论文部分内容阅读
逆合成孔径雷达（ISAR）在军事和民用领域的用途越来越大,我们想要得到高分辨率的,背景噪声少的ISAR图像,这对于后续的目标识别和分类工作提供了方便。通常可以发射宽带信号来获得高距离向分辨率。通过提高目标与雷达的相干积累时间（CPI）来提高方位向分辨率。但是,由于雷达对目标的观测时间很短,ISAR目标的强机动性和非合作性,很难长时间的对目标进行跟踪,为了能够实时对ISAR进行成像,那么在短相干时间内（CPI）实现目标的高分辨成像具有重要的现实意义。本文中提出了基于综合稀疏模型和解析稀疏模型的ISAR高分辨成像方法,能够实现短CPI观测时间内实现高分辨ISAR成像,同时提出的算法对于噪声具有很强的鲁棒性,能够实现背景中噪声极少,这对于后期的目标识别工作具有重要促进作用。我们在压缩感知理论的基础上提出了基于误差反向传播的压缩感知ISAR成像算法。把将回波域数据转换到图像域的成像过程看成编码过程,把数据转换到图像域的矩阵看做编码矩阵;然后通过解码矩阵将图像域数据转换到数据域;通过误差反向传播算法不停地更新编码矩阵和解码矩阵使得回波数据之间的误差最小。然后把最后优化得到解码矩阵当作字典,利用压缩感知中的l0范数方法重构最终的ISAR图像。我们将最近几年才发展起来的cospase解析稀疏模型引入ISAR成像的过程中,解析稀疏模型是综合稀疏模型的对偶模型。由于部分傅里叶矩阵可以直接将回波数据映射到多普勒域,这和解析稀疏模型不谋而合。首先通过解析字典的学习过程来去除回波数据中由于相位补偿不彻底产生相位误差;然后采用增强的拉格朗日算法对回波数据中的噪声进行去噪;此时其实都可以直接将解析字典和去噪后的信号相乘得到ISAR图像;不过为了让最终得到的ISAR图像中背景的噪声基本为零,让能量都集中于目标的强散射点,利用修改的OMP算法重构ISAR图像;最后加入了一个多层的思想,逐渐提高ISAR图像的分辨率,这样可以让最终的ISAR图像聚焦效果好,分辨率高,且背景几乎没有噪声。