一种鲁棒的压缩感知窄带自旋目标成像方法
【技术领域】
[0001] 本发明涉及雷达成像技术领域，尤其是空天高速自旋目标成像方法的设计。
【背景技术】
[0002] 对空天高速自旋目标的运动参数精确估计、成像研宄，在目标识别、弹道导弹防御 系统、航天器安全等领域都有重要的应用价值。充分利用高速自旋目标具有围绕主轴以一 定角速度旋转的运动特性，目标的高分辨二维像可以仅利用横向回波就可以获得。由于自 旋目标的转速相比刚体目标快很多，雷达系统脉冲重复频率（PRF)通常较难满足理论要 求。为了降低系统PRF和提高窄带雷达成像性能，白雪茹等人提出了一种基于正交匹配 追踪的自旋目标成像算法（白雪茹等人，窄带雷达自旋目标成像方法，中国科学，40 (11)， 2010:1508-1518)，根据压缩感知理论以及自旋目标ISAR数据的稀疏性特点，建立了方位 欠采样条件下的成像模型，提高了窄带雷达对目标的识别以及成像能力。但是这种方法应 用的前提是对感知矩阵已知，即要先对成像区域进行离散的网格划分，待重建的目标散射 点都必须位于所设定的网格点上。对于真实目标而言，散射中心分布在连续的场景上，很可 能出现目标的散射中心并不位于离散网格点上。对于存在网格误差的真实目标而言，此时 仍利用前面的方法将导致成像性能急剧下降。
【发明内容】
[0003] 为了克服现有技术的不足之处，本发明提出了一种鲁棒的压缩感知窄带自旋目标 成像方法，一定程度上减少了网格误差对成像结果的影响并提高了稀疏重建精度。
[0004] 本发明解决其技术问题所采用的技术方案是：
[0005] 步骤1:对不同方位时刻下获取的回波数据，沿雷达视线方向进行傅里叶变换实 现距离压缩；
[0006] 步骤2 :在对目标进行包络对齐后，由于雷达发射的窄带信号，目标会被压缩到一 个距离单元，因而信号能量最大的距离单元即为目标所在的距离单元，并将该距离单元回 波数据记为s，其为NX1列向量；
[0007] 步骤3:使用时频谱自相关函数估计目标的旋转角速度ws:由于自旋目标多普勒 分量周期性分布的特点，对回波数据s进行时频变换，利用所得时频分布幅度的自相关函 数的局部峰值估计目标的自旋角速度ws;
[0008] 步骤4:将二维成像区域离散化，其横向x轴和纵向y轴对应的网格数分 别记为NdPNy，网格单位尺寸为Sr，并将该场景按行或列用一维列向量表示为 / …Axl，其中〇k表示第k个散射点的后向散射系数；
[0009] 步骤5:构建目标字典F和网格误差字典G、H，维度为NXNxNy，并定义辅助目标向 量I'和I"，其维度同I一致，则目标信号s写成下面形式：
[0010]s=FI+GIr +HI;/+E
[0011] 其中字典F、G和H的每一元素为：
[0012]
[0013] 其中Fni为字典F的第n行第i列元素，Gni和Hni的定义同Fni-致，'和1/ 分别为I、I'和I"的第i个元素，E为信号噪声，其维度同s-致，X为雷达波长，（Xi，yi) 为离散化场景中第i个网格位置，（AXi，Ayi)为网格误差，0n=Wstn为目标自旋的第n个 角度，tn为方位慢时间的第n个时刻，a兩a2为辅助系数，j= 代表虚数的单位，N 为目标信号s的采样数；
[0014] 步骤6 :利用改进的正交匹配追踪（OMP)算法求解步骤5中的方程，具体实施如 下：
[0015] 步骤6-1 :初始化目标向量I=I' =I" =〇,剩余信号r =s，支撑区域A= 0;
[0016] 步骤6-2 :用剩余信号r分别向字典F、G和H中的每一列作投影，计算内积，并找 到最大内积对应的向量位置
[0017]
【主权项】
