论文部分内容阅读
分布式雷达成像是指利用空间展开的多发射机和多接收机(或虚拟收发阵列)对目标进行有效观测的一种成像方式。它将实孔径成像和虚拟孔径成像统一起来,进一步拓展了MIMO雷达成像的概念,能够建立雷达成像的统一描述。本文基于空间谱理论,通过分析ISARs FD-MIMO和分布式无源雷达三种典型成像系统,重点研究在实际系统受限的情况下,综合利用孔径、带宽、目标先验等信息,实现目标高分辨率的成像方法,并解决实际应用中分布式雷达稀疏成像面临的若干问题。主要的研究工作包括：1、基于空间谱理论构建了雷达成像的统一描述,得出广义孔径成像的概念,并探讨了孔径、带宽与成像分辨率之间的关系；接着分析了三种典型分布式雷达系统的成像性能；另外考虑到实际系统的限制,研究了压缩感知(CS)在分布式雷达稀疏成像中的应用方式以及存在的若干问题。2、研究了分布式雷达稀疏成像优化算法。针对传统稀疏重构方法在实际硬件实现时存在复杂度较高问题,提出了基于非凸函数约束的Homotopy DCD高分辨成像方法,具有求解精度高、易于硬件实现等优势。针对传统稀疏重构算法在低SNR情形下稳健性较差问题,对单测量矢量(SMV)成像提出了基于贝叶斯压缩感知的高分辨成像算法(VB-BCS);对多测量矢量(MMV)成像提出了基于Laplace先验的稀疏贝叶斯学习高分辨成像算法(Laplace-SBL)。仿真验证了所提方法的的优势及成像性能的提升。3、研究了连续成像目标空间进行离散化处理时存在的网格失配现象,即Off-grid问题,并提出3种解决办法,用来克服传统CS方法处理连续信号时存在的固有计算缺陷,分别是：①基于自适应网格的反演技术；②基于Analog CS理论的MUSIC和改进Matrix Pencil成像方法：③2种Off-grid CS成像方法,即基于贝叶斯压缩感知稀疏自校正成像(SAC-BCS)改进OMP的稀疏自校正成像方法(OG-OMP)。仿真表明所提方法对网格划分不敏感,并展示出稳健的目标信息提取能力。4、考虑实际情形,分布式雷达回波数据中不可避免存在着相位误差(通常由系统误差引起),这会使得成像模型中的观测矩阵不能精确已知,导致传统稀疏成像方法性能降低。对此,本文提出了2种稀疏自聚焦成像技术——基于优化迭代技术的自适应相位误差校正成像(APEC-IOT)和基于贝叶斯学习技术的自适应相位误差校正成像(APEC-BCS),可以较好地实现SMV和MMV自聚焦成像。仿真表明所提方法能够取得较好的聚焦效果。5、研究了分布式雷达扩展目标稀疏成像方法。对扩展目标成像时,成像场景中的散射点通常较多并且呈区域性分布,使得目标空间域的稀疏性大大减弱,造成传统CS成像方法性能受限。本文在目标稀疏先验的基础上,进一步结合扩展目标图像的结构信息,提出了结合TV正则化约束的扩展目标稀疏成像方法(NCR-TV)口基于扩展目标先验分布的贝叶斯压缩感知成像方法(ET-BCS),并通过仿真验证所提方法的有效性。