【摘要】：含轉(zhuǎn)動(dòng)部件目標(biāo)和自旋目標(biāo)是逆合成孔徑雷達(dá)(Inverse Synthetic Aperture Radar,ISAR)在實(shí)際應(yīng)用中較為常見的兩種旋轉(zhuǎn)目標(biāo)。目標(biāo)的旋轉(zhuǎn)運(yùn)動(dòng)使得ISAR成像的難度大為增加,傳統(tǒng)的成像方法不再適用。本文分析了目標(biāo)的旋轉(zhuǎn)運(yùn)動(dòng)對(duì)ISAR成像造成的影響,并且從目標(biāo)的高分辨距離像和ISAR圖像等的結(jié)構(gòu)稀疏特性入手,去解決旋轉(zhuǎn)目標(biāo)ISAR成像過程中的一系列關(guān)鍵問題。論文的研究工作主要包括:1、研究了信號(hào)處理領(lǐng)域中廣泛存在的聯(lián)合稀疏信號(hào)和塊稀疏信號(hào)的反演方法。對(duì)于具有直線結(jié)構(gòu)的聯(lián)合稀疏信號(hào),本文采用雙曲正切混合范數(shù)作為目標(biāo)函數(shù)構(gòu)建出相應(yīng)的非凸優(yōu)化問題,然后利用優(yōu)化-最小化(Majorization-Minimization,MM)的方法轉(zhuǎn)化為便于求解的凸問題,以便反演具有聯(lián)合稀疏特性的原始信號(hào)。對(duì)于塊結(jié)構(gòu)信息(塊的大小、位置和形狀)未知的塊稀疏信號(hào),本文將待反演區(qū)域劃分為多個(gè)互相重疊的網(wǎng)格塊,然后在稀疏貝葉斯框架下學(xué)習(xí)信號(hào)的局部結(jié)構(gòu),并且將學(xué)習(xí)獲得的結(jié)構(gòu)信息用于反演,局部結(jié)構(gòu)學(xué)習(xí)和信號(hào)反演這兩個(gè)步驟交替進(jìn)行直到算法收斂。仿真結(jié)果表明,本文所提的結(jié)構(gòu)稀疏反演方法在低信噪比和低觀測數(shù)據(jù)量的條件下能較好地恢復(fù)信號(hào)的結(jié)構(gòu),同時(shí)抑制虛假點(diǎn),其性能優(yōu)于傳統(tǒng)的稀疏反演方法,這為后續(xù)的旋轉(zhuǎn)目標(biāo)結(jié)構(gòu)稀疏成像奠定了基礎(chǔ)。2、研究了含轉(zhuǎn)動(dòng)部件目標(biāo)的微多普勒效應(yīng)消除方法。對(duì)于較大轉(zhuǎn)動(dòng)半徑(即轉(zhuǎn)動(dòng)半徑大于0.5倍距離分辨率)的部件,正弦曲線形狀的微動(dòng)信號(hào)破壞了高分辨距離像的聯(lián)合稀疏結(jié)構(gòu),本文對(duì)高分辨距離像中的信號(hào)賦予伯努利-高斯的先驗(yàn)概率,并且令同一距離單元內(nèi)的信號(hào)有相同的先驗(yàn)分布參數(shù),以便通過強(qiáng)制信號(hào)的聯(lián)合稀疏來消除微動(dòng)信號(hào)。然后采用馬爾科夫鏈蒙特卡洛(Markov Chain Monte Carlo,MCMC)的方法從近似后驗(yàn)分布中抽取樣本,在迭代過程中更新反演結(jié)果。當(dāng)部件的轉(zhuǎn)動(dòng)半徑較小時(shí)(即轉(zhuǎn)動(dòng)半徑小于0.5倍距離分辨率時(shí)),微多普勒效應(yīng)會(huì)破壞時(shí)頻域信號(hào)的組稀疏(即一維信號(hào)的聯(lián)合稀疏)特性,本文提出了一種平滑l2/l信(Smoothed l2/l0,SL2L0)算法,在時(shí)頻域中通過促進(jìn)組稀疏來消除微多普勒效應(yīng),然后利用反演出的主體時(shí)頻分量獲得主體部分的回波,最后通過稀疏貝葉斯學(xué)習(xí)算法實(shí)現(xiàn)方位壓縮來獲得主體圖像。仿真結(jié)果表明,所提方法能較好地消除微多普勒效應(yīng)的影響,從而得到清晰的主體圖像。3、研究了自旋目標(biāo)距離壓縮過程中高分辨距離像距離走動(dòng)的校正方法。對(duì)于目標(biāo)自旋引起的越距離單元徙動(dòng)(Migration ThroughRangeCells,MTRC),本文將快頻率與慢時(shí)間的耦合相位項(xiàng)寫入觀測矩陣中,這樣可實(shí)現(xiàn)慢時(shí)間關(guān)于快頻率的尺度伸縮變換,從而使兩者解耦。然后基于方位壓縮后信號(hào)的組稀疏特性,采用混合l2/l1范數(shù)約束下的交替方向乘子算法求解線性方程。由于該方法采用組稀疏反演,避免了插值步驟,因此可獲得比Keystone變換方法更好的MTRC校正效果。除了快頻率與慢時(shí)間耦合所造成的MTRC,距離維稀疏反演面臨的Off-grid 問題還會(huì)使得散射點(diǎn)的能量分散到周圍的距離單元內(nèi),導(dǎo)致高分辨距離像出現(xiàn)無規(guī)律的距離走動(dòng)。為了消除Off-grid問題的影響,本文首先對(duì)觀測矩陣做關(guān)于距離變量的一階泰勒展開,得到包含網(wǎng)格偏移量的修正回波模型。其次,對(duì)高分辨距離像賦予能促進(jìn)聯(lián)合稀疏的玻爾茲曼機(jī)先驗(yàn)概率,以便維持直線結(jié)構(gòu),消除無規(guī)律的距離走動(dòng)。最后采用期望最大化的方法交替更新隱變量和模型參數(shù)。仿真結(jié)果顯示出本文方法能有效地消除高分辨距離像中的距離走動(dòng)。4、研究了自旋目標(biāo)方位壓縮過程中的自聚焦問題和方位定標(biāo)問題。本文提出了一種新穎的成像信號(hào)模型來同時(shí)描述初相誤差和高階相位。然后,在求解目標(biāo)圖像的過程中引入塊稀疏約束,利用散射點(diǎn)之間的關(guān)聯(lián)性來維持弱散射點(diǎn),以便得到更為準(zhǔn)確的成像結(jié)果�；趬K稀疏約束下反演的目標(biāo)圖像,本文通過最大化似然函數(shù)來分別估計(jì)初相誤差和高階相位,并對(duì)其加以校正。分析發(fā)現(xiàn),高階相位的大小與目標(biāo)的旋轉(zhuǎn)角速度有關(guān)。通過高階相位就可以獲得目標(biāo)旋轉(zhuǎn)角速度,從而求出方位分辨率的大小,實(shí)現(xiàn)成像結(jié)果的方位定標(biāo)。仿真結(jié)果表明,本文方法能實(shí)現(xiàn)良好的自聚焦效果,并且得到方位定標(biāo)后的目標(biāo)圖像。
【學(xué)位授予單位】：中國科學(xué)技術(shù)大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2018
【分類號(hào)】：TN957.52
【圖文】：

