[发明专利]一种基于多量测向量模型的ANM稀疏高分辨ISAR成像方法

说明书

本发明涉及一种基于多量测向量模型的ANM稀疏高分辨ISAR成像方法，通过将SF ISAR距离向稀疏回波数据构建为MMV‑ANM模型；求解SDP问题得出高精度的全回波数据，在得出恢复的全数据时，通过FFT方法对每组脉冲串的距离像合成，在方位向进行相应的FFT处理即可得出最终的高分辨ISAR成像结果。相比于传统离散压缩感知算法以及基于AMV模型的ANM方法，所述方法在低采样率、低信噪比条件下均具有较好的重构性能，在运算量上具有进一步减少的空间，具有更好的性能。

技术领域

本发明涉及雷达信号技术领域，尤其涉及一种基于多量测向量模型的ANM稀疏高分辨ISAR成像方法。

背景技术

高分辨逆合成孔径雷达(Inverse Synthetic Aperture Radar，简称为ISAR)由于可以获得目标的高维信息，因此在民用和军事领域得到了广泛应用，也受到越来越多的关注。然而，随着雷达带宽的增加，雷达系统的瞬时带宽越来越高，数据量也随之增加。众所周知，频率步进(Stepped Frequency，简称为SF)波形可以通过发射多个窄带子脉冲来获得高的分辨能力，从而大大降低了信号的瞬时带宽。此外，结合压缩感知理论(CompressiveSensing，简称为CS)，可以通过发射部分子脉冲即可实现大的合成带宽，从而进一步降低了信号的数据量，对于降低系统复杂度、实现雷达系统多功能具有重要意义，因此基于SF信号的稀疏高分辨ISAR成像方法研究得到了广泛的关注。

在CS理论中，稀疏重构方法通常需要首先对目标观测场景进行网格划分，且假设散射点精确地分布在离散网格上。然而，实际中无论网格划分有多精细，上述假设通常均不满足。这一现象通常称之为基失配或网格失配，因此稀疏成像性能可能会大大降低。针对上述问题，目前已经提出多种改进算法来缓解基差失配带来的影响。然而，这些方法本质上可以视为一种基于泰勒级数展开的网格失配修正算法，通过将网格失配部分作为真实模型的一阶近似来修正网格误差，因此不能完全消除网格失配问题。

基于原子范数最小化(Atomic Norm Minimization，简称为ANM)的无网格恢复方法通过直接在连续字典上进行重构，可以避免离散压缩感知方法的网格失配问题，这一新型稀疏重构理论在逆合成孔径雷达(ISAR)成像中引起了广泛的关注。

而基于无网格划分的稀疏重构理论可以从根本上解决上述基失配问题。其中一种就是将上述问题转化为矩阵填充(MC)问题，其基本思想就是通过利用矩阵的低秩特性来恢复出丢失的数据。另一种则是基于连续压缩感知理论的无网格恢复方法，它避免了传统CS方法的网格离散化过程，直接在连续参数空间进行建模，并通过求取原子范数最小化(ANM)问题得出稀疏重构结果，克服了网格离散化带来的重构性能下降的问题。这一思想已经被用于解决稀疏信号恢复中的基不匹配问题。然而，目前基于ANM的稀疏高分辨成像方法均是基于单个测量向量(SMV)，而实际上SF ISAR在距离向具有联合稀疏信息。因此，构建基于MMV模型的ANM稀疏重构模型，则有可能通过使用联合稀疏信息来改善最终的ISAR成像质量。

综上，如何解决SF ISAR在距离向的联合稀疏信息恢复中的基不匹配，实现更好的重构性能问题。

发明内容

为此，本发明提供基于多量测向量模型的ANM稀疏高分辨ISAR成像方法，用以克服现有技术中，如何解决SF ISAR在距离向的联合稀疏信息恢复中的基不匹配，实现更好的重构性能问题。

为实现上述目的，本发明一种基于多量测向量模型的ANM稀疏高分辨ISAR成像方法，包括：

步骤S1，将SF ISAR距离向稀疏回波数据构建为MMV-ANM模型；

步骤S2，求解SDP问题得出高精度的全回波数据，在得出恢复的全数据时，通过FFT方法对每组脉冲串的距离像合成，在方位向进行相应的FFT处理即可得出最终的高分辨ISAR成像结果；

在所述步骤S1中，将第n_a个脉冲串中的第n个子脉冲表示为：