基于稀疏貝葉斯重構方法的雷達成像技術研究.pdf

1、稀疏貝葉斯重構方法是當前稀疏信號處理領域的研究熱點問題之一，該方法不僅考慮了信號的稀疏特性，還考慮了信號的先驗統(tǒng)計信息，即基于貝葉斯基本定理通過賦予稀疏信號某一稀疏促進項的先驗分布，從而通過貝葉斯推理的方法來求解稀疏信號參數(shù)。稀疏貝葉斯重構方法是一種參數(shù)學習方法，其在貝葉斯推斷過程中，能夠自動地估計信號參數(shù)，且性能受人工參數(shù)干預很小。另外，稀疏貝葉斯重構方法考慮了信號的噪聲統(tǒng)計信息，在低信噪比條件下可獲得較好的重構性能。由于當雷達成像場

2、景中存在強散射點時，雷達目標的回波信號在高頻段可看做是少數(shù)幾個散射中心回波信號疊加的結果，因此雷達成像問題可轉化為稀疏信號表示問題，鑒于稀疏貝葉斯重構方法優(yōu)良的重構特性，本文主要研究在稀疏貝葉斯理論框架下的雷達成像新技術、新方法。具體地，本文研究內容主要包括以下幾個方面：
　　第一章闡述了課題研究背景與意義，歸納了當前稀疏重構方法并深入介紹了稀疏貝葉斯重構方法研究現(xiàn)狀，從中指出了稀疏貝葉斯重構方法的優(yōu)越性。深入闡述了目前基于稀疏貝

3、葉斯重構方法的雷達成像研究現(xiàn)狀，并指出了進一步研究基于稀疏貝葉斯重構方法的雷達成像技術的必要性。
　　第二章重點研究了稀疏貝葉斯學習(SBL)方法在雷達成像中的應用。首先，介紹了稀疏信號表示模型及壓縮感知理論，并深入分析了SBL基本理論。其次，建立了ISAR Tomography稀疏成像模型和ISAR進動目標稀疏成像模型，并基于該模型利用SBL理論進行了仿真實驗，驗證了SBL的有效性。隨后，針對理想點屬性散射中心模型，將SBL與常

4、用的其它稀疏重構算法進行了SAR稀疏成像性能分析，通過仿真實驗深入探討分析了各算法參數(shù)的設置對成像性能的影響，從中驗證了SBL的優(yōu)越性。本章研究結果為稀疏貝葉斯重構方法在雷達成像中的應用奠定了理論基礎并提供了依據(jù)。
　　第三章針對SBL存在時效性較差及對噪聲較敏感的缺點，首先驗證了在SBL模型基礎上發(fā)展的方差成分擴張壓縮（ExCoV）方法在ISAR Tomography稀疏成像模型下具有較優(yōu)越的成像性能。其次，一方面在線性調頻IS

5、AR稀疏成像模型下，分析探討了基于ExCoV方法的ISAR稀疏成像性能；另一方面分析了捷變頻ISAR回波信號，指出了現(xiàn)有成像方法的不足之處，并在此基礎上首次建立了捷變頻ISAR稀疏成像模型，通過與現(xiàn)存的成像方法進行仿真驗證對比，驗證了基于ExCoV方法成像方案的有效性。最后，基于混合散射中心模型，建立了SAR地面運動目標（Ground Moving Target Imaging, GMTI）與SAR微動目標（Micro-Move Tar

6、get Imaging, MMTI）稀疏成像模型，并基于ExCoV方法進行了SAR動目標成像，仿真實驗通過與傳統(tǒng)方法對比驗證了本文提出的成像方案能較為精確地估計動目標參數(shù)，并且在低信噪比條件下具有較好的成像性能。
　　當前基于稀疏表示方法的雷達成像模型大都假設雷達觀測模型非常精確的前提下進行雷達成像，然而實際情況下由于雷達成像模型的不確定性，在雷達回波信號中存在一定的相位誤差，第四章基于ExCoV方法深入研究探討了在雷達成像中存在

7、相位誤差條件下的雷達成像性能。首先，針對由于相位誤差的引入而產生的ISAR自聚焦稀疏成像技術，提出了ExCoV-MLE算法，該算法通過在目標散射系數(shù)與相位誤差之間迭代計算來進行稀疏信號重構和相位誤差估計，仿真實驗在不同相位誤差條件下與現(xiàn)存方法對比驗證了該算法的有效性；其次，針對ISAR成像中目標旋轉參數(shù)未知的情況下，基于ExCoV方法提出了聯(lián)合相位誤差與旋轉參數(shù)估計的ISAR成像方案，并在不同的相位誤差條件下，利用仿真實驗驗證了該方案的

8、有效性；最后，針對聚束SAR模型，建立了存在觀測位置誤差條件下的SAR稀疏成像模型，并提出了聯(lián)合位置誤差估計的SAR成像算法，該算法先由ExCoV方法估計目標散射系數(shù)，然后利用共軛梯度算法估計位置誤差，通過在這兩步驟中迭代進行直到算法收斂，仿真實驗在隨機誤差條件下驗證了該算法能夠獲得高分辨的聚束SAR圖像。
　　第五章基于塊稀疏貝葉斯重構方法，主要研究了成像場景中具有連續(xù)散射特性的塊目標雷達成像技術。首先針對塊稀疏信號通過仿真驗證

9、了塊稀疏貝葉斯重構算法PCSBL具有較好的重構性能，隨后進行了基于塊稀疏貝葉斯重構方法的距離像分析，實驗證明了由PCSBL算法獲得的距離像能夠較好的反映具有塊特性的目標距離像信息。其次，基于ISAR Tomography稀疏成像模型，進行了不同塊目標結構ISAR成像，仿真實驗表明在該情形下，PCSBL算法仍具有良好的成像性能。最后，文章建立了條帶SAR稀疏成像模型，探討了基于塊稀疏貝葉斯重構方法的SAR成像性能，采用仿真數(shù)據(jù)驗證了隨著目