邐第１章緒論邐逡逑獻(xiàn)中常見的兩維信號(hào)和一維信號(hào)的塊狀結(jié)構(gòu)。其中，深色部分表示非零元逡逑素所處的區(qū)域。這些塊狀結(jié)構(gòu)的共同特點(diǎn)是非零元素聚焦在一起。圖１．６表示的逡逑是兩維信號(hào)中直線形狀的聯(lián)合稀疏（ＪｉｏｎｔＳｐａｒｓｅ）結(jié)構(gòu)［２６］，這種結(jié)構(gòu)的特點(diǎn)是其逡逑各列有相同的支撐集，也就是各列中非零元素的位置是相同的。如果將圖１．６中逡逑的兩維信號(hào)每列首尾相接排列為一個(gè)長矢量，則該矢量具有組稀疏（ＧｒｏｕｐＳｐａｒｓｅ）逡逑結(jié)構(gòu)［２＇圖１．６中的每一列對(duì)應(yīng)一個(gè)組，可以看出組稀疏信號(hào)的每一組中非零元逡逑素的位置是固定的。實(shí)際上，組稀疏可以視為聯(lián)合稀疏在矢量中的情形。逡逑＾邐２ＢＪ２ｍ邋邐？邐：邋Ｚ邋邐逡逑一

