[发明专利]基于稀疏贝叶斯学习的电磁涡旋高分辨成像方法

说明书

本发明公开了一种基于稀疏贝叶斯学习的电磁涡旋高分辨成像方法，包括以下步骤：S1：根据雷达的N个天线与目标之间的相对位置关系，建立成像观测坐标系，并利用成像观测坐标系确定成像平面；其中，在成像观测坐标系中N个天线均匀分布于半径为a的圆周上；S2：对成像平面进行网格化处理；S3：根据N个天线发射的涡旋电磁波辐射特性和网格化处理后的成像平面，构建测量矩阵，并根据测量矩阵建立电磁涡旋成像稀疏表示模型；S4：基于稀疏贝叶斯学习对S3中的电磁涡旋成像稀疏表示模型进行求解，并根据求解结果完成目标的高分辨成像过程。本发明通过基于低阶的高分辨方法实现了高分辨成像，同时低阶的系统复杂度比高阶的低，从而有效降低了电磁涡旋成像雷达系统的复杂度。

技术领域

本发明涉及雷达目标高分辨成像领域，特别涉及一种基于稀疏贝叶斯学习的电磁涡旋高分辨成像方法。

背景技术

高分辨成像雷达通常工作于高频区，在这一条件下，雷达目标的后向散射往往可以建模为少数局部强散射源回波的叠加合成。基于上述特性，高分辨雷达回波和图像均可看作稀疏信号，从而为雷达高分辨成像在稀疏恢复这一理论框架下实现提供了可能。已有理论研究和实验表明，在雷达成像领域中使用稀疏信号恢复理论与方法，将雷达成像模型转化为稀疏表示模型，并采用稀疏恢复方法对目标参数进行准确求解，可以显著提高目标重构图像的分辨率。

目前当对传统电磁波加载轨道角动量调制时将形成涡旋电磁波，其相位波前呈现出螺旋形的结构，可在其上调制所需的信息，提高电磁波的信息传递和信息获取能力。在涡旋电磁波照射下，探测区域内信号具有显著的空间起伏特性，波束内相同距离不同目标处将形成具有差异性分布的电磁激励，有望使目标散射回波中蕴含更多的目标信息，从而可以进行信息的解耦与超分辨处理，这一特性也使基于涡旋电磁波的雷达成像技术具有良好的抗噪、抗干扰性能，在微波凝视高分辨成像、目标识别等领域有着广阔的应用前景。

但目前由于低阶拓扑荷数条件下的电磁涡旋高分辨成像难，已有方法为实现高分辨成像需利用高阶拓扑荷数，从而导致电磁涡旋成像雷达系统的复杂度高。

发明内容

本发明提供了一种基于稀疏贝叶斯学习的电磁涡旋高分辨成像方法，其目的是为了解决电磁涡旋成像雷达系统的复杂度高的问题。

为了达到上述目的，本发明的实施例提供了一种基于稀疏贝叶斯学习的电磁涡旋高分辨成像方法，包括以下步骤：

S1：根据雷达的N个天线与目标之间的相对位置关系，建立成像观测坐标系，并利用成像观测坐标系确定成像平面；其中，在成像观测坐标系中N个天线均匀分布于半径为a的圆周上，且每个天线阵元方位角为φ_n＝2π(n-1)/N,n＝1,2,…,N；

S2：对成像平面进行网格化处理；

S3：根据N个天线发射的涡旋电磁波辐射特性和网格化处理后的成像平面，构建测量矩阵，并根据测量矩阵建立电磁涡旋成像稀疏表示模型；

S4：基于稀疏贝叶斯学习对S3中的电磁涡旋成像稀疏表示模型进行求解，并根据求解结果完成目标的高分辨成像过程。

其中，步骤S2具体包括以下步骤：

采用频率域信号采样点数D，拓扑荷域信号采样点数L，将成像平面划分为Q个离散网格，得到网格化处理后的成像平面；其中，每个离散网格的中心位置和电磁散射系数代表该离散网格的散射特性。

其中，步骤S3具体包括以下步骤：

根据公式(1)计算对于空间中任意一个检测点P(r,θ,φ)，N个天线发射的第d个子脉冲相干叠加后的信号s^e(t,l)