本文針對低空小型無人機在雷達探測中散射截面積小、相干積累時間短等問題,提出一種基于貝葉斯統(tǒng)計機器學習的逆合成孔徑雷達超分辨成像方法。利用無人機相對空域背景的稀疏性先驗知識引入重尾的拉普拉斯先驗概率分布,并基于觀測系統(tǒng)噪聲高斯分布假設建立貝葉斯后驗推理模型。針對先驗分布的非共軛性,引入分層貝葉斯模型。最后應用變分貝葉斯期望最大算法,解析求解目標后向散射系數(shù)后驗概率密度函數(shù),并校正目標非系統(tǒng)性平動誤差及其造成的成像散焦。與傳統(tǒng)方法相比,該方法能夠有效解決無人機目標雷達散射截面積較小帶來的成像信噪比低以及相干積累時間較短帶來的成像分辨率低等問題。仿真實驗結果證明了本文所提方法的有效性和優(yōu)越性。 

【文章來源】：雷達科學與技術. 2020年03期 北大核心

【文章頁數(shù)】：8 頁

【部分圖文】：

ISAR成像原理示意圖

貝葉斯概率模型

本節(jié)給出仿真數(shù)據(jù)處理結果以驗證所提方法的有效性。在仿真中，如圖3(a）所示，目標為微小型四旋翼，其標準尺寸為0.78m×0.78m×0.24m。仿真采用標準雷達參數(shù)，引入等信噪比雷達模型，雷達的中心頻率為9.6GHz，發(fā)射信號的總帶寬為5GHz，所以方位向分辨率每單元為0.03m。脈沖重復頻率為500Hz，相干積累時間為1.02s，目標的轉動速度為28.10°/s，總旋轉角為28.657°，所以距離分辨率每單元為0.03m。圖3(b）為它的俯視投影圖，其投影的方向與雷達觀測的方向一致。圖3 低空小型無人機的物理模型

【參考文獻】：
期刊論文
[1]基于快速SBL的雙基地ISAR成像[J]. 朱曉秀,胡文華,郭寶鋒,郭城.  雷達科學與技術. 2019(03)
[2]一種有效的無人機反制系統(tǒng)[J]. 高永.  信息通信. 2018(03)
[3]低空反無人機技術現(xiàn)狀與發(fā)展趨勢[J]. 張靜,張科,王靖宇,呂梅柏,王佩.  航空工程進展. 2018(01)
[4]論無人機黑飛對民航班機的危害[J]. 王森.  經(jīng)貿(mào)實踐. 2017(24)
[5]基于擴展目標先驗的貝葉斯壓縮感知成像[J]. 王天云,劉冰,叢波,凌曉冬.  雷達科學與技術. 2017(04)
[6]基于壓縮感知的進動目標ISAR成像方法[J]. 劉記紅,徐少坤,韓國強,魏雁飛.  雷達科學與技術. 2017(04)
[7]基于凸優(yōu)化方法的認知雷達波形設計[J]. 魏軼旻,孟華東,毛滔,王希勤.  現(xiàn)代雷達. 2012(03)
[8]瑞典Giraffe高架機動雷達的發(fā)展概況及趨勢[J]. 楊春.  現(xiàn)代防御技術. 2009(06)

博士論文
[1]雷達目標識別與超分辨成像方法研究[D]. 張銳.西安電子科技大學 2018



本文編號：2939682