论文部分内容阅读
雷达高分辨成像技术是雷达发展的一个重要研究方向,它在场景观测、目标特征分析和目标识别等领域具有广泛的应用。分辨力是衡量雷达成像质量的一个重要指标,然而高分辨力对雷达系统提出了更高要求,使得以Nyquist-Shannon采样定理为基础的信号处理方法面临着较多的困难,高速数据采集、大数据量存储和传输、大数据量快速处理等问题对硬件系统和资源都提出了巨大挑战,这些困难限制了雷达分辨力的进一步提高,因而寻求新的数据采集和成像方法成为雷达成像技术发展迫切需要解决的问题。近年提出的压缩感知(Compressive Sensing,CS)理论为雷达成像技术提供了新思路,它不受Nyquist-Shannon采样定理限制,也突破了时频不确定原理局限,能够为雷达成像提供更高的分辨力。本文以CS理论及其在雷达成像中的应用为基础,对运动目标CS高分辨成像、噪声水平未知背景下CS高分辨成像、低信噪比(Signal to Noise Ratio,SNR)下逆合成孔径雷达(Inverse Synthetic Aperture Radar,ISAR)CS高分辨成像等问题进行了深入分析和研究,主要工作如下:1、基于CS的运动目标速度补偿和成像研究。运动目标速度补偿精度直接关系到高分辨成像效果,本文在分析目标运动对步进频率波形高分辨成像影响的基础上,提出一种时域相关与CS相结合的精确速度补偿方法。该方法对相邻两帧高分辨像做时域相关处理获得目标速度粗估计值,对速度粗补偿后的两帧回波数据做共轭相乘处理得到具有最大幅值的中心频率项,通过建立中心频率项稀疏表示字典,并求解稀疏度为1的约束优化问题获得目标速度精确估计值,实现速度精确补偿。同时开展随机频率波形运动目标CS成像算法研究,并进行仿真验证。2、噪声水平未知背景下CS高分辨成像研究。噪声背景下CS高分辨成像效果受到噪声水平影响,而噪声水平通常是未知的。本研究在分析噪声背景下CS高分辨成像模型基础上,针对单个宽带脉冲高分辨成像,提出一种基于滑动子序列噪声水平估计的CS信号重建方法,将回波采样数据划分成子序列,建立子序列相关矩阵对噪声水平进行估计,并把估计结果用于CS信号重建,实现高分辨成像。3、低SNR下基于CS的ISAR成像方法研究。低SNR下ISAR压缩感知成像存在噪声污染问题,为提高成像质量,本研究提出一种散射区域加权CS成像算法。该方法利用目标散射区域信息对冗余字典中的原子进行加权以修正CS重建算法,从而抑制噪声污染,提高ISAR成像效果。最后通过仿真实验和实测数据验证算法有效性。4、低SNR下ISAR成像中CS快速重建算法实际应用研究。ISAR成像对实时性有较高的要求,然而低SNR下CS快速重建算法存在噪声敏感性,致使成像结果受到严重噪声影响。为此本研究从提高回波信号SNR角度着手,并兼顾短CPI成像需求,提出一种子序列奇异值分解近似方法。该方法利用回波信号稀疏性,建立子序列矩阵,通过奇异值分解去除主分量噪声,并由主分量重建原始信号,获得高SNR回波信号用于CS成像。最后通过仿真实验和实测数据验证算法有效性。