[发明专利]基于变分贝叶斯学习的多基ISAR融合成像方法

说明书

本发明公开了一种基于变分贝叶斯学习算法的多基ISAR融合成像方法，主要解决现有低信噪比条件下多基ISAR图像融合和目标转动参数及雷达观测视角差估计复杂的问题。其方案包括：1)接收两部雷达回波并进行距离向脉冲压缩；2)将距离向脉冲压缩后的回波进行矢量化操作并拼接得到观测向量；3)构建两部雷达的字典矩阵；4)根据观测向量和两部雷达的字典矩阵构建融合成像模型；5)估计目标转动角度和第二部雷达观测视角；6)求解融合成像模型中的融合后的散射系数向量，得到融合成像结果。本发明估计简单，能够获得目标转动参数及雷达观测视角差的最优估计，并且在低信噪比下实现目标的高分辨融合成像，可用于目标形状特征提取和识别。

技术领域

本发明属于雷达技术领域，更进一步涉及多基ISAR高分辨融合成像方法，可用于目标形状特征提取与识别。

背景技术

随着逆合成孔径雷达ISAR的飞速发展，尽管现有的成像雷达能够提供较高的分辨率，但是在对太空碎片、小卫星、航天器等航天目标进行观测时，需要得到更高分辨率的二维雷达图像以对其特征进行准确地描述。现有研究表明：大范围多视角观测的目标高分辨图像可有效提高目标识别的可靠性，同时融合不同视角下目标观测数据可提高成像结果的分辨率，为高性能目标识别奠定基础。通常来说，获取转台目标大范围多视角观测有两种方式，第一种是单部雷达接收机通过长时间观测获得较大的视角观测，另一种是通过配置位于不同位置的多部雷达接收机在较短的时间内获得较大的视角观测。作为一种基本目标模型，转台目标模型对于实际非合作运动目标，如飞机，舰船等建模通常是建立在短时间间隔基础上的。因为长的观测时间内，目标的运动特性可能发生明显变化，从而使得平动补偿过程变得困难。因此，在实际应用中，成像系统大都采用以增加硬件为代价的第二种观测方法，即空间分置的多接收机成像系统。因此，研究多基ISAR高分辨融合成像具有重要的意义。

Zhixi Li,Scott Papson在其发表的论文“Data-Level Fusion of MultilookInverse Synthetic Aperture Radar Images”(IEEE Transactions on Geoscience andRemote Sensing,2008,46(5):1394-1406)中提出了一种基于矩阵傅里叶变换的双视角ISAR融合成像方法。该方法的实现步骤为：构建双视角ISAR观测几何模型和回波信号模型；确定双视角ISAR数据融合规则；利用矩阵傅里叶变换求解融合图像。但该方法由于仅考虑理想转台模型不同视角下的ISAR融合成像问题，忽略了对于目标转动参数和不同ISAR观测视角差的估计，不适用于非合作运动目标的成像。

清华大学在其申请的发明专利公开号：101685154A，申请号：200810223234.7中公开了“一种双/多基地逆合成孔径雷达ISAR图像融合方法”，该方法的具体步骤为：对各个基地雷达接收到的目标信号等分，获得两幅等分辨率的距离-多普勒图像；对所有多普勒图像进行散射点提取并关联，进行不同雷达之间的视角差、目标转速以及等效旋转中心的估计；利用卷积-逆投影方法得到目标融合成像结果。但该方法需要提取散射点的位置，在存在噪声等条件不利的情况下，影响最终成像结果。

发明内容

本发明的目的在于提出一种基于变分贝叶斯学习算法的多基ISAR高分辨融合成像方法，以实现在低信噪比、目标转动参数和不同雷达观测视角差未知情况下对目标的精确成像，最终获得聚焦良好的二维ISAR图像。

本发明的基本思路是：基于压缩感知理论，将多基ISAR高分辨融合成像问题转化为稀疏信号表述问题，将未知参数估计问题与融合成像问题联合进行求解，在得到未知参数最优估计值的同时，得到融合后的高分辨二维ISAR图像。其实现方案包括如下：

(1)通过逆合成孔径雷达ISAR录取第一部雷达的回波信号S₁和第二部雷达的回波信号S₂，S₁和S₂的维数均为N_r×N_a，其中N_r为距离向采样点数，N_a为方位向采样点数；