基于Off-Grid的CS-ISAR成像研究.pdf

1、逆合成孔徑雷達(dá)（ISAR）具有很高的成像分辨率，使其在軍用及民用領(lǐng)域得到了廣泛的應(yīng)用。但I(xiàn)SAR成像往往面臨著采樣率高、數(shù)據(jù)存儲量大以及實(shí)時(shí)處理比較困難等問題，對這些問題的探索已成為ISAR領(lǐng)域的熱門研究課題。
　　本文以ISAR目標(biāo)的稀疏特性為背景，對壓縮感知ISAR成像中Off-Grid問題以及參數(shù)估計(jì)問題進(jìn)行了深入的研究，針對發(fā)射的稀疏探頻信號提出了相應(yīng)改進(jìn)的壓縮感知ISAR成像算法。本文主要工作概述如下：
　　1、針

2、對傳統(tǒng)ISAR信號沒有完全利用壓縮感知稀疏特性進(jìn)行成像的問題，建立了發(fā)射稀疏探頻信號的ISAR成像模型，給出了稀疏探頻信號的ISAR成像流程，并通過仿真驗(yàn)證了模型的可行性。
　　2、針對傳統(tǒng)稀疏重構(gòu)算法難以解決Off-Grid模型的問題，分別提出了結(jié)合帶外排除技術(shù)和局部優(yōu)化技術(shù)的BOMP算法和BLOOMP算法。從理論上詳細(xì)推導(dǎo)并證明了這兩種算法，同時(shí)分析了這兩種算法的計(jì)算復(fù)雜度以及它們在噪聲情況下的重構(gòu)性能。仿真實(shí)驗(yàn)表明：相同仿真

3、條件下，與BOMP算法相比，BLOOMP算法在重構(gòu)成功率及重建誤差方面具有更優(yōu)越的性能。
　　3、針對實(shí)際成像條件下目標(biāo)參數(shù)未知的問題，提出聯(lián)合參數(shù)估計(jì)與ISAR成像重建方法。
　?。?）當(dāng)目標(biāo)點(diǎn)落在基矩陣的網(wǎng)格點(diǎn)上且基矩陣取決于未知的目標(biāo)旋轉(zhuǎn)率，提出基于稀疏貝葉斯學(xué)習(xí)（Sparse Bayesian Learning,SBL）的稀疏探頻ISAR成像方法。通過聯(lián)合利用SBL技術(shù)和梯度搜索算法，能夠同時(shí)獲取目標(biāo)旋轉(zhuǎn)率和高分辨率