[发明专利]一种基于全变差的扫描雷达方位向超分辨成像方法

说明书

本发明提出了一种基于全变差的扫描雷达方位向超分辨成像方法，属于雷达成像领域。本发明在实现扫描雷达前视方位超分辨成像的同时，较好地保持目标的轮廓信息。在本发明中，首先根据扫描雷达前视成像平台运动与天线扫描的关系，将回波建模为天线方向图与目标散射系数的卷积形式，为采用卷积反演实现方位超分辨成像奠定基础；然后，在正则化框架下引入全变差算子来表征目标的先验信息，将超分辨问题转化为凸优化问题；最后，采用分裂Bregman算法来求解凸优化问题，得到目标的估计值。本发明的创新性在于引入了全变差算子表征目标的先验信息，在实现方位向超分辨成像的同时能够较好地保持目标的轮廓信息。

技术领域

本发明属于雷达成像领域，特别涉及一种基于全变差的扫描雷达方位向超分辨成像方法。

背景技术

获取雷达前视区域清晰的地物信息对飞行器自主着陆、武器精确制导、汽车自动驾驶等应用具有重要的意义。然而受成像机理的限制，常用的雷达成像体制如合成孔径雷达(SAR)和多普勒波束锐化(DBS)等不能实现前视成像。单脉冲技术虽然能实现前视成像，但其不能区分同一波束内的多个目标，分辨率有限。采用实孔径扫描雷达可以实现前视成像，且实现较为简单，但受天线孔径的限制，方位向分辨率较低，无法满足高分辨成像的要求。因此，采用信号处理的方式提高扫描雷达前视成像方位向分辨率具有重要意义。

尽管一些算法被用来提高扫描雷达前视成像方位向分辨率，如维纳滤波的方法改善方位向分辨率，但该方法只有平滑效应，对分辨率提升有限；另外，还有采用截断奇异值分解(TSVD)的方法，通过截断较小奇异值来抑制噪声放大，但由于截断后信息丢失，同样地分辨率提升有限。现有技术中，还有采用贝叶斯方法添加目标的稀疏先验来提高方位向分辨率，并取得了较好的超分辨效果。然后，上述方法在提高方位向分辨率的同时，并没有考虑目标轮廓特性的保持，导致目标轮廓丢失，整体成像质量欠佳。

发明内容

本发明的目的在于解决扫描雷达前视成像方位向分辨率较低，以及传统的超分辨算法导致目标轮廓丢失的问题，提出了一种基于全变差的扫描雷达方位向超分辨成像方法，本发明在正则化框架下，引入全变差算子作为目标的先验信息约束，将超分辨问题转化为凸优化问题，然后采用分裂Bregman算法来求解该凸优化问题，得到目标的估计值。

一种基于全变差的扫描雷达方位向超分辨成像方法，包括以下步骤：

S1、发射线性调频信号，获取回波信号；

S2、对所述回波信号进行脉冲压缩和距离走动校正，并将脉冲压缩和距离走动校正后的回波信号转换为卷积形式；

S3、将超分辨问题转换为无约束凸优化问题；

S4、替换变量，将所述无约束凸优化问题转换为有约束最小化问题，增加二次罚项，将所述有约束最小化问题转换为无约束最小化问题；

S5、根据Bregman迭代方法，得到迭代公式；

S6、初始化迭代次数、变量及迭代终值；

S7、根据所述迭代公式对变量进行迭代求解；

S8、当所述迭代次数和所述迭代终值的关系满足预设终止条件时，迭代结束，输出超分辨成像结果。

进一步地，所述步骤S1包括：

机载平台的运动速度为v，高度为H，天线扫描速度为ω；初始前视角为θ₀，方位角为俯仰角为α，雷达与目标间距离为R₀；经过时间t后，根据几何关系，距离历史为

雷达发射线性调频信号，经过下变频，接收到的回波信号为