1. 一种鲁棒的压缩感知窄带自旋目标成像方法，其特征在于包括下述步骤： 步骤1 :对不同方位时刻下获取的回波数据，沿雷达视线方向进行傅里叶变换实现距 呙压缩； 步骤2 :在对目标进行包络对齐后，由于雷达发射的窄带信号，目标会被压缩到一个距 离单元，因而信号能量最大的距离单元即为目标所在的距离单元，并将该距离单元回波数 据记为s，其为NX 1列向量； 步骤3 :使用时频谱自相关函数估计目标的旋转角速度ws:由于自旋目标多普勒分量 周期性分布的特点，对回波数据s进行时频变换，利用所得时频分布幅度的自相关函数的 局部峰值估计目标的自旋角速度ws; 步骤4:将二维成像区域离散化，其横向X轴和纵向y轴对应的网格数分别记为队和\， 网格单位尺寸为S r，并将该场景按行或列用一维列向量表示为
其中〇 k表示第k个散射点的后向散射系数； 步骤5 :构建目标字典F和网格误差字典G、H，维度为NXNxNy，并定义辅助目标向量" 和I"，其维度同I 一致，则目标信号s写成下面形式： s = FI+GU +HI " +E 其中字典F、G和H的每一元素为：
其中Fni为字典F的第η行第i列元素，Gni和Hni的定义同F ni-致，I ^1' JP I" i 分别为I、"和I"的第i个元素，E为信号噪声，其维度同s-致，λ为雷达波长，（Xi，yi) 为离散化场景中第i个网格位置，（Δ Χ?，Ayi)为网格误差，0"=￥。、为目标自旋的第η个 角度，tn为方位慢时间的第η个时刻，α 1和α 2为辅助系数，
代表虚数的单位，N 为目标信号s的采样数； 步骤6 :利用改进的正交匹配追踪（OMP)算法求解步骤5中的方程，具体实施如下： 步骤6-1 :初始化目标向量I = " = I " = 0,剩余信号r = s，支撑区域Λ = 0 ; 步骤6-2 :用剩余信号r分别向字典F、G和H中的每一列作投影，计算内积，并找到最 大内积对应的向量位置:
其中Fi、GJP 表矩阵中的第i列，而F/、G;和Η;为F^GJPHi的共轭转置，a廊 α2为步骤5中定义的辅助系数，δΓ为离散化场景网格大小，λ为雷达波长，并更新目标 支撑区域Λ，即
步骤6-3:分别将最大内积对应的向量^胃、记录在临时矩阵…、G'和 屮中，同时将对应向量从字典F、G和H中剔除； 步骤 6-4:记录投影系数（1，1，，I" )=argmin||F，I+G，I' +Η，I" -s||2，并 更新剩余信号为r = S-F' I-G' I' -H' I"; 步骤6-5 :重复步骤6-2~6-4,直到剩余信号r的能量低于预设门限为止； 步骤7:根据重构的1、1'和I"，可以恢复网格误差
步骤8 :利用改进OMP算法的重建结果，通过非线性最小二乘方法提高散射点重建的准 确性，即在目标支撑区域Λ中求解下面的优化问题：
其中Sn为目标信号s的第η个采样值，X λ代表目标支撑区域Λ中的横向网格位置， Λχλ为其对应位置的横向网格误差，y Λ代表目标支撑区域Λ中的纵向网格位置，Ay Λ为 其对应位置的纵向网格误差，步骤8中的优化问题可以采用现成的高斯牛顿方法、梯度方 法等进行求解，输出结果σ Λ即为最后的目标像。
【专利摘要】本发明提供了一种鲁棒的压缩感知窄带自旋目标成像方法，对回波数据沿雷达视线方向进行傅里叶变换，使用时频谱自相关函数估计目标的旋转角速度和自旋角速度，将二维成像区域离散化，利用正交匹配追踪算法求解，通过非线性最小二乘方法提得到最后的目标像。由于采用将网格误差加入优化模型中，利用正交匹配追踪算法在不增加计算复杂度的情况下进行成像模型的优化重建，并通过非线性最小二乘方法提高散射点重建的准确性，相比传统压缩感知成像方法，有效解决了因网格误差造成的成像性能下降的问题，改善了目标散射点提取的准确性和鲁棒性。
【IPC分类】G01S13-89
【公开号】CN104749572
【申请号】CN201510151375
【发明人】孙超, 方阳, 王保平, 谭歆
【申请人】西北工业大学
【公开日】2015年7月1日
【申请日】2015年4月1日