论文部分内容阅读
为了更好地从回波中提取出目标信息,提高雷达成像分辨率是最主要的途径之一。基于时空两维随机辐射场的微波凝视关联成像方法能够在方位向上获得超越孔径衍射极限的分辨率,动目标微波凝视关联成像是一种新的获取动目标超分辨特性的成像方法,但是静止目标的关联处理方法不适用于运动目标。在地基雷达的空中凝视照射区域,运动目标往往具有稀疏分布特性,本文正是利用该稀疏先验信息,重点开展以微波凝视关联成像理论为基础的运动目标稀疏重构技术研究。论文首先分析了目标运动对微波凝视关联成像的影响。在静止目标成像模型的基础上,从成像物理过程出发,建立了动目标微波凝视关联成像模型,并结合目标稀疏分布特性,将正交匹配追踪(Orthogonal Matching Pursuit, OMP)、稀疏贝叶斯学习(Sparse Bayesian Learning, SBL)和欠定系统局域解法(Focal Underdetermined System Solver, FOCUSS)等经典的稀疏重构算法应用于动目标微波凝视关联成像系统,仿真分析了目标运动对经典稀疏重构算法在微波凝视关联成像中的应用所带来的影响。其次,研究了动目标微波凝视关联稀疏成像算法。在动目标的成像场景中,若不考虑目标运动的影响将导致经典的稀疏重构算法失效,为此,论文提出了两种动目标微波凝视关联稀疏成像算法:(1)针对随机跳频体制,利用发射信号随机跳变的特点进行速度预估计,对辐射场矩阵进行运动补偿,然后关联处理得到目标像;(2)从贝叶斯最大后验角度出发,对经典SBL算法进行修改,迭代估计得到动目标像以及运动速度,并仿真验证了所提算法可同时获得精确的速度估计值和高分辨率图像。最后,研究了动目标微波凝视关联成像中的网格失配(Off-Grid)问题。在将压缩感知理论应用于微波凝视关联成像时,无论网格划分的如何细致,都会存在网格失配问题。针对该问题,本文提出了两种解决方法:(1)在随机跳频体制下,先由其速度预估计方法进行运动补偿,再利用网格点位置和网格偏差具有相同稀疏结构的特性,对经典OMP算法进行修改,校正网格失配偏差;(2)将动目标成像问题转化为连续参数估计问题,利用目标稀疏先验信息,设计优化函数,直接求解散射点位置,避免了经典稀疏重构算法对网格的依赖性,而且仿真结果显示当存在Off-Grid误差时,该方法获得了较好的稀疏反演结果。