论文部分内容阅读
线性阵列合成孔径雷达（LASAR）具备三维高分辨率成像能力,在多种领域具有巨大的应用前景。传统算法大多基于匹配滤波理论实现三维成像,存在回波信号数据量过高、成像分辨率不足的问题。为此,本文利用压缩感知（CS）算法开展了三维稀疏成像研究。与传统算法相比,CS算法利用部分回波信号获得了更高的成像分辨率,但仍需利用成像空间中全部散射单元构造测量矩阵并估计散射系数,使得测量矩阵维度较高、运算效率较低。另外,大多数CS算法认为目标与散射单元全部精确重合,即基于在网格（On-Grid）策略实现稀疏成像。然而在实际空间中必然存在目标与散射单元具有位置误差,导致成像质量下降。此外,在布设LASAR系统中均匀线性阵列（ULA）时,阵元间距需满足Nyquist采样定理,即需小于一半波长以避免栅瓣串扰,使得阵元总数过多且易出现阵元互耦合,导致工程实现困难。因此,本文在以下方面开展了研究,主要工作和创新点为:1.针对全成像空间高维测量矩阵运算导致运算效率较低的问题,提出了基于自适应阈值的快速压缩感知（FCSAT）算法。基于回波信号距离向稀疏性,该算法利用模糊C均值聚类（FCM）算法分为多个子类回波信号并生成提取阈值,将幅值高于阈值的回波信号对应成像空间视为目标区域,对目标区域进行三维稀疏成像。之后,为避免FCM算法中预设分类数,利用大津法基于最大类间方差准则实现目标区域提取。仿真及实测数据证明,与全成像空间三维稀疏成像相比,FCSAT算法具有更高的成像质量和运算效率,其运算效率可提升10倍以上。然后,提出了基于分辨率逼近的快速稀疏重构（FSRARA）算法。该算法首先通过稀疏成像快速获得各等距离成像空间低分辨率图像,通过图像分割粗略提取目标区域。对目标区域低分辨率图像进行线性插值以获得其高分辨率图像,通过二次图像分割获得更准确的目标区域,根据目标区域位置信息建立其散射系数、测量矩阵。基于目标区域散射系数先验分布、稀疏成像模型和贝叶斯信息准则,建立散射系数代价函数,并计算最小代价函数以实现散射系数最优估计。仿真及实测数据证明,FSRARA算法弥补了FCSAT算法仅利用距离向稀疏性的不足,实现了三维高效率高精度稀疏成像。其成像质量和运算效率均优于正交匹配追踪OMP、快速迭代收缩阈值FISTA和迭代最小稀疏贝叶斯重构SBRIM等算法。尤其与成像质量最高的SBRIM算法相比,其运算效率可提升250倍以上。2.针对虚假目标导致FSRARA算法性能下降甚至重构失败的问题,提出了基于相关向量机的快速贝叶斯压缩感知（FBCS-RVM）算法。该算法赋予成像空间中各散射单元独立超参数,结合散射系数先验分布、贝叶斯准则、矩阵分解获得其边缘似然函数,通过迭代优化估计实现目标区域提取。在迭代估计中,根据是否具有最大边缘似然函数分为目标、背景散射单元,并计算边缘似然函数极大值以更新超参数、估计误差以及目标区域,直到达到预设精度时迭代终止。根据目标区域位置信息,建立其测量矩阵、散射系数及代价函数,基于最小代价函数准则通过迭代优化估计实现散射系数最优估计。然而当回波信号信噪比较低、成像空间稀疏度较强时,易出现虚假目标使得迭代估计中出现奇异矩阵导致散射系数重构失败。为此,利用截断奇异值分解算法代替奇异矩阵求逆,实现了散射系数的高精度估计。仿真及实测数据表明:FBCS-RVM算法避免了虚假目标导致重构失败,实现了三维高效率高精度稀疏成像。其成像质量和运算效率优于OMP和SBRIM等算法,尤其与SBRIM算法相比,其运算效率可提升200倍以上。3.针对位置误差导致成像质量下降的问题,基于离网格（Off-Grid）策略,提出了基于自适应网格的稀疏重构（SRAG）算法。该算法首先进行On-Grid稀疏成像获得初步成像结果,通过图像分割提取目标散射单元,设定相邻散射单元散射系数非零的目标散射单元具有位置误差,定义为散焦散射单元。根据散焦散射单元之间距离是否小于散射单元间距设定不同搜索区域,利用搜索区域中具有最小散射系数估计残差的散射单元更新散焦散射单元位置、优化测量矩阵并更新散射系数。逐步更新散焦散射单元并缩小搜索区域,直到散焦散射单元总数固定时迭代终止。仿真及实测结果表明,与OMP和SBRIM算法相比,SRAG算法有效地降低了位置误差,提升了目标位置、散射系数估计精度和成像质量。4.针对ULA中阵元总数过多且易出现阵元互耦合的问题,提出了基于联合稀疏重构（JSR）的互质相邻阵列CAA-SAR三维稀疏成像算法。首先建立了CAA-SAR三维稀疏成像模型,成功降低了阵元总数而且抑制了阵元互耦合,但其成像结果易出现虚假目标。针对该问题,提出了一种联合稀疏重构JSR算法。该算法将CAA分解为具有不同阵元间距的两个均匀稀疏子阵列,并通过稀疏成像获得CAA及其子阵列成像结果。通过图像分割提取CAA及其子阵列目标区域成像结果,利用离散小波变换实现三种目标区域成像结果图像融合,以消除虚假目标并获得更准确的成像结果。仿真及实测数据证明,与ULA-SAR三维稀疏成像相比,该算法利用更少的阵元获得了更高的成像质量和运算效率,其阵元总数可达到ULA的12.5%以下。与CAA-SAR三维稀疏成像相比,该算法有效地消除了虚假目标,获得了更高的成像质量和运算效率。