论文部分内容阅读
工作在甚高频或超高频（VHF/UHF）的超宽带合成孔径雷达（Ultra-Wide-BandSynthetic Aperture Radar，UWB-SAR）能够穿透树林和浅地表，探测隐蔽在树林中的目标和浅地表下的埋设物，具有重要的军事应用价值。然而，在VHF/UHF频段存在大量的广播、无线电视、移动通信信号及各种特殊用途电磁波，这些电磁信号的存在对UWB-SAR构成了射频干扰（Radio Frequency Interference，RFI）。RFI的存在严重影响着雷达成像质量和目标检测性能。RFI抑制方法分为非参数化方法和参数化方法，非参数化方法运算量小，易于实现，广泛用于实时UWB-SAR系统，但参数化方法有更好RFI抑制性能。随着电子信息技术的发展，空间电磁环境日渐复杂，空中RFI呈现出很强的非平稳性。常系数正弦波模型和AR模型不能准确表示非平稳信号，时变系数正弦波模型和AR模型需要估计的参数多，参数估计的难度大，很难应用于实际数据处理。本文提出一种基于稀疏表示的RFI抑制方法，它根据RFI的特征选择稀疏表示空间，通过稀疏分解算法估计各RFI成分和系数，能更准确的表示和抑制非平稳RFI。基于信号稀疏表示理论，论文主要做了以下三方面工作：1、利用自适应时频分析方法对实际RFI进行了时频分析。由于UWB-SAR快时间维处理时间长，传统的基于匹配追踪（Matching Pursuit，MP）的自适应时频分析速度慢，本文提出了一种改进的基于自适应Gabor子字典的自适应时频分析方法，加快了时频分析速度，揭示了实际RFI的非平稳性。2、提出基于稀疏分解的RFI抑制方法。传统的正弦波模型不能很好地刻画时变非平稳RFI，而Gabor过完备字典中有更丰富的信号成分，本文利用基于Gabor子字典的MP算法很好地重构和抑制了回波中RFI，仿真和实测结果验证了该算法的有效性。3、利用压缩感知（Compressed Sensing，CS）技术进行了稀疏场景RFI抑制的研究。当场景中的RFI和目标满足稀疏条件时，可以采用基于CS的RFI抑制方法进行RFI抑制和目标反射率恢复。本文提出了一种基于二阶OMP的RFI抑制方法，其计算速度比常规的混合字典法快一倍。在基于CS的RFI抑制算法研究基础上，提出了一种基于距离维CS采样的雷达成像框架。通过仿真，验证了基于CS的RFI抑制性能和二维成像效果。