專利名稱：機動目標壓縮感知isar成像方法
技術(shù)領(lǐng)域：
本發(fā)明屬于雷達成像技術(shù)領(lǐng)域，具體涉及一種利用壓縮感知實現(xiàn)機動目標ISAR成像的設(shè)計方法。
背景技術(shù)：
借助雷達成像的目標檢測和識別技術(shù)具有全天時全天候的工作特性，逆合成孔徑雷達(ISAR)成像可在無線電天文學中對各種星體進行成像研究，還可用于民航機場的空中交通管制和港口的場面監(jiān)視等領(lǐng)域。然而ISAR成像結(jié)果的分辨率受到回波數(shù)據(jù)采樣率的影響，為了突破成像對采樣頻率的要求，設(shè)計出了利用壓縮感知算法成像的ISAR成像技術(shù)，使得有限數(shù)據(jù)量的ISAR回波仍能獲取較一般ISAR成像算法更高的圖像分辨率。參照圖2利用壓縮感知實現(xiàn)ISAR成像的步驟為
·
(a)獲取ISAR回波數(shù)據(jù)S，S為KXN的復矩陣，K表示距離向觀測K組數(shù)據(jù)，N表示方位向觀測N組數(shù)據(jù)；(b)對回波數(shù)據(jù)S進行距離壓縮、運動補償及徙動校正，得到數(shù)據(jù)Sd，Sd同樣為KXN的復矩陣；(C)生成高斯隨機矩陣Φ，其維數(shù)為MXN，M為降維測量的個數(shù)，且滿足0(n*lg(N/η)) < M < N，其中η為方位向強散射點個數(shù)。以Φ對Sd做降維觀測，得到MXN的矩陣Y = (I) St ；
a 5(d)對NXN的單位矩陣E做Fourier變換等到NXN的矩陣Ψ，Ψ即為表示雷達信號的Fourier稀疏基矩陣，則Sd可以通過稀疏系數(shù)O '在Ψ上表示·Χ = Ψ·Θ’;(e)按從左至右的次序?qū)的每一列yk求解I范數(shù)凸優(yōu)化方程min| | Θ k | | lS. t. yk = Φ Ψ Θ k得到0k，將0k按原次序組合成矩陣θ, Θτ即壓縮感知ISAR成像結(jié)果。但由于這種壓縮感知方法使用Fourier基表示雷達信號，使得信號的多普勒分析過程在整個時間域全局進行，損失了各散射點多普勒頻率的時間信息。當ISAR觀測為機動目標時，各散射點的多普勒頻率隨時間變化而不斷變化，從而造成多普勒分析失真和成像結(jié)果在方位向的模糊。

發(fā)明內(nèi)容
為了克服現(xiàn)有技術(shù)針對機動目標成像結(jié)果在方位向模糊的不足，本發(fā)明提供一種機動目標壓縮感知ISAR成像方法，利用時頻分析的概念，使用改進的壓縮感知稀疏基矩陣Ψ實現(xiàn)機動目標ISAR成像，提高成像質(zhì)量。本發(fā)明解決其技術(shù)問題所采用的技術(shù)方案包括以下步驟(a)獲取ISAR回波數(shù)據(jù)S，回波數(shù)據(jù)S為KXN的復矩陣，K表示距離向觀測K組數(shù)據(jù)，N表示方位向觀測N組數(shù)據(jù)；(b)對回波數(shù)據(jù)進行距離壓縮、運動補償及徙動校正，得到KXN的復矩陣Sd ；
(c)生成高斯隨機矩陣Φ，其維數(shù)為MXN，M為降維測量的個數(shù)，且滿足0(n*lg(N/η)) < M < N，其中η為方位向強散射點個數(shù)，以Φ對Sd做降維觀測，得到MXN的矩陣Υ = φ<;(d)對NXN的單位矩陣E做Fourier變換得到NXN的矩陣Ψ = {ψ1； Ψ2，…，ΨΝ}，將高斯窗函數(shù)g(t) = exp (- a t2)加到矩陣Ψ的每一列上，其中t為慢時間，α為高斯參數(shù)，當ISAR待成像時刻為\時，稀疏基矩陣改為Ψ1 = {g (t-ti) Ψ!, g (t-ti) Ψ2, ···, g (t-ti) ΨΝ}；(e)按從左至右的次序?qū)仃嘫的每一列yk求解I范數(shù)凸優(yōu)化方程min| | Θ k lS. t. yk = ΦΨ1 Θ k得到Θ ,，將Θ k按原次序組合成矩陣θ，Θτ即為ti時刻的ISAR成像結(jié)果； (f)對其它成像時刻tj，重復步驟(d)、(e)，即可實現(xiàn)對機動目標各時段的ISAR成像。本發(fā)明的有益效果本發(fā)明通過引入高斯窗函數(shù)改進Fourier基矩陣，將時頻分析的思想在ISAR回波信號表示域?qū)崿F(xiàn)，把散射點多普勒頻率的時間信息解析出來，實現(xiàn)機動目標壓縮感知ISAR成像。本發(fā)明的具體優(yōu)勢包括1)、對數(shù)據(jù)進行降維測量，降低了對成像回波采樣率的要求；2)、可以對機動目標的各成像時刻進行自由成像；3)、改善了機動目標在方位向的成像效果，提高了 ISAR成像的質(zhì)量。


