论文部分内容阅读
双站逆合成孔径雷达(双站ISAR)相较于单站逆合成孔径雷达其作用距离更远,而且由于双站ISAR的收发雷达分置,它的抗干扰能力、抗截获能力等安全性能也更为出色,因此双站ISAR具有较高的民用及军用价值。但是正是由于收发雷达分置以及双站夹角,双站ISAR成像的分辨率低于相应的单站ISAR,且双站ISAR目标通常为非合作目标,其运动规律性未知,导致接收端雷达可能收到缺失不完整的回波信号,如果对此回波采用传统的奈奎斯特采样方法,无法得到无失真的目标图像,传统的解决方法是增大发射雷达信号的带宽来提高距离分辨率,而在信号缺失部分利用线性插值或者全极点模型匹配法,但是这两种方法无法在双站夹角过大或者信号稀疏度过高时使成像结果达到理想分辨率。压缩感知(Compressive Sensing,CS)理论指出,在对稀疏信号进行采样时,可以对该信号进行远低于奈奎斯特采样率的压缩采样得到少量测量值,再采取合适的优化算法来重构原始信号。本文将压缩感知技术应用于双站ISAR成像中,针对实际情况中大双站夹角与稀疏孔径带来的成像低分辩问题,围绕相关重构理论,从以下几个方面展开了研究:(1)由传统信号采样理论的缺点引出压缩感知理论,着重阐述压缩感知技术中的三个最关键步骤:信号的稀疏表示、观测矩阵的构造以及信号的重构算法。为后文基于压缩感知的双站ISAR成像算法奠定理论基础。(2)介绍传统的双站ISAR成像算法之一RD算法,分析该算法的分辨率。着重分析双站夹角大小对分辨率的影响、稀疏孔径对分辨率的影响,从而引出后文将压缩感知理论应用于大双站夹角ISAR成像中。(3)把压缩感知理论应用到双站ISAR成像算法中。先分析转台成像模型并用步进频率信号作为发射信号得到目标回波,再根据回波构造稀疏基以得到回波的稀疏表示,然后构造适当的观测矩阵,把信号投影到更低维的空间上得到观测样本,最后将问题转化成从观测样本中重构原始信号。在重构信号的问题上,利用贪婪算法和基于范数最小化的凸优化算法来解决。在理论研究后,通过仿真实验对各算法成像的有效性进行了验证与分析。并对比了基于凸优化算法的GPSR重构算法、BP重构算法和基于贪婪算法的OMP重构算法以及GAPES重构算法。(4)通过仿真实验从重构误差、抗噪性能对各种重构算法进行了对比分析。