逆合成孔径雷达旋转目标的结构稀疏成像技术研究

发布时间：2020-06-22 12:04

【摘要】：含转动部件目标和自旋目标是逆合成孔径雷达(Inverse Synthetic Aperture Radar,ISAR)在实际应用中较为常见的两种旋转目标。目标的旋转运动使得ISAR成像的难度大为增加,传统的成像方法不再适用。本文分析了目标的旋转运动对ISAR成像造成的影响,并且从目标的高分辨距离像和ISAR图像等的结构稀疏特性入手,去解决旋转目标ISAR成像过程中的一系列关键问题。论文的研究工作主要包括:1、研究了信号处理领域中广泛存在的联合稀疏信号和块稀疏信号的反演方法。对于具有直线结构的联合稀疏信号,本文采用双曲正切混合范数作为目标函数构建出相应的非凸优化问题,然后利用优化-最小化(Majorization-Minimization,MM)的方法转化为便于求解的凸问题,以便反演具有联合稀疏特性的原始信号。对于块结构信息(块的大小、位置和形状)未知的块稀疏信号,本文将待反演区域划分为多个互相重叠的网格块,然后在稀疏贝叶斯框架下学习信号的局部结构,并且将学习获得的结构信息用于反演,局部结构学习和信号反演这两个步骤交替进行直到算法收敛。仿真结果表明,本文所提的结构稀疏反演方法在低信噪比和低观测数据量的条件下能较好地恢复信号的结构,同时抑制虚假点,其性能优于传统的稀疏反演方法,这为后续的旋转目标结构稀疏成像奠定了基础。2、研究了含转动部件目标的微多普勒效应消除方法。对于较大转动半径(即转动半径大于0.5倍距离分辨率)的部件,正弦曲线形状的微动信号破坏了高分辨距离像的联合稀疏结构,本文对高分辨距离像中的信号赋予伯努利-高斯的先验概率,并且令同一距离单元内的信号有相同的先验分布参数,以便通过强制信号的联合稀疏来消除微动信号。然后采用马尔科夫链蒙特卡洛(Markov Chain Monte Carlo,MCMC)的方法从近似后验分布中抽取样本,在迭代过程中更新反演结果。当部件的转动半径较小时(即转动半径小于0.5倍距离分辨率时),微多普勒效应会破坏时频域信号的组稀疏(即一维信号的联合稀疏)特性,本文提出了一种平滑l2/l信(Smoothed l2/l0,SL2L0)算法,在时频域中通过促进组稀疏来消除微多普勒效应,然后利用反演出的主体时频分量获得主体部分的回波,最后通过稀疏贝叶斯学习算法实现方位压缩来获得主体图像。仿真结果表明,所提方法能较好地消除微多普勒效应的影响,从而得到清晰的主体图像。3、研究了自旋目标距离压缩过程中高分辨距离像距离走动的校正方法。对于目标自旋引起的越距离单元徙动(Migration ThroughRangeCells,MTRC),本文将快频率与慢时间的耦合相位项写入观测矩阵中,这样可实现慢时间关于快频率的尺度伸缩变换,从而使两者解耦。然后基于方位压缩后信号的组稀疏特性,采用混合l2/l1范数约束下的交替方向乘子算法求解线性方程。由于该方法采用组稀疏反演,避免了插值步骤,因此可获得比Keystone变换方法更好的MTRC校正效果。除了快频率与慢时间耦合所造成的MTRC,距离维稀疏反演面临的Off-grid 问题还会使得散射点的能量分散到周围的距离单元内,导致高分辨距离像出现无规律的距离走动。为了消除Off-grid问题的影响,本文首先对观测矩阵做关于距离变量的一阶泰勒展开,得到包含网格偏移量的修正回波模型。其次,对高分辨距离像赋予能促进联合稀疏的玻尔兹曼机先验概率,以便维持直线结构,消除无规律的距离走动。最后采用期望最大化的方法交替更新隐变量和模型参数。仿真结果显示出本文方法能有效地消除高分辨距离像中的距离走动。4、研究了自旋目标方位压缩过程中的自聚焦问题和方位定标问题。本文提出了一种新颖的成像信号模型来同时描述初相误差和高阶相位。然后,在求解目标图像的过程中引入块稀疏约束,利用散射点之间的关联性来维持弱散射点,以便得到更为准确的成像结果。基于块稀疏约束下反演的目标图像,本文通过最大化似然函数来分别估计初相误差和高阶相位,并对其加以校正。分析发现,高阶相位的大小与目标的旋转角速度有关。通过高阶相位就可以获得目标旋转角速度,从而求出方位分辨率的大小,实现成像结果的方位定标。仿真结果表明,本文方法能实现良好的自聚焦效果,并且得到方位定标后的目标图像。
【学位授予单位】：中国科学技术大学
【学位级别】：博士
【学位授予年份】：2018
【分类号】：TN957.52
【图文】：

运输机,螺旋桨,成像,方法

逦第１章绪论逦逡逑献中常见的两维信号和一维信号的块状结构。其中，深色部分表示非零元逡逑素所处的区域。这些块状结构的共同特点是非零元素聚焦在一起。图１．６表示的逡逑是两维信号中直线形状的联合稀疏（ＪｉｏｎｔＳｐａｒｓｅ）结构［２６］，这种结构的特点是其逡逑各列有相同的支撑集，也就是各列中非零元素的位置是相同的。如果将图１．６中逡逑的两维信号每列首尾相接排列为一个长矢量，则该矢量具有组稀疏（ＧｒｏｕｐＳｐａｒｓｅ）逡逑结构［２＇图１．６中的每一列对应一个组，可以看出组稀疏信号的每一组中非零元逡逑素的位置是固定的。实际上，组稀疏可以视为联合稀疏在矢量中的情形。逡逑＾逦２ＢＪ２ｍ邋逦？逦：邋Ｚ邋逦逡逑一

高分辨距离像,舰船目标,运动补偿,反演算法

逦第１章绪论逦逡逑传统稀疏反演算法（如ＢＰｔＷ，ＯＭＰｔ２＇邋ＳＢＵＷ等）只是强调信号中非零元逡逑素的个数，而结构稀疏反演算法则进一步考虑了非零元素的相对位置关系，这样逡逑可以利用信号除稀疏性之外的结构信息，可以降低稀疏表征的自由度［３１］，便于在逡逑较少观测数据的条件下寻找到更为准确的反演结果，同时由于利用了信号元素之逡逑间的关联性，可以较好地恢复信号中的微弱分量。实际情形中的噪声或者干扰一逡逑般不具有与信号类似的结构特性，结构稀疏反演算法的抗噪性相比于传统算法也逡逑能得到较大的提升。本文考虑利用ＩＳＡＲ图像、高分辨距离像等的结构稀疏特性逡逑去解决旋转目标ＩＳＡＲ成像中的一系列关键问题。逡逑

【参考文献】