[发明专利]基于多任务贝叶斯压缩感知的逆合成孔径雷达成像方法

摘要

本发明提出了一种基于多任务贝叶斯压缩感知的逆合成孔径雷达成像方法，用于解决现有基于压缩感知的逆合成孔径雷达成像方法中存在的成像复杂度高及稳定性差的技术问题，实现步骤为雷达向稀疏目标场景发射线性调频信号，同时获得该场景的回波信号；构造回波模型；引入中间变量矩阵，构造求解模型；利用多任务贝叶斯压缩感知算法进行求解，得到中间变量矩阵，继而利用多任务贝叶斯压缩感知算法对表示中间变量矩阵与稀疏目标场景的散射系数矩阵之间关系的式子进行求解，得到稀疏目标场景的图像。本发明能实现逆合成孔径雷达对大场景的快速高分辨成像，且不需要复杂的参数设置，成像稳定性高，适用性强。

主权项

一种基于多任务贝叶斯压缩感知的逆合成孔径雷达成像方法，包括如下步骤：(1)雷达向稀疏目标场景连续地发射线性调频脉冲信号p(τ)，同时接收从该场景反射的回波脉冲，得到回波信号Sr(τ,t)；(2)构造回波模型：Sre＝AFB+E                    (1)其中Sre为回波信号矩阵，A为距离向基矩阵，B为方位向基矩阵，F为稀疏目标场景的散射系数矩阵，E为噪声矩阵；(3)引入中间变量矩阵Z，令Z＝FB，并对式子(1)进行变形，得到下式：其中，(·)T为矩阵转置；(4)将式子(2)记作下式：si＝Azi+ei,i＝1,…,n               (4)其中，si为Sre的第i列，zi为Z的第i列，ei为E的第i列，n为Sre的列数；(5)利用多任务贝叶斯压缩感知算法对式子(4)进行求解，得到中间变量矩阵Z；(6)设定检测门限，并剔除步骤(6)中得到的中间变量矩阵Z中小于检测门限的行，得到新矩阵Zselect，其中Zselect＝FselectB，Fselect为稀疏目标场景的散射系数矩阵F剔除与Zselect对应行后的矩阵；(7)对步骤(6)中的Zselect＝FselectB进行转置，得到下式：(8)将式子(5)记作下式：zi＝BTfi,i＝1,…,p                (6)其中，zi为的第i列，fi为的第i列，p为矩阵的列数；(9)利用多任务贝叶斯压缩感知算法对式子(6)进行求解，得到稀疏目标场景的散射系数矩阵再对该矩阵补全零行并取转置，得到稀疏目标场景的散射系数矩阵F。