[发明专利]基于参数估计的压缩感知成像方法

说明书

技术领域

本发明属于雷达成像领域，涉及回波缺失情况下的逆合成孔径雷达成像方法。

背景技术

逆合成孔径雷达(ISAR)的经典成像算法为距离-多普(RD)成像算法。主要原理为依据回波中不同散射点在距离向上的延时不同对距离单元进行分辨，在距离压缩的基础上，再依据不同方位向上相对雷达转动时所产生的多普勒频率的不同进行方位分辨。为获得较高的距离向分辨率通常发射大带宽的信号，而方位向分辨率则主要依赖于目标旋转的积累角度。RD算法的适用条件为目标小角度匀速转动，在此条件下目标上的散射点不会产生距离单元走动，此假设通常可以满足。RD算法的优点在于成像算法较为简单，计算量小，效率高。然而对于一些复杂的特殊情况，运用RD算法所得到的成像结果却并不理想。

压缩感知理论是近年来出现的新信号处理理论，已经得到广泛的研究。本次发明将运用压缩感知原理进行目标回波缺失情况下的雷达成像。依据压缩感知理论，如果信号是系稀疏的，那么就可以利用信号的可压缩性进行降维采样，通过非线性的优化处理过程就可以从测量值中高概率的恢复原始信号。雷达目标回波可看作目标上多个强散射点的回波叠加而成，因而满足压缩感知处理稀疏信号的条件。

当目标回波缺失时，运用RD算法所得的成像结果将会产生方位向散焦的结果，因而如何解决这一问题也是雷达成像中的研究课题之一。近年来出现的压缩感知理论便可用于稀疏雷达信号的恢复，进而可以较好地解决稀疏回波情况下的成像问题。

发明内容

本发明的目的是为了解决目标回波缺失情况下，经典的RD算法对逆合成孔径雷达成像时无法获得高分辨图像的问题，而提出基于参数估计的压缩感知成像方法。

步骤一、将每个距离单元的回波信号表示为线性调频信号模型；

步骤二、根据线性调频信号模型构造压缩感知稀疏基矩阵，根据压缩感知稀疏基矩阵构造图像Θ(γ₀,α)；

步骤三、依据图像对比度的定义选取检索范围，结合压缩感知的成像方法进行参数估计，得到每个距离单元的回波信号的初始参考频率和每个距离单元的回波信号频率的倾斜度两个参数的估计值；

步骤四、根据每个距离单元的回波信号的初始参考频率和每个距离单元的回波信号频率的倾斜度两个参数的估计值，结合压缩感知的成像方法进行成像，得到回波缺失情况下目标的高分辨图像。

本发明的有益效果为：

基于参数估计的压缩感知成像算法，运用高效的恢复算法进行信号重构，以获得高分辨的目标雷达图像。

传统的距离-多普勒成像方法对于回波缺失情况下，得到的图像是散焦的，如图3；而本发明提出的方法可获得较高分辨率的目标图像。

本发明提出的算法对距离单元回波信号进行了模型重构，相比于传统的算法信号模型的精确度有所提高，如图4、5。

选取MG-25飞机数据，数据段大小为512×64，选取其中128段数据进行成像，结果如下图所示。

图3为传统的距离-多普勒成像方法得到的成像结果，由于目标的部分回波缺失，因而得到的图像散焦。

图4是本发明的方法获得的目标成像结果图；图5是本发明的方法获得的目标图像对比度检索结果图；可见，此时可清晰地看出目标形状，图像的分辨率得到了提高。

成像的质量可选择一定的指标进行定量的分析，可选用图像熵作为图像质量的评价指标。具体表达式如下：

式中，Θ为所得的图像矩阵，大小为M×N，其中图像熵越小则说明所得图像质量越好。传统RD方法所得图像熵为126.877，本发明方法所得图像熵为69.263。由此可见本发明方法得到的图像质量较好。

附图说明

图1是本发明的成像方法流程图；

图2是本发明中目标散射点模型图，y为距离；P₀(x,y)为转动目标上的点，经过时间t运动到点P(t)；ω₀为角速度；P(t)为运动到的点；d为散射点到目标转动中心的距离；R₀为散射点到转动中心的距离；Δy(t)为两点间距离；θ₀为目标转角；

图3是传统的距离-多普勒成像方法得到的示意图；

图4是本发明的方法获得的目标成像结果图；

图5是本发明的方法获得的目标图像对比度检索结果图，image contrast为图像对比度数值，chirp rate reference为α频率参数，slope ofthe linear trend为γ₀频率倾斜度参数。

具体实施方式