[发明专利]基于稀疏贝叶斯学习的干扰环境ISAR高分辨成像方法

说明书

本发明公开了一种基于稀疏贝叶斯学习的干扰环境逆合成孔径雷达ISAR高分辨成像方法，本发明的实现步骤是：(1)录取目标有效回波；(2)对有效回波进行距离压缩并转置；(3)生成字典；(4)稀疏贝叶斯建模；(5)利用最大后验‑期望最大MAP‑EM算法求解稀疏贝叶斯模型，计算存在回波的每个距离单元的权向量；(6)重构权值矩阵；(7)转置并得到得到干扰环境下的二维高分辨逆合成孔径雷达ISAR成像结果。本发明实现了在干扰环境下聚焦良好的高分辨二维逆合成孔径雷达ISAR成像，可用于强干扰等复杂电磁环境下对空间与空中非合作目标的高分辨二维成像。

技术领域

本发明属于信息技术领域，更进一步涉及雷达信号处理技术领域中的一种基于稀疏贝叶斯学习的干扰环境逆合成孔径雷达ISAR(Inverse Synthetic Aperture Radar)高分辨成像方法。本发明可用于强干扰等复杂电磁环境下对空间与空中非合作目标的高分辨二维成像。

背景技术

由于具有全天时、全天候、高分辨率和远距离等特点，高分辨率逆合成孔径雷达ISAR在航空与航天目标观测中发挥着重要作用。目前，目标所处的电磁环境愈加复杂，而干扰种类与强度也日益增加，甚至会完全遮盖目标而无法成像。此外，当受雷达工作模式限制而无法对目标进行连续观测时，会产生方位缺损回波。因此，回波缺损、强干扰情况下的空间目标高分辨成像是提高现有雷达对空间、空中目标探测与监视能力的关键技术。

哈尔滨工业大学在其申请的发明专利文献“基于参数估计的压缩感知成像方法”(公开号：CN106772375A，申请号：201611226167.5)中公开了一种基于参数估计的压缩感知成像方法。该方法的具体步骤为：对回波数据进行距离压缩和运动补偿，运用压缩感知原理进行图像对比度检索并进行信号参数估计，依据所得估计参数进行目标高分辨成像。该方法虽然能够在回波缺损情况下实现高分辨成像，但该方法存在的不足之处是，针对L1范数的数值优化方法运算量较大，在干扰环境下无法高效地获得聚焦良好的ISAR像。

成萍，司锡才，姜义成，许荣庆在其发表的论文“基于稀疏贝叶斯学习的稀疏信号表示ISAR成像方法”(《电子学报》2008，36(3)：547-550)中提出一种基于稀疏贝叶斯学习的稀疏信号表示ISAR成像方法。该方法基于稀疏信号表示理论，将ISAR高分辨成像问题转化为稀疏信号表示问题，假设噪声服从高斯分布，利用EM算法求解模型参数，最终实现高分辨二维ISAR成像。该方法虽然能够在干扰环境下实现二维ISAR成像，但该方法存在的不足之处是，高斯模型不适用于某些干扰信号，由于建模不准确而无法充分利用环境先验信息，在强干扰环境下无法获得聚焦良好的ISAR像。

发明内容

本发明针对上述现有技术中对L1范数的数值优化方法运算量较大问题，对干扰信号建模不准确，无法充分利用环境先验信息的局限性，提出一种基于稀疏贝叶斯学习的干扰环境逆合成孔径雷达ISAR高分辨成像方法。该方法通过概率建模引入目标与环境的先验信息，进而对模型参数进行有效求解，最终实现强干扰等复杂电磁环境下的空间、空中目标高分辨逆合成孔径雷达ISAR成像。

为实现本发明的目的，本发明的技术思路是：基于稀疏信号重构理论，将ISAR高分辨成像问题转化为稀疏线性回归问题，利用高斯混合模型对未知干扰信号进行建模，进而采用最大后验-期望最大MAP-EM算法求解权值向量，实现干扰环境下的高分辨二维成像。

为实现上述目的，本发明的主要步骤如下：

(1)录取目标有效回波：