[发明专利]基于参数化字典的机动目标高分辨ISAR成像方法

说明书

本发明提出了一种基于参数化字典的机动目标高分辨ISAR成像方法，用于解决现有技术中存在的当目标散射点偏离预设网格时出现的重构误差较大的技术问题，实现步骤为：获取机动目标的有效回波矩阵；获取相位补偿后的回波向量；构建包括参数化傅里叶字典和参数化二次相位字典的参数化字典；构建基于参数化字典的线性回归模型；获取噪声向量、散射点幅度和散射点多普勒频率的先验概率密度函数；获取机动目标高分辨ISAR图像。本发明能够在回波缺损及低信噪比的条件下，得到机动目标重构误差较小且聚焦良好的ISAR像，可用于稀疏孔径及低信噪比环境下机动目标的特征提取与识别。

技术领域

本发明属于雷达信号处理技术领域，特别涉及一种机动目标高分辨ISAR成像方法，可用于稀疏孔径及低信噪比环境下机动目标的特征提取与识别。

背景技术

逆合成孔径雷达ISAR通过发射宽带信号获得高距离分辨率，利用雷达与目标间的相对运动获得高方位分辨率，进而获得目标的二维高分辨图像。传统逆合成孔径雷达ISAR成像算法主要基于傅里叶变换，对应分辨率较低，旁瓣较高，并且不适用于缺损回波成像。为了在低信噪比、回波缺损条件下实现逆合成孔径雷达ISAR高分辨成像，近年来提出将ISAR成像问题转化为稀疏信号重构问题。稀疏ISAR成像方法主要包括基于数值优化的稀疏ISAR成像方法和基于稀疏贝叶斯学习的ISAR成像方法。基于稀疏贝叶斯学习的重构方法通过引入稀疏先验进行概率建模，进而采用贝叶斯推断方法求解模型参数。由于该类方法充分利用了目标及环境的统计特性，因此在低信噪比等复杂环境下具有良好的高分辨成像性能。王天云，陆新飞，孙麟，陈畅，陈卫东在其发表的论文“基于贝叶斯压缩感知的ISAR自聚焦成像”(《电子与信息学报》，2015，(11)：2719-2726)中，公开了一种基于稀疏贝叶斯学习的ISAR成像方法，该方法首先对散射点分布建立伽马-高斯层级先验，进而依据最大后验MAP准则求解模型参数，最终实现逆合成孔径雷达ISAR成像。虽然该方法能够在较低信噪比条件下实现缺损回波的二维成像，但该方法近似目标在观测时间内是匀速转动的，仅考虑固定字典下的平稳目标成像，当目标具有机动特性时，其旋转角速度是非均匀的，此时目标散射点的多普勒频率在观测时间内将随时间变化，此时上述基于固定字典的方法无法得到聚焦良好的ISAR像。徐刚等人在其发表的论文“Enhanced ISAR Imaging and MotionEstimation With Parametric and Dynamic Sparse Bayesian Learning”(Computational Imaging IEEE Transactions on 3.4(2017):940-952.)中公开了一种基于参数化字典的机动目标ISAR成像方法，该方法以目标旋转角速度和旋转角加速度为参数构建字典，采用MAP和梯度下降法对散射点和字典参数进行交替更新，最终得到聚焦良好的ISAR像。上述算法解决了传统ISAR成像方法对机动目标成像时会散焦的问题，但上述方法假设散射点的位置均位于由字典划分的网格上，但在实际上目标散射点的位置是任意的，不一定刚好落在预设的网格上，此时上述方法的重构误差较大，较大的重构误差也会影响机动目标旋转参数的估计，从而影响最终成像结果。若想得到更准确的信号重构结果，需要在信号重构的过程中得到尽可能准确的字典。

发明内容

本发明的目的在于克服上述现有技术中存在的缺陷，提出一种基于参数化字典的机动目标高分辨ISAR成像方法，用于解决现有技术中存在的当目标散射点偏离预设网格时出现的重构误差较大的技术问题。

本发明的技术思路是：根据机动目标回波信号特性，以目标的旋转参数和目标散射点的多普勒频率为参数构建参数化字典，并将ISAR成像问题转化为稀疏信号表征问题，交替进行稀疏信号重构和旋转参数估计，最终得到机动目标的高分辨ISAR像，其中，采用稀疏贝叶斯学习的方法进行重构，采用牛顿法求解旋转参数，具体实现步骤为：

(1)获取机动目标的有效回波矩阵S：