[发明专利]一种稀疏孔径雷达图像二维联合重构方法

说明书

一种稀疏孔径雷达图像二维联合重构方法，包括：步骤S1:构建ISAR成像模型，ISAR成像模型适于获取目标回波、基于目标回波获取M×N的慢时间维距离像序列矩阵S，ISAR成像模型还适于对所述慢时间维距离像序列矩阵S进行傅里叶变换以获取目标的初始二维ISAR图像矩阵S_2D；步骤S2:构建单极化随机稀疏孔径模型，随机稀疏孔径模型适于对所述初始二维ISAR图像矩阵S_2D进行稀疏选取，以得到Q×N的稀疏孔径测量信号矩阵S_f，步骤S3:采用2D‑OMP方法依据稀疏孔径测量信号矩阵S_f进行稀疏重构，以输出ISAR重构图像矩阵。所述稀疏孔径雷达图像二维联合重构方法能够降低图像重构复杂度且减少图像重构的时间。

技术领域

本发明属于雷达信号处理领域，尤其涉及一种稀疏孔径雷达图像二维联合重构方法。

背景技术

ISAR(逆合成孔径雷达)成像作为研究目标特性的重要手段之一，对于识别目标长度、尺寸、形状、散射特性等参数具有重要意义。在传统的ISAR成像中，数据量比较大，在信号产生设备、信号处理设备与数据存储等方面对雷达系统带来极大的负担。

在2006年，Donoho,Candes,Romberg和Tao等人提出的压缩感知理论，充分利用信号稀疏性或可压缩性来进行信号的获取与重构,突破了奈奎斯特采样定理的限制，可以大大减少信息的存储量。在2007年，莱斯大学的R.Baraniuk等人首次将压缩感知引入高分辨雷达，相应的基础研究由此展开。压缩感知重构算法属于凸优化问题，而应用最广泛的便是以正交匹配追踪算法(OMP)为代表的贪婪算法。但是这种方法在由二维向一维转化过程中引入了Kronecker积，导致计算复杂度过大，实际中接收的雷达回波可能存在数据丢失的情况，且图像重构时间较长。

发明内容

本发明所要解决的技术问题在于克服现有技术中图像重构复杂度高且时间较长的问题，从而提供一种稀疏孔径雷达图像二维联合重构方法。

为解决上述技术问题，本发明提供一种稀疏孔径雷达图像二维联合重构方法，包括：步骤S1：构建ISAR成像模型，所述ISAR成像模型适于获取目标回波、基于目标回波获取M×N的慢时间维距离像序列矩阵S，所述ISAR成像模型还适于对所述慢时间维距离像序列矩阵S进行傅里叶变换以获取目标的初始二维ISAR图像矩阵S_2D；其中，S＝ψS_2D，ψ为M×M的逆傅里叶变换矩阵，S＝[s₀，s₁，...，s_M-1]^T，s_m为1×N的距离像序列，0≤m＜M；步骤S2：构建单极化随机稀疏孔径模型，所述随机稀疏孔径模型适于对所述初始二维ISAR图像矩阵S_2D进行稀疏选取，以得到Q×N的稀疏孔径测量信号矩阵S_f，S_f＝PS＝PψS_2D＝ΦS_2D，Φ＝Pψ为感知矩阵，P为抽取矩阵；步骤S3：采用2D-OMP方法依据稀疏孔径测量信号矩阵S_f进行稀疏重构，以输出ISAR重构图像矩阵。

可选的，基于目标回波获取M×N的慢时间维距离像序列矩阵S的步骤包括：对目标回波依次进行Dechirp处理以及逆傅里叶变换后得到对应t_m时刻的目标回波的一维距离像序列；若干个不同时刻的一维距离像序列组合起来构成目标的慢时间-距离像矩阵；对所述慢时间-距离像矩阵进行包络对齐与相位校正，将处理后的慢时间-距离像矩阵记为M×N的矩阵S，得到了M×N的慢时间维距离像序列矩阵S。