提高雷達(dá)成像質(zhì)量的若干新體制和新方法研究.pdf

1、雷達(dá)成像技術(shù)是在微波頻段獲取目標(biāo)信息的重要手段，具有工作距離遠(yuǎn)、探測(cè)視場(chǎng)寬、對(duì)環(huán)境的適應(yīng)能力強(qiáng)等光學(xué)成像系統(tǒng)無(wú)法比擬的優(yōu)勢(shì)，在戰(zhàn)場(chǎng)監(jiān)視、地形測(cè)繪、國(guó)土防御等軍民用領(lǐng)域均扮演著與日俱增的重要作用。隨著電子信息技術(shù)的飛速發(fā)展和應(yīng)用需求的不斷升級(jí)，雷達(dá)成像領(lǐng)域正經(jīng)歷著深刻的變革。傳統(tǒng)的合成孔徑雷達(dá)(Synthetic Aperture Radar, SAR)和逆合成孔徑雷達(dá)(InverseSynthetic Aperture Radar, I

2、SAR)已經(jīng)不能滿足現(xiàn)代戰(zhàn)爭(zhēng)和國(guó)民經(jīng)濟(jì)建設(shè)對(duì)雷達(dá)成像越來(lái)越嚴(yán)苛的要求，而逐步向雙/多基地組網(wǎng)成像，超寬帶大視角成像，超分辨成像等趨勢(shì)發(fā)展。多基站、多方向、多視角的數(shù)據(jù)融合處理可以顯著增強(qiáng)圖像目標(biāo)特征和提高圖像分辨率，而探索新的成像體制對(duì)于突破實(shí)孔徑成像分辨極限，實(shí)現(xiàn)運(yùn)動(dòng)平臺(tái)上的前視成像有著十分重要的意義。
　　本文旨在從雙/多基地ISAR成像，大轉(zhuǎn)角雷達(dá)成像和量子關(guān)聯(lián)雷達(dá)成像等新體制尋找突破口，結(jié)合圖像融合和稀疏優(yōu)化等領(lǐng)域的新技術(shù)

3、，研究提高雷達(dá)圖像信噪比和分辨率，以及增強(qiáng)成像結(jié)果中目標(biāo)特征信息的新方法，為研究提升雷達(dá)成像質(zhì)量提供一些新的思路。全文研究?jī)?nèi)容主要包括:
　　第一章介紹傳統(tǒng)的SAR和ISAR發(fā)展概況，給出了新的雷達(dá)成像發(fā)展動(dòng)態(tài)和趨勢(shì)，明確了本文的研究意義。
　　第二章介紹了一種在數(shù)據(jù)域完成雙基地ISAR圖像融合方法。雙基地逆合成孔徑雷達(dá)(Bistatic ISAR)的兩副天線能夠同時(shí)接收兩個(gè)視角下的目標(biāo)回波，將分別獲取的圖像進(jìn)行融合處理，可

4、以獲得質(zhì)量更高的ISAR圖像以提供更豐富的目標(biāo)信息，但由雙基地角帶來(lái)的目標(biāo)像尺寸形狀不一致等問(wèn)題將造成融合困難。針對(duì)這個(gè)問(wèn)題，首先建立了轉(zhuǎn)臺(tái)ISAR成像模型，提出一種結(jié)合參數(shù)估計(jì)的雙基地ISAR圖像融合方法，利用散射單元在前后子孔徑下的多普勒偏移估計(jì)出目標(biāo)的轉(zhuǎn)動(dòng)角速度，利用兩幅ISAR圖像的幾何變換關(guān)系估計(jì)出半雙基地角，再將不同視角下的數(shù)據(jù)映射到同一個(gè)坐標(biāo)平面中進(jìn)行融合處理，得到信噪比和對(duì)比度更好的圖像。
　　第三章以直線構(gòu)型的多

5、基地ISAR為例，介紹了分布式ISAR(Distributed ISAR)提高方位分辨率的原理，提出了數(shù)據(jù)塊相干化處理方法。首先建立了分布式ISAR成像的幾何模型，分析了該體制提高ISAR橫向分辨率的原理，針對(duì)各個(gè)雷達(dá)等效觀測(cè)角存在重疊區(qū)域的情況，提出了利用二維相關(guān)函數(shù)最大化搜索的分布式ISAR方位信號(hào)相干化處理方法，并利用仿真試驗(yàn)結(jié)果證明了方法的有效性和分布式ISAR提高方位分辨的性能;針對(duì)各個(gè)雷達(dá)等效觀測(cè)角存在間隔的另一種情況，構(gòu)建

6、了數(shù)據(jù)采樣和成像的矩陣模型，采用擬牛頓迭代的稀疏重構(gòu)算法進(jìn)行高分辨成像，克服等效方位數(shù)據(jù)缺損引入的誤差。
　　第四章研究了大轉(zhuǎn)角雷達(dá)成像(Wide Angle Radar Imaging，WARI)的子孔徑成像方法，并給出一種全孔徑圖像綜合算法。大轉(zhuǎn)角成像通過(guò)積累更寬角度回波，能夠顯著增強(qiáng)目標(biāo)分辨能力和信息提取能力，但這時(shí)小角度近似和各向同性假設(shè)均不再成立，傳統(tǒng)基于傅里葉變換的成像方法不再適用。針對(duì)這個(gè)問(wèn)題，首先建立了大轉(zhuǎn)角成像模

7、型，將全孔徑分為若干重疊的子孔徑，分別利用極坐標(biāo)格式算法(Polar Format Algorithm，PFA)成像得到若干不同視角下的子圖像，然后針對(duì)子圖像的綜合問(wèn)題，構(gòu)造了稀疏增強(qiáng)非負(fù)矩陣分解(Sparsity Enhanced Non-negativeMatrix Factorization，SENMF)問(wèn)題并給出相應(yīng)的乘性迭代算法，對(duì)旋轉(zhuǎn)配準(zhǔn)后的子圖像在NMF特征子空間進(jìn)行迭代融合，獲得目標(biāo)增強(qiáng)和信噪比更高的全孔徑綜合圖像。

8、r>　　第五章介紹了量子關(guān)聯(lián)成像理論(Quantum Imaging，or Correlated Imaging)，并將這一方法推廣到微波頻段，分析了雷達(dá)關(guān)聯(lián)成像(Radar Correlated Imaging)的信號(hào)模型與實(shí)現(xiàn)的必要條件—即產(chǎn)生可控可測(cè)的隨機(jī)漲落微波輻射場(chǎng)，然后給出一種利用相控陣生成隨機(jī)輻射場(chǎng)的方法并分析不同陣面排布對(duì)輻射場(chǎng)的影響，并結(jié)合壓縮感知稀疏求解方法突破常規(guī)實(shí)孔徑陣列雷達(dá)成像的方位向瑞利分辨率極限;然后結(jié)合寬