分布式雷达稀疏成像技术研究

发布时间：2017-05-27 17:00

  本文关键词：分布式雷达稀疏成像技术研究，由笔耕文化传播整理发布。

【摘要】：分布式雷达成像是指利用空间展开的多发射机和多接收机(或虚拟收发阵列)对目标进行有效观测的一种成像方式。它将实孔径成像和虚拟孔径成像统一起来,进一步拓展了MIMO雷达成像的概念,能够建立雷达成像的统一描述。 本文基于空间谱理论,通过分析ISARs FD-MIMO和分布式无源雷达三种典型成像系统,重点研究在实际系统受限的情况下,综合利用孔径、带宽、目标先验等信息,实现目标高分辨率的成像方法,并解决实际应用中分布式雷达稀疏成像面临的若干问题。主要的研究工作包括： 1、基于空间谱理论构建了雷达成像的统一描述,得出广义孔径成像的概念,并探讨了孔径、带宽与成像分辨率之间的关系；接着分析了三种典型分布式雷达系统的成像性能；另外考虑到实际系统的限制,研究了压缩感知(CS)在分布式雷达稀疏成像中的应用方式以及存在的若干问题。 2、研究了分布式雷达稀疏成像优化算法。针对传统稀疏重构方法在实际硬件实现时存在复杂度较高问题,提出了基于非凸函数约束的Homotopy DCD高分辨成像方法,具有求解精度高、易于硬件实现等优势。针对传统稀疏重构算法在低SNR情形下稳健性较差问题,对单测量矢量(SMV)成像提出了基于贝叶斯压缩感知的高分辨成像算法(VB-BCS);对多测量矢量(MMV)成像提出了基于Laplace先验的稀疏贝叶斯学习高分辨成像算法(Laplace-SBL)。仿真验证了所提方法的的优势及成像性能的提升。 3、研究了连续成像目标空间进行离散化处理时存在的网格失配现象,即Off-grid问题,并提出3种解决办法,用来克服传统CS方法处理连续信号时存在的固有计算缺陷,分别是：①基于自适应网格的反演技术；②基于Analog CS理论的MUSIC和改进Matrix Pencil成像方法：③2种Off-grid CS成像方法,即基于贝叶斯压缩感知稀疏自校正成像(SAC-BCS)改进OMP的稀疏自校正成像方法(OG-OMP)。仿真表明所提方法对网格划分不敏感,并展示出稳健的目标信息提取能力。 4、考虑实际情形,分布式雷达回波数据中不可避免存在着相位误差(通常由系统误差引起),这会使得成像模型中的观测矩阵不能精确已知,导致传统稀疏成像方法性能降低。对此,本文提出了2种稀疏自聚焦成像技术——基于优化迭代技术的自适应相位误差校正成像(APEC-IOT)和基于贝叶斯学习技术的自适应相位误差校正成像(APEC-BCS),可以较好地实现SMV和MMV自聚焦成像。仿真表明所提方法能够取得较好的聚焦效果。 5、研究了分布式雷达扩展目标稀疏成像方法。对扩展目标成像时,成像场景中的散射点通常较多并且呈区域性分布,使得目标空间域的稀疏性大大减弱,造成传统CS成像方法性能受限。本文在目标稀疏先验的基础上,进一步结合扩展目标图像的结构信息,提出了结合TV正则化约束的扩展目标稀疏成像方法(NCR-TV)口基于扩展目标先验分布的贝叶斯压缩感知成像方法(ET-BCS),并通过仿真验证所提方法的有效性。
【关键词】：分布式雷达 稀疏孔径 高分辨率成像 压缩感知 稀疏优化算法 Off-grid 问题稀疏自聚焦成像 扩展目标成像
【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】：2015
【分类号】：TN957.52
【目录】：