邐第１章緒論邐逡逑傳統(tǒng)稀疏反演算法（如ＢＰｔＷ，ＯＭＰｔ２＇邋ＳＢＵＷ等）只是強(qiáng)調(diào)信號(hào)中非零元逡逑素的個(gè)數(shù)，而結(jié)構(gòu)稀疏反演算法則進(jìn)一步考慮了非零元素的相對(duì)位置關(guān)系，這樣逡逑可以利用信號(hào)除稀疏性之外的結(jié)構(gòu)信息，可以降低稀疏表征的自由度［３１］，便于在逡逑較少觀測數(shù)據(jù)的條件下尋找到更為準(zhǔn)確的反演結(jié)果，同時(shí)由于利用了信號(hào)元素之逡逑間的關(guān)聯(lián)性，可以較好地恢復(fù)信號(hào)中的微弱分量。實(shí)際情形中的噪聲或者干擾一逡逑般不具有與信號(hào)類似的結(jié)構(gòu)特性，結(jié)構(gòu)稀疏反演算法的抗噪性相比于傳統(tǒng)算法也逡逑能得到較大的提升。本文考慮利用ＩＳＡＲ圖像、高分辨距離像等的結(jié)構(gòu)稀疏特性逡逑去解決旋轉(zhuǎn)目標(biāo)ＩＳＡＲ成像中的一系列關(guān)鍵問題。逡逑

【參考文獻(xiàn)】

相關(guān)期刊論文 前9條

1 劉建偉;崔立鵬;羅雄麟;;組稀疏模型及其算法綜述[J];電子學(xué)報(bào);2015年04期

2 吳宏林;王殊;;利用組稀疏特性的寬帶壓縮頻譜感知[J];信號(hào)處理;2014年03期

3 李志丹;和紅杰;尹忠科;陳帆;仁青諾布;;基于塊結(jié)構(gòu)稀疏度的自適應(yīng)圖像修復(fù)算法[J];電子學(xué)報(bào);2013年03期

4 郭景峰;李賢;;基于群稀疏的結(jié)構(gòu)化字典學(xué)習(xí)[J];中國圖象圖形學(xué)報(bào);2012年11期

5 孫洪;張智林;余磊;;從稀疏到結(jié)構(gòu)化稀疏:貝葉斯方法[J];信號(hào)處理;2012年06期

6 佟雨兵;張其善;祁云平;;基于PSNR與SSIM聯(lián)合的圖像質(zhì)量評(píng)價(jià)模型[J];中國圖象圖形學(xué)報(bào);2006年12期

7 王根原,保錚;一種基于自適應(yīng)Chirplet分解的逆合成孔徑雷達(dá)成像方法[J];電子學(xué)報(bào);1999年03期

8 保錚，王根原，羅琳;逆合成孔徑雷達(dá)的距離─瞬時(shí)多普勒成像方法[J];電子學(xué)報(bào);1998年12期

9 保錚,鄧文彪,楊軍;ISAR成像處理中的一種運(yùn)動(dòng)補(bǔ)償方法[J];電子學(xué)報(bào);1992年06期

相關(guān)博士學(xué)位論文 前3條

1 王天云;分布式雷達(dá)稀疏成像技術(shù)研究[D];中國科學(xué)技術(shù)大學(xué);2015年

2 丁麗;MIMO雷達(dá)稀疏成像的失配問題研究[D];中國科學(xué)技術(shù)大學(xué);2014年

3 楊予昊;自旋目標(biāo)運(yùn)動(dòng)成像與靜止目標(biāo)凝視成像方法及關(guān)鍵技術(shù)研究[D];中國科學(xué)技術(shù)大學(xué);2011年

本文編號(hào)：2725649