[发明专利]基于贝叶斯学习的稀疏孔径ISAR自聚焦与横向定标方法

说明书

本发明属于雷达信号处理领域，具体涉及一种基于贝叶斯学习的稀疏孔径ISAR自聚焦与横向定标方法。该方法首先利用拉普拉斯分层模型对ISAR图像进行稀疏先验建模，再利用变分贝叶斯方法对ISAR图像进行稀疏重构，在ISAR图像重构过程中，利用修正牛顿迭代方法，同时估计相位误差与目标转速，以实现稀疏孔径条件下的ISAR自聚焦与横向定标。本发明取得的有益效果为：通过本发明可实现稀疏孔径条件下的ISAR自聚焦与横向定标，在低信噪比、强干扰、有效孔径不足等因素引起的雷达回波数据孔径稀疏条件下，仍可获取聚焦效果好、分辨率高、横向定标准确的ISAR图像，具有重要的工程应用价值，且可为压缩感知雷达设计提供理论支撑。

技术领域

本发明属于雷达信号处理领域，具体涉及一种基于贝叶斯学习的稀疏孔径ISAR自聚焦与横向定标方法。

背景技术

逆合成孔径雷达(ISAR)成像技术可获取运动目标的高分辨率二维图像，从而捕获目标二维尺寸、结构特征，是空间目标识别的重要技术手段，已在空间目标检测、导弹防御、航空管制、雷达天文学等领域获得广泛应用。

在雷达成像领域，成像区间内脉冲完整的信号称为全孔径信号，而如果回波信号存在随机或者成段脉冲缺失，则称之为稀疏孔径信号。在ISAR系统中，许多因素均可造成回波信号孔径稀疏：首先，由目标距离较远、目标尺寸较小、以及复杂的空间电磁环境等导致的低信噪比将导致部分回波脉冲缺失；其次，在激烈的空间攻防对抗条件下，越来越多样的干扰措施也将导致部分回波脉冲不可用；另外，随着雷达技术的不断提高，多功能雷达的广泛应用也是产生稀疏孔径信号的重要因素。为同时实现对目标的搜索、跟踪与成像，多功能雷达系统多采用“宽-窄”交替的工作模式，即交替发射窄带与宽带信号，通过窄带信号对目标进行跟踪，测量目标位置与速度，而通过宽带信号对目标进行成像，以获取目标尺寸结构信息。为降低硬件要求，这种工作模式下的雷达多间歇性发射宽带信号，从而导致回波的孔径稀疏。对于全孔径信号，传统距离-多普勒成像算法(RD成像算法)可获得理想的ISAR图像，然而对于稀疏孔径信号，RD成像算法所获得的图像将受到严重的旁瓣、杂波干扰与主瓣展宽，导致分辨率降低，难以满足工程需求。另外，稀疏孔径还严重影响ISAR自聚焦与横向定标性能，导致ISAR图像严重散焦。稀疏孔径条件下ISAR自聚焦与横向定标技术，对改善稀疏孔径条件下ISAR成像质量具有重要工程应用价值。

发明内容

本发明要解决的技术问题是在稀疏孔径条件下，ISAR自聚焦与横向定标性能下降，导致ISAR图像质量降低，难以满足工程实际需求。

本发明的思路是针对稀疏孔径条件下ISAR图像分辨率降低的问题，提出一种基于贝叶斯学习的ISAR自聚焦与横向定标方法。该方法首先利用拉普拉斯分层模型(LSM)对ISAR图像进行稀疏先验建模，再利用变分贝叶斯方法对ISAR图像进行稀疏重构，在ISAR图像重构过程中，利用修正牛顿迭代方法，同时估计相位误差与目标转速，以实现稀疏孔径条件下的ISAR自聚焦与横向定标。

本发明解决其技术问题所采取的技术方案是：一种基于贝叶斯学习的稀疏孔径ISAR自聚焦与横向定标方法，包括以下步骤：

S1对包络对齐以后的目标一维像序列进行稀疏表示建模：

在稀疏孔径条件下，传统最小熵包络对齐方法(D.Zhu,L.Wang,Y.Yu,Q.Tao,andZ.Zhu,“Robust ISAR range alignment via minimizing the entropy of the averagerange profile,”IEEE Geosci.Remote Sens.Lett.，vol.6，no.2，pp.204-208，Apr.2009)仍然有效，因此，本发明直接对已经完成包络对齐后的目标一维像序列进行建模。包络对齐后的目标一维像序列(以下简称为一维像序列)可离散表示为：