一种利用稀疏统计特性的机载雷达前视超分辨成像方法

摘要

本发明属于机载雷达前视超分辨成像技术领域，公开了一种利用稀疏统计特性的机载雷达前视超分辨成像方法。该利用稀疏统计特性的机载雷达前视超分辨成像方法包括以下步骤：得出距离徙动校正后数据s天线方向图矩阵H；机载雷达有M个距离单元；在距离徙动校正后数据s中，与第i距离单元对应的数据为s_i，i取1至M；则将s_i转化为如下形式：s_i=H·σ_i+n，其中，σ_i表示与待求的第i距离单元对应的前视场景目标散射系数，n为设定的噪声；依据贝叶斯准则和目标场景的空域稀疏特性，并根据共轭梯度法得出σ₁至σ_M，完成机载雷达在前视场景下的超分辨成像过程。

主权项

一种利用稀疏统计特性的机载雷达前视超分辨成像方法，其特征在于，包括以下步骤：S1：机载雷达接收原始回波信号，对原始回波信号依次进行距离向脉冲压缩和距离徙动校正，得到距离徙动校正后数据s；根据实测的天线方向图构建天线方向图向量，通过对天线方向图向量进行循环移位，得到天线方向图矩阵H：H＝[h_‑Na/2，h_‑Na/2+1...，h₀，...，h_Na/2]其中，h₀为天线方向图向量，h_k表示对h₀进行循环移位，k取‑Na/2至Na/2且k≠0，Na为机载雷达方位向的锐化比；k的正负用于表示h₀的两个相反的移位方向；S2：机载雷达有M个距离单元；在距离徙动校正后数据s中，与第i距离单元对应的数据为s_i，i取1至M；则将s_i转化为如下形式：s_i＝H·σ_i+n其中，σ_i表示与待求的第i距离单元对应的前视场景目标散射系数，n为设定的噪声；S3：依据贝叶斯准则和目标场景的空域稀疏特性，将σ_i的求解问题转化为以下优化模型：${\sigma }_i=\underset{{\sigma }_i}{\mathrm{argmax}}[PDF\left(s_i\right|{\sigma }_i,{ϵ}^2)·PDF\left({\sigma }_i\right|\gamma )]$$PDF\left(s_i\right|{\sigma }_i,{ϵ}^2)={\left(2{\mathrm{\pi ϵ}}^2\right)}^{(-N/2)}\exp (-\frac{1}{2{ϵ}^2}||s_i-{\mathrm{H\sigma }}_i|{|}_2^2)$$PDF\left({\sigma }_i\right|\gamma )=\underset{j=1}{\overset{N}{\Pi }}\left(\frac{\gamma }{2}\right)\exp (-\gamma |\left|{\sigma }_i\right(j\left)\right|{|}_1)={\left(\frac{\gamma }{2}\right)}^N\exp (-\gamma |\left|{\sigma }_i\right|{|}_1)$其中，γ为拉普拉斯系数，ε²为设定的噪声的方差，σ_i(j)表示第i距离单元第j个散射点的散射系数，N为散射点的个数；||·||₁表示求L1范数，||·||₂表示求L2范数；PDF(s_i|σ_i，ε²)表示回波信号的似然函数，PDF(σ_i|γ)描述前视场景下目标散射系数的稀疏统计特性；S4：利用共轭梯度法对步骤S3中的优化模型进行求解，得出σ_i；根据求解得出的σ₁至σ_M，完成机载雷达在前视场景下的超分辨成像过程。