[发明专利]基于离网变分贝叶斯算法的ISAR稀疏频带成像方法

摘要

本发明公开了一种基于离网变分贝叶斯算法的ISAR稀疏频带成像方法，本发明的实现步骤是：(1)生成观测数据矩阵；(2)生成基字典矩阵及校正字典矩阵；(3)利用离网变分贝叶斯算法，计算每个方位单元的全频带回波向量；(4)二维高分辨成像。本发明基于压缩感知理论实现逆合成孔径雷达ISAR成像，克服了现有技术通过数值优化方法对字典矩阵估计误差较大及通过单个字典计算得到的全频带回波向量不准确的问题，可用于逆合成孔径雷达工作在信噪比低的复杂电磁环境下，并且获得的目标回波为稀疏频带回波时实现对空间与空中非合作目标的精确二维成像。

主权项

1.一种基于离网变分贝叶斯算法的ISAR稀疏频带成像方法，其特征在于，生成基字典矩阵及校正字典矩阵，利用离网变分贝叶斯算法计算每个方位单元的全频带回波向量；该方法的具体步骤包括如下：(1)生成观测数据矩阵：(1a)逆合成孔径雷达ISAR接收大小为N1×P的低频带回波以及大小为N2×P的高频带回波，其中N1表示低频带采样点数，N2表示高频带采样点数，P表示方位采样点数；(1b)分别对低频带回波和高频带回波作方位脉压操作，得到方位脉压后的低频带雷达回波矩阵和高频带雷达回波矩阵；(1c)将方位脉压后的低频带雷达回波矩阵和高频带雷达回波矩阵按行相连，得到大小为N×P的观测数据矩阵，其中，N表示低频带采样点和高频带采样点的总数；(2)生成基字典矩阵及校正字典矩阵：(2a)随机生成两个大小为N×M的矩阵，分别作为初始基字典矩阵和初始校正字典矩阵，其中M表示矩阵的列数；(2b)分别对初始基字典矩阵和初始校正字典进行删减，获得基字典矩阵和校正字典矩阵；(3)利用离网变分贝叶斯算法，计算每个方位单元的全频带回波向量：(3a)将高频带距离‑多普勒图像中所有有回波的行序号中的最小值，作为当前方位单元序号；(3b)利用基权向量更新公式，更新当前迭代次数的当前方位单元序号的基权向量；(3c)利用校正权向量更新公式，更新当前迭代次数的当前方位单元序号的校正权向量；(3d)判断ωiq‑ω(i‑1)q/ω(i‑1)q的所有元素中的最大值是否小于终止阈值10‑3，若是，则执行步骤(3e)，否则，将当前迭代次数加1后执行步骤(3b)；其中，ωiq表示第i次迭代时第q个方位单元的基权向量，ω(i‑1)q表示第i‑1次迭代时第q个方位单元的基矩阵；(3e)判断当前迭代次数是否大于50，若是，则执行步骤(3f)；否则，将当前迭代次数加1后执行步骤(3b)；(3f)利用基字典删减法与校正字典删减法，分别对基字典和校正字典进行第二次删减，得到第二次删减后的基字典和校正字典；(3g)利用公式计算当前方位单元的全频带回波向量，其中，和分别表示全频带回波向量的实部和虚部；(3h)判断当前方位单元序号是否等于高频带距离‑多普勒图像中所有有回波的行序号中的最大值，若是，则执行步骤(4)；否则，将当前方位单元序号加1后执行步骤(3b)；(4)二维高分辨成像：将所有方位单元的全频带回波向量按列组成全频带回波矩阵，将全频带回波矩阵在距离维作一维傅里叶变换，得到二维高分辨逆合成孔径雷达ISAR成像结果。