基于毫米波雷达的前视成像算法研究

摘要

前视成像雷达能够对运动平台正前方场景进行距离-方位二维成像，在自主着陆、精确制导等领域具有重大应用价值，成为了国际研究热点。距离向高分辨成像可以通过发射宽带线性调频信号，使用脉冲压缩技术获得。在方位向上，由于平台运动方向与成像场景的方位向几乎垂直，前视雷达无法积累大的多普勒带宽，因此难以合成孔径实现方位向高分辨成像。此外，由于运动平台空间尺寸受限，传统厘米波、分米波雷达难以形成窄波束，仅通过波束锐化技术还无法满足现代雷达对方位向高分辨的需求。毫米波雷达由于其波长小，可以在较小的尺寸空间下形成窄波束，在此基础上对其方位向进行超分辨成像，将成为前视成像雷达提高方位向分辨率的一个重要手段。 本文围绕着毫米波雷达前视成像技术展开研究，开展了基于单脉冲测角、正则化反卷积以及贝叶斯的反卷积的前视成像算法理论研究，并通过算法仿真验证了各成像算法的可行性。主要工作内容以及创新如下： 1、根据雷达与目标之间的几何关系，建立了毫米波前视成像雷达的回波信号模型，在此基础上，通过对距离向和方位向回波特性的分析，结合前视成像雷达的工作原理，提出了毫米波前视成像雷达的成像基本流程和方法。 2、在单脉冲测角的基础上，通过计算和理论推导，建立了单脉冲测角成像模型，并给出了基于单脉冲测角的毫米波前视成像方法。经过点目标与场景目标成像仿真，验证了该算法对目标角度精确测量成像的有效性。 3、建立了毫米波前视成像雷达方位向回波反卷积模型。对稀疏目标成像，提出了L1-TSVD正则化成像算法。该算法相较于L1正则化成像算法，具有对噪声抑制能力强，鲁棒性更好的优点。对场景成像使用L2正则化方法，该算法能有效抑制噪声对成像造成的影响。 4、在贝叶斯框架下实现了前视雷达成像，把SBL(稀疏贝叶斯学习)引入到前视成像雷达中。并且提出了SBL-TSVD算法对稀疏场景成像。该方法克服了SBL(稀疏贝叶斯学习)在学习过程中，均值受噪声影响较大的缺陷；该方法相较于L1正则化成像算法，能够充分利用回波数据，从中自动推导超参数，成像效果更好。

目录

声明

第一章绪论

1.1研究背景及意义

1.2国内外研究现状

1.2.1波束锐化

1.2.2单脉冲测角成像技术

1.2.3反卷积成像算法

1.3研究内容及结构安排

第二章前视雷达成像算法基本理论

2.1前视成像雷达基本概念

2.2运动平台前视成像几何模型

2.3回波模型的建立

2.4前视成像雷达距离向成像

2.4.1距离向脉冲压缩

2.4.2扫描波束驻留时间

2.4.3距离走动校正

2.5方位向回波特性分析

2.6反卷积病态性

2.7仿真验证

2.8本章小结

第三章基于单脉冲测角的成像算法

3.1单脉冲测角基本原理

3.1.1相位法测角

3.1.2振幅法测角

3.2波束内多目标分辨

3.3噪声对单脉冲测角的影响

3.4单脉冲测角前视成像算法

3.5仿真验证

3.5.1点目标仿真

3.5.2场景成像仿真

3.6本章小结

第四章基于正则化反卷积的成像算法

4.1方位向卷积模型的建立

4.2基于正则化的成像方法

4.2.1正则化基本理论

4.2.2正则化的必要性

4.2.3截断奇异值分解算法

4.2.4基于L1-TSVD正则化对稀疏场景成像

4.2.5场景成像

4.2.6正则化参数选择

4.3仿真验证

4.3.1稀疏点目标成像

4.3.2场景成像

4.4本章小结

第五章基于稀疏贝叶斯的成像算法

5.1贝叶斯基本理论

5.2贝叶斯成像原理

5.3基于SBL-TSVD算法成像

5.4仿真验证

5.5本章小结

第六章总结与展望

6.1全文总结

6.2工作展望

致谢

参考文献

攻读硕士学位期间的研究成果