圖I :本發(fā)明方法采用的仿真機動目標ISAR回波數(shù)據(jù)的9點模型示意圖；圖2 :現(xiàn)有壓縮感知ISAR成像算法的流程圖；圖3 :本發(fā)明機動目標壓縮感知ISAR成像算法的流程圖；圖4 :機動目標ISAR成像結(jié)果。
具體實施例方式下面結(jié)合附圖和實施例對本發(fā)明進一步說明。圖I為仿真機動目標ISAR回波數(shù)據(jù)的9點模型。I)參照圖3我們首先仿真機動目標ISAR回波數(shù)據(jù)S e C12°X1°°，其中距離向采樣120組數(shù)據(jù)，方位向采樣100組數(shù)據(jù)。2)對回波數(shù)據(jù)S進行距離壓縮、運動補償及徙動校正，得到數(shù)據(jù)Sd e C12°X1°°。3)產(chǎn)生高斯隨機矩陣Φ e R50xi00,將Φ對Sd進行降維觀測，即Y = Φ-Srd ,(Ye C5m20)Y中的每一列yk都是對應(yīng)距離單元內(nèi)待成像的壓縮觀測數(shù)據(jù)。4)對單位矩陣Eicicixicici做Fourier變換并單位化,得到Fourier基矩陣Ψ,在待成像時刻ti;改進后的基矩陣為Ψ1 = {exp (-(t-ti)2/2) Ψ” exp (-2/2) Ψ2,…，exp (-(I^ti)2/2) Ψ100}5)利用正交匹配追蹤(OMP)算法，按從左至右的次序?qū)中的每一列yk求解I范數(shù)凸優(yōu)化問題
min| I Θ k| |lS· tyk = ΦΨ1 Θ k得到120組Θ k，將其按原次序排列組成矩陣Θ e C1ticixi2tl,將O 7各元素求模 并顯示即得到待測時刻的目標ISAR像。6)重復步驟4)、5)即可對目標進行不同時刻的ISAR成像。參照圖4可知，本發(fā)明方法顯著改善了機動目標ISAR成像結(jié)果。
權(quán)利要求
1.一種機動目標壓縮感知ISAR成像方法，其特征在于包括下述步驟 Ca)獲取ISAR回波數(shù)據(jù)S，回波數(shù)據(jù)S為KXN的復矩陣，K表示距離向觀測K組數(shù)據(jù)，N表示方位向觀測N組數(shù)據(jù)； (b)對回波數(shù)據(jù)進行距離壓縮、運動補償及徙動校正，得到KXN的復矩陣Sd； (c)生成高斯隨機矩陣Φ，其維數(shù)為MXN，M為降維測量的個數(shù)，且滿足0(n*lg(N/η)) < M < N，其中η為方位向強散射點個數(shù)，以Φ對Sd做降維觀測，得到MXN的矩陣Y ニ (P. S:丨' (d)對NXN的單位矩陣E做Fourier變換得到NXN的矩陣Ψ= {ψ1； ψ2，···，ΨΝ}，將高斯窗函數(shù)g(t) = exp (- a t2)加到矩陣Ψ的姆一列上，其中t為慢時間，α為高斯參數(shù)，當ISAR待成像時刻為、時，稀疏基矩陣改為 Ψ1 = {g(t-ti) Ψ !, g(t-ti) Ψ2, ...，g(t-ti) ΨΝ}； (e)按從左至右的次序?qū)仃嘫的每一列yk求解I范數(shù)凸優(yōu)化方程 min| I Θ J レ· t. yk = Φ Ψ1 Θ k 得到Θ,，將9,按原次序組合成矩陣Θ，Ot即為、時刻的ISAR成像結(jié)果； (f)對其它成像時刻も，重復步驟(d)、(e)，即可實現(xiàn)對機動目標各時段的ISAR成像。
全文摘要
本發(fā)明提供了一種機動目標壓縮感知ISAR成像方法，獲取ISAR回波數(shù)據(jù)，對回波數(shù)據(jù)進行距離壓縮、運動補償及徙動校正，得到復矩陣Sd；生成高斯隨機矩陣Φ對Sd做降維觀測，得到矩陣Y；得到ISAR待成像時刻ti的稀疏基矩陣；對矩陣Y的每一列求解1范數(shù)凸優(yōu)化方程，得到ti時刻的ISAR成像結(jié)果；遍歷各個成像時刻，實現(xiàn)對機動目標各時段的ISAR成像。本發(fā)明降低了對成像回波采樣率的要求，可以對機動目標的各成像時刻進行自由成像，改善了機動目標在方位向的成像效果，提高了ISAR成像的質(zhì)量。
文檔編號G01S13/90GK102841350SQ20121034778
公開日2012年12月26日 申請日期2012年9月19日 優(yōu)先權(quán)日2012年9月19日
發(fā)明者謝紅梅, 王保平, 陳春利, 譚歆, 王志成, 孫超 申請人:西北工業(yè)大學