基于稀疏贝叶斯重构方法的雷达成像技术研究

摘要

稀疏贝叶斯重构方法是当前稀疏信号处理领域的研究热点问题之一，该方法不仅考虑了信号的稀疏特性，还考虑了信号的先验统计信息，即基于贝叶斯基本定理通过赋予稀疏信号某一稀疏促进项的先验分布，从而通过贝叶斯推理的方法来求解稀疏信号参数。稀疏贝叶斯重构方法是一种参数学习方法，其在贝叶斯推断过程中，能够自动地估计信号参数，且性能受人工参数干预很小。另外，稀疏贝叶斯重构方法考虑了信号的噪声统计信息，在低信噪比条件下可获得较好的重构性能。由于当雷达成像场景中存在强散射点时，雷达目标的回波信号在高频段可看做是少数几个散射中心回波信号叠加的结果，因此雷达成像问题可转化为稀疏信号表示问题，鉴于稀疏贝叶斯重构方法优良的重构特性，本文主要研究在稀疏贝叶斯理论框架下的雷达成像新技术、新方法。具体地，本文研究内容主要包括以下几个方面：
　　第一章阐述了课题研究背景与意义，归纳了当前稀疏重构方法并深入介绍了稀疏贝叶斯重构方法研究现状，从中指出了稀疏贝叶斯重构方法的优越性。深入阐述了目前基于稀疏贝叶斯重构方法的雷达成像研究现状，并指出了进一步研究基于稀疏贝叶斯重构方法的雷达成像技术的必要性。
　　第二章重点研究了稀疏贝叶斯学习(SBL)方法在雷达成像中的应用。首先，介绍了稀疏信号表示模型及压缩感知理论，并深入分析了SBL基本理论。其次，建立了ISAR Tomography稀疏成像模型和ISAR进动目标稀疏成像模型，并基于该模型利用SBL理论进行了仿真实验，验证了SBL的有效性。随后，针对理想点属性散射中心模型，将SBL与常用的其它稀疏重构算法进行了SAR稀疏成像性能分析，通过仿真实验深入探讨分析了各算法参数的设置对成像性能的影响，从中验证了SBL的优越性。本章研究结果为稀疏贝叶斯重构方法在雷达成像中的应用奠定了理论基础并提供了依据。
　　第三章针对SBL存在时效性较差及对噪声较敏感的缺点，首先验证了在SBL模型基础上发展的方差成分扩张压缩（ExCoV）方法在ISAR Tomography稀疏成像模型下具有较优越的成像性能。其次，一方面在线性调频ISAR稀疏成像模型下，分析探讨了基于ExCoV方法的ISAR稀疏成像性能；另一方面分析了捷变频ISAR回波信号，指出了现有成像方法的不足之处，并在此基础上首次建立了捷变频ISAR稀疏成像模型，通过与现存的成像方法进行仿真验证对比，验证了基于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地面运动目标（Ground Moving Target Imaging, GMTI）与SAR微动目标（Micro-Move Target Imaging, MMTI）稀疏成像模型，并基于ExCoV方法进行了SAR动目标成像，仿真实验通过与传统方法对比验证了本文提出的成像方案能较为精确地估计动目标参数，并且在低信噪比条件下具有较好的成像性能。
　　当前基于稀疏表示方法的雷达成像模型大都假设雷达观测模型非常精确的前提下进行雷达成像，然而实际情况下由于雷达成像模型的不确定性，在雷达回波信号中存在一定的相位误差，第四章基于ExCoV方法深入研究探讨了在雷达成像中存在相位误差条件下的雷达成像性能。首先，针对由于相位误差的引入而产生的ISAR自聚焦稀疏成像技术，提出了ExCoV-MLE算法，该算法通过在目标散射系数与相位误差之间迭代计算来进行稀疏信号重构和相位误差估计，仿真实验在不同相位误差条件下与现存方法对比验证了该算法的有效性；其次，针对ISAR成像中目标旋转参数未知的情况下，基于ExCoV方法提出了联合相位误差与旋转参数估计的ISAR成像方案，并在不同的相位误差条件下，利用仿真实验验证了该方案的有效性；最后，针对聚束SAR模型，建立了存在观测位置误差条件下的SAR稀疏成像模型，并提出了联合位置误差估计的SAR成像算法，该算法先由ExCoV方法估计目标散射系数，然后利用共轭梯度算法估计位置误差，通过在这两步骤中迭代进行直到算法收敛，仿真实验在随机误差条件下验证了该算法能够获得高分辨的聚束SAR图像。
　　第五章基于块稀疏贝叶斯重构方法，主要研究了成像场景中具有连续散射特性的块目标雷达成像技术。首先针对块稀疏信号通过仿真验证了块稀疏贝叶斯重构算法PCSBL具有较好的重构性能，随后进行了基于块稀疏贝叶斯重构方法的距离像分析，实验证明了由PCSBL算法获得的距离像能够较好的反映具有块特性的目标距离像信息。其次，基于ISAR Tomography稀疏成像模型，进行了不同块目标结构ISAR成像，仿真实验表明在该情形下，PCSBL算法仍具有良好的成像性能。最后，文章建立了条带SAR稀疏成像模型，探讨了基于块稀疏贝叶斯重构方法的SAR成像性能，采用仿真数据验证了随着目标结构复杂性的增强，目标散射点的增多，PCSBL算法在此种情况下相比较于其它的块稀疏重构算法能够获得更高精度的SAR图像。
　　第六章对本文的主要工作进行了概括总结，并指出了文章研究的不足之处和下一步的研究方向。

目录

声明

第一章 绪论

1.1研究背景和意义

1.2国内外研究现状

1.3 主要研究内容及组织结构

第二章 SBL基本理论及在雷达成像中的应用

2.1 引言

2.2稀疏贝叶斯重构基本理论

2.3基于SBL方法的ISAR成像性能分析

2.4基于理想点属性散射中心模型的SAR稀疏成像性能分析

2.5本章小结

第三章 基于ExCoV的雷达成像技术研究

3.1 引言

3.2基于SBL模型的稀疏贝叶斯重构方法

3.3基于ExCoV的线性调频ISAR成像方法

3.4基于ExCoV的高分辨捷变频ISAR成像

3.5基于ExCoV的SAR动目标成像

3.6本章小结

第四章 相位误差估计与ExCoV联合的雷达成像技术研究

4.1 引言

4.2 ISAR自聚焦稀疏成像技术研究

4.3联合相位误差与旋转参数估计的ISAR成像技术

4.4观测位置误差条件下聚束SAR稀疏成像研究

4.5 本章小结

第五章 基于块稀疏贝叶斯模型的雷达成像技术研究

5.1 引言

5.2基于稀疏贝叶斯模型的块稀疏重构方法

5.3 基于块稀疏贝叶斯重构方法的距离像分析

5.4基于块稀疏贝叶斯模型的ISAR成像研究

5.5基于块稀疏贝叶斯模型的条带SAR成像研究

5.6本章小结

第六章 结论与展望

6.1 本文工作总结

6.2下一步研究展望

致谢

参考文献

作者在学期间取得的学术成果

附录A 式（2.33）与式（2.34）的推导

附录B 式（2.38）与式（2.39）的推导

附录C ESBL算法

附录D PCSBL算法超参数的推导