• 摘要5-7
• ABSTRACT7-9
• 目录9-12
• 图目录12-15
• 表目录15-16
• 第1章 绪论16-34
• 1.1 论文的研究背景16-17
• 1.2 研究的历史与现状17-28
• 1.2.1 分布式雷达成像技术的发展17-21
• 1.2.2 论文相关问题聚焦及研究现状21-28
• 1.3 论文的主要工作与创新28-34
• 第2章 分布式雷达稀疏成像基础34-58
• 2.1 引言34-35
• 2.2 基于空间谱理论的雷达成像统一描述35-45
• 2.3 三种典型分布式雷达系统成像模型45-52
• 2.3.1 ISAR信号建模及性能分析45-46
• 2.3.2 FD-MIMO雷达信号建模及性能分析46-48
• 2.3.3 分布式无源雷达信号建模及性能分析48-52
• 2.4 压缩感知理论在分布式雷达稀疏成像中的应用52-56
• 2.5 本章小结56-58
• 第3章 分布式雷达稀疏成像优化算法研究58-86
• 3.1 引言58-59
• 3.2 基于非凸函数约束的Homotopy DCD高分辨成像59-68
• 3.3 基于贝叶斯学习技术的高分辨成像68-84
• 3.3.1 基于贝叶斯压缩感知的高分辨成像68-74
• 3.3.2 基于Laplace先验的稀疏贝叶斯学习高分辨成像74-84
• 3.4 本章小结84-86
• 第4章 分布式雷达稀疏成像Off-grid问题研究86-112
• 4.1 引言86-87
• 4.2 分布式雷达稀疏成像中的Off-grid问题分析87-89
• 4.3 基于自适应网格的反演算法89-94
• 4.4 基于模拟压缩感知理论的反演算法94-99
• 4.4.1 基于MUSIC的高分辨成像95-96
• 4.4.2 基于改进Matrix Pencil的高分辨成像96-99
• 4.5 基于Off-grid CS技术的反演算法99-111
• 4.5.1 基于贝叶斯压缩感知的稀疏自校正成像100-108
• 4.5.2 基于改进OMP的稀疏自校正成像108-111
• 4.6 本章小结111-112
• 第5章 分布式雷达稀疏自聚焦成像技术研究112-140
• 5.1 引言112
• 5.2 存在相位误差的分布式雷达稀疏成像模型112-116
• 5.2.1 SMV自聚焦问题——针对FD-MIMO和分布式无源雷达系统112-114
• 5.2.2 MMV自聚焦问题——针对ISAR系统114-116
• 5.3 基于优化迭代技术的自适应相位误差校正成像116-124
• 5.3.1 SMV自聚焦成像116-120
• 5.3.2 MMV自聚焦成像120-124
• 5.4 基于贝叶斯学习技术的自适应相位误差校正成像124-138
• 5.4.1 SMV自聚焦成像124-130
• 5.4.2 MMV自聚焦成像130-138
• 5.5 本章小结138-140
• 第6章 分布式雷达扩展目标稀疏成像方法研究140-160
• 6.1 引言140-141
• 6.2 结合总变差正则化约束的改进稀疏成像技术141-150
• 6.2.1 总变差正则化(TV)方法简介141-142
• 6.2.2 结合TV正则化约束的改进稀疏成像算法142-150
• 6.3 基于扩展目标先验分布的贝叶斯压缩感知成像技术150-159
• 6.3.1 扩展目标参数贝叶斯压缩感知模型150-151
• 6.3.2 基于扩展目标先验分布的贝叶斯压缩感知成像算法151-159
• 6.4 本章小结159-160
• 第7章 结束语160-164
• 7.1 本文工作总结160-161
• 7.2 后续工作展望161-164
• 参考文献164-178
• 作者在攻读博士学位期间完成的学术论文178-180
• 作者在攻读博士学位期间参与的主要工作180-182
• 致谢182

【参考文献】

中国期刊全文数据库 前10条

1 王大海;王俊;;单发多收模式下无源雷达成像研究[J];电子学报;2006年06期

2 成萍;司锡才;姜义成;许荣庆;;基于稀疏贝叶斯学习的稀疏信号表示ISAR成像方法[J];电子学报;2008年03期

3 王怀军;粟毅;朱宇涛;许红波;;基于空间谱域填充的MIMO雷达成像研究[J];电子学报;2009年06期

4 陈多芳;陈伯孝;刘春波;张守宏;;岸-舰双基地综合脉冲孔径雷达的初始相位校准及误差分析[J];电子与信息学报;2008年02期

5 李岩;王俊;张守宏;;基于外辐射源的ESPRIT超分辨成像算法[J];电子与信息学报;2009年01期

6 顾福飞;池龙;张群;彭发祥;朱丰;;基于压缩感知的稀疏阵列MIMO雷达成像方法[J];电子与信息学报;2011年10期

7 万显荣;岑博;程丰;饶云华;龚子平;;基于CMMB的外辐射源雷达信号模糊函数分析与处理[J];电子与信息学报;2011年10期

8 徐建平;皮亦鸣;曹宗杰;;基于贝叶斯压缩感知的合成孔径雷达高分辨成像[J];电子与信息学报;2011年12期

9 李学仕;孙光才;徐刚;邢孟道;梁毅;;基于压缩感知的下视三维SAR成像新方法[J];电子与信息学报;2012年05期

10 刘玉春;王俊;杨杰;王海环;陈朝焰;;基于单频连续波的无源雷达成像研究[J];电子与信息学报;2013年05期

  本文关键词：分布式雷达稀疏成像技术研究，，由笔耕文化传播整理发布。

本文编号：400575