论文部分内容阅读
高分辨一直是合成孔径雷达（SAR）发展的一个重要方向。传统基于匹配滤波的SAR成像算法的分辨率受限于信号带宽和合成孔径长度。对目标进行分类和识别是SAR图像的最终目的,可行的方法是得到目标的特征参数进而对目标进行有效的特征提取。近年来提出的针对稀疏信号的压缩感知理论引起了国内外学者的高度重视。由于目标总的电磁散射可以由局部散射中心散射的合成来近似,诸如车辆、建筑物等人造目标电磁散射信号具有明显的稀疏特性。研究表明压缩感知理论在改善雷达成像质量,实现人造目标的高精度成像等方面有很大的潜力。此外,引入压缩感知理论处理特征提取问题是物理可行的。结合压缩感知理论对SAR成像及特征提取的研究还不够深入,还存在很多问题没有解决。本论文立足极化SAR成像雷达体制,深化研究了稀疏目标极化高分辨成像方法并对稀疏目标的精细几何结构及尺寸进行了反演。论文围绕稀疏目标极化雷达成像与特征提取这一主题,主要展开了稀疏重构基本理论、基于稀疏重构的稀疏目标成像方法、稀疏成像模型参数自适应选择、基于稀疏重构的目标极化几何结构特征提取这几个方面的深入研究。论文的主要贡献体现在以下三个方面:1.对稀疏重构理论进行了梳理总结,对1l范数最小化、贪婪、lp范数最小化和Bayesian方法进行了研究,并选取了稀疏重构中的典型算法进行仿真实验,从重构精度、超分辨能力和抗噪能力对各类方法的性能进行了对比分析。2.对稀疏目标雷达成像方法进行了梳理总结。针对已有的模型参数选择方法大多计算量过大或依赖于特定模型的问题,本文基于最大后验概率估计和贝叶斯推理,推导得到模型参数和信号,噪声方差的关系,提出了一种稀疏成像模型参数自适应选择方法。最后,基于一维仿真数据和二维实测数据,验证了所提方法的有效性。3.研究了基于稀疏重构的目标极化几何结构特征提取方法。首先对属性散射中心模型及全极化属性散射中心模型进行了介绍,之后给出了一种基于稀疏重构的属性散射模型参数估计方法及其具体实现步骤。最后基于仿真数据,分别用可以自适应确定模型参数的lp范数方法和另两种稀疏重构方法进行散射中心的参数估计,实验结果表明以自适应确定模型参数的lp范数方法的特征提取结果最精确。