缩感知的探地雷达成像算法,仿真结果表明在低信噪比和低数据量的条件下,多任务贝叶斯压缩感知比单任务贝叶斯压缩感知具有更高的重建精度,从而进一步提高了成像结果的准确性。(3)针对传统高分辨率GPR衍射层析成像(Diffraction Tomography,DT)重建方法系统具有较大的工作带宽和天线合成孔径,系统的测量时间较长的问题,提出了一种基于CS框架的双站DT成像重建方法,首先对地下目标的频域散射场数据在频域采用压缩采样,然后在每个天线测量位置利用接收信号的稀疏性采用稀疏重建算法重建原始时域回波信号进而重建工作频带内全部散射场数据,最后采用传统DT成像算法进行地下目标成像。在此基础上,提出了一种多任务贝叶斯压缩感知的多站多视角DT成像算法,利用频域测量数据的相关性来重建在所有测量数据中缺失的频率数据,提高数据获取速度。基于时域有限差分法的全波电磁仿真数据处理结果表明所提成像方法在双站测量情形数据量为全部数据量的20%时,多站多视角情形数据量为全部数据量的12.9%时,仍可以保证目标成像的分辨率和准确性,提高了系统现场工作的测量速度。(4)针对穿墙雷达在多径效应环境下和墙体参数模糊会造成重建质量低的问题,提出了多径效应环境下基于CS的TWR成像方法。以超宽带冲激脉冲体制TWR为例,首先在墙体参数信息已知的探测场景下通过电磁波镜面反射理论建立了TWR多径回波信号模型,在分析多径回波信号的基础上建立探测场景的块稀疏成像模型,然后在此基础上提出了一种多径效应环境下基于块稀疏重建的TWR静止目标和运动目标成像重建算法,仿真数据处理结果表明所提成像方法在多径探测环境中能够对探测目标进行准确高分辨率成像。最后在墙体参数模糊场景下,将边墙位置、前墙介电参数与厚度估计和目标重建表示成一个联合优化问题,通过非线性优化算法和块稀疏重建算法求解联合优化问题,进而实现对墙体参数估计和目标成像重建。计算机仿真结果表明所提成像方法不仅实现对墙体参数的准确估计,而且得到高分辨率高准确性的目标成像重建结果,进而同时完成了墙体参数估计和成像重建两个任务,进一步扩展了穿墙雷达CS成像方法的工程适用范围。本文面向CS在GPR和TWR中的应用,解决了强杂波环境下的CS探地雷达偏移成像问题,解决了传统CS探地雷达偏移成像方法数据计算量大的问题,提出了压缩感知探地雷达DT成像方法和多径环境下墙体参数模糊时的穿墙雷达CS成像问题,对CS在超宽带雷达成像工程应用领域有一定指导意义。