[发明专利]基于伽马过程线性回归的逆合成孔径雷达成像方法

说明书

本发明公开了一种基于伽马过程线性回归的逆合成孔径雷达成像方法，本发明的实现步骤是：(1)接收缺损回波；(2)生成实转置回波矩阵；(3)构造实傅里叶字典；(4)构建每个距离单元的信号模型；(5)对每个距离单元的权向量建立伽马过程‑高斯层级模型；(6)对噪声向量建立伽马‑高斯层级模型；(7)利用最大后验‑期望最大MAP‑EM算法计算每个距离单元的权向量；(8)生成复权值矩阵；(9)二维高分辨成像。本发明基于稀疏信号重构理论实现逆合成孔径雷达ISAR成像，可用于目标回波信噪比较低、存在缺损等复杂电磁环境下对空间与空中非合作目标的二维成像。

技术领域

本发明属于雷达技术领域，更进一步涉及雷达信号处理技术领域中的一种基于伽马过程线性回归的逆合成孔径雷达成像方法。本发明可在逆合成孔径雷达接收到的目标回波存在缺损且信噪比低的复杂电磁环境下，实现空间与空中非合作目标的二维成像。

背景技术

由于具有全天时、全天候、高分辨率和远距离等特点，逆合成孔径雷达(ISAR)在航空与航天目标观测中发挥着重要作用。当受雷达工作模式限制而无法对目标进行连续观测时，会产生方位缺损回波，此时传统基于脉冲压缩的成像方法会产生高旁瓣。此外，当逆合成孔径雷达ISAR对远距离小目标进行探测时，回波信噪比较低，从而很难得到高质量成像结果。对于逆合成孔径雷达，目标强散射点数目远小于观测样本数，因此具有稀疏性。充分利用其稀疏性，在回波缺损、低信噪比情况下实现空间目标高质量、高分辨成像是提高现有雷达对空间、空中目标探测与监视能力的关键技术。

西北工业大学在其申请的专利文献“机动目标压缩感知ISAR成像方法”(公开号：CN102841350A，申请号：201210347782.7)中公开了一种机动目标压缩感知ISAR成像方法。该方法的具体步骤为：对回波数据进行距离压缩、运动补偿及徙动校正得到复矩阵，生成高斯随机矩阵对复矩阵做降维观测；再对其每一列求解1范数凸优化方程，得到一个时刻的逆合成孔径雷达ISAR成像结果；遍历各个成像时刻，实现对机动目标各时段的逆合成孔径雷达ISAR成像。但是该方法存在的不足之处是，由于该方法基于求解1范数凸优化方程得到每一时刻的逆合成孔径雷达ISAR成像结果，稀疏表征权向量能力不足，所估计参数误差较大，在回波缺损及低信噪比情况下容易产生虚假点，无法获得聚焦良好的逆合成孔径雷达ISAR图像。

Liu H C,Jiu B,Liu H W在其发表的论文“Superresolution ISAR ImagingBased On Sparse Bayesian Learning”(IEEE Transactions on Geoscience and RemoteSensing,2014,52(8):5005-5013)中提出了一种基于稀疏贝叶斯学习(SBL)的ISAR超分辨成像方法。该方法基于稀疏信号表示理论，将逆合成孔径雷达ISAR高分辨成像问题转化为稀疏信号重构问题，对权值向量建立稀疏的高斯-伽马层级先验模型，通过最大化边界似然函数得到参数的估计，最终实现逆合成孔径雷达ISAR成像。但是，该方法仍然存在的不足之处是，由于该方法对权值向量所建模型不够准确，无法充分利用环境先验信息，在低信噪比情况下，无法获得聚焦良好的逆合成孔径雷达ISAR像。

发明内容

本发明的目的在于针对上述现有技术中稀疏表征能力不足的问题，对权值向量所建模型不够准确、低信噪比条件下误差较高等局限性，提出一种基于伽马过程线性回归的逆合成孔径雷达成像方法，以实现在目标回波缺损与低信噪比情况下的空间、空中目标逆合成孔径雷达ISAR成像。

实现本发明目的的思路是：基于稀疏信号表示理论，将逆合成孔径雷达ISAR成像问题转化为稀疏线性回归问题，对每个距离单元的权向量建立伽马过程-高斯层级模型，对噪声向量建立伽马-高斯层级模型，进而采用最大后验-期望最大MAP-EM算法求解稀疏贝叶斯模型，计算每个距离单元的权向量，最终实现低信噪比及回波缺损情况下的二维成像。

为实现上述目的，本发明的主要步骤如下：

(1)接收缺损回波：