论文部分内容阅读
压缩感知（Compressive sensing,简称CS）作为一种新的雷达信号处理方法吸引了大量研究人员的兴趣。CS理论缓解了雷达高分辨成像数据量大的问题,降低了雷达系统的硬件复杂度,同时,还可以处理雷达因为自身或者外部原因,引起部分数据丢失的不完整回波数据,以及欠采样后的数据。此外,基于CS技术重建的图像具有超分辨图像特征,图像对比度好。本文主要对基于CS技术的ISAR成像方法进行研究,具体研究内容如下:首先简述ISAR成像的基本原理,并阐述CS成像的原理,然后分析基于CS技术的雷达成像研究现状,最后给出本文的研究背景和主要研究内容。研究基于平滑l0范数（Smoothed l0 Norm,简称SL0）的二维CS图像重构算法。该方法通过构建二维CS系统函数,实现对ISAR回波数据的距离向和方位向同时稀疏重建,相比于通常CS图像重建算法中,将两维信号转换成一维向量进行重建的方式,该方法减少了内存的消耗,降低计算量,加快了计算时间。飞机、舰船ISAR实测数据和空间目标ISAR仿真数据的处理,验证了基于平滑l0。范数的二维CS成像方法的有效性。研究基于卡尔曼滤波（Kalman Filtering,简称KF）的CS成像方法。将KF与贪婪算法结合,给出贪婪卡尔曼滤波（Greedy Kalman Filter,简称GKF）算法,在稀疏约束的条件下,对图像进行重建。ISAR数据处理验证了 GKF的成像方法的有效性。采用GKF方法的成像效果在目标杂波比等各种图像质量指标上都优于其它CS成像方法,如OMP、LARS算法。研究基于CS的目标二次转动相位分量的补偿方法。首先对回波进行越分辨单元走动（Migration Though Resolution Cells,简称MTRC）校正,然后构建包含二次相位的观测矩阵,通过使图像锐度最大化,获得聚焦目标图像,同时可估计出目标转动角速度,将转速用于方位向图像定标。ISAR仿真数据处理验证了上述成像处理方法的有效性。与小转角仅存线性转动分量假设下得到的图像相比,成像质量提高。研究CS成像质量的评价方法。给出基于“真实值”和基于传统图像质量指标进行评估的两类方法。基于“真实值”评估主要评估利用CS成像方法重建的散射点的位置和幅度的准确性。基于传统图像质量指标评估主要客观评估图像视觉效果。分别对飞机、舰船和空间目标ISAR数据,用GKF、OMP和BCS等多种CS算法进行成像,然后用这两类方法进行图像质量分析,分析结果较客观地反映了各种CS成像算法的成像质量。最后为结束语,对全文的工作做了总结,并指出还需要进一步研究和解决的问题。