[发明专利]基于压缩感知理论的双基地MIMO雷达成像方法

说明书

本发明属于雷达技术领域，公开了一种基于压缩感知理论的双基地MIMO雷达成像方法，包括：获取雷达回波数据；计算得到压缩感知信号模型下的理想观测矩阵；利用理想观测矩阵和雷达回波数据，进行稀疏重构，得到目标信号的稀疏估计值；根据理想观测矩阵以及目标信号的稀疏估计值，确定实际观测矩阵；利用实际观测矩阵进行稀疏重构，得到目标信号的稳健估计值；计算迭代误差值，若迭代误差值不满足要求，则继续根据本次迭代得到目标信号估计值和实际观测矩阵，进行稀疏重构，直到误差值满足要求。本发明在阵列存在幅度误差和相位误差的时，仍然能够获得稳健的成像结果。

技术领域

本发明属于雷达技术领域，尤其涉及基于压缩感知理论的双基地MIMO雷达成像方法，适用于双基地MIMO雷达在收发阵元存在幅相误差的情形下的信号模型建立和稀疏成像。

背景技术

雷达成像是现代雷达最重要的任务之一。压缩感知理论可以利用小样本数据获得较高的成像分辨率，因此在雷达成像中得到了广泛的应用。

双基地MIMO雷达具有不少体制上的优势，双基地MIMO雷达能获得更丰富的目标散射信息以及更远的探测距离，还可以通过虚拟孔径扩展获得更高的分辨率。此外，在实际战场环境下通过发射站、接收站分置可以显著提高雷达系统的抗干扰能力及生存能力。将双基地MIMO雷达和压缩感知成像理论结合具有很多显著的优点。

然而，当双基地MIMO雷达的收发阵列存在幅相误差的时候，会严重影响雷达的成像质量，因此，如何在非理想模型下进行稳健的稀疏成像是目前亟待解决的问题。

发明内容

针对上述问题，本发明提供基于压缩感知理论的双基地MIMO雷达成像方法，在双基地MIMO雷达收发阵元存在幅相误差的时候，提出了一种新的信号模型，在此模型的基础上，推导出了相应的稀疏恢复算法，从而可以获得稳健的稀疏成像结果。

为达到上述目的，本发明采用如下技术方案予以实现：

一种基于压缩感知理论的双基地MIMO雷达成像方法，所述方法包括如下步骤：

步骤1，获取双基地MIMO雷达接收的回波信号，对所述回波信号进行正交匹配滤波，得到雷达回波数据；

步骤2，确定所述双基地MIMO雷达的发射导向矩阵和接收导向矩阵；根据所述发射导向矩阵和所述接收导向矩阵，计算得到压缩感知信号模型下的理想观测矩阵；将所述雷达回波数据作为压缩感知信号模型中的输出数据、所述理想观测矩阵作为压缩感知信号模型中的观测矩阵，进行稀疏重构，得到目标信号的初步估计值；

对迭代次数i进行初始化：令i＝1；

步骤3，根据所述理想观测矩阵以及目标信号的第i-1次估计值，确定实际观测矩阵；i＝1时，第i-1次估计值为初步估计值；

步骤4，将所述雷达回波数据作为压缩感知信号模型中的输出数据、所述实际观测矩阵作为压缩感知信号模型中的观测矩阵，进行稀疏重构，得到目标信号的第i次估计值；

步骤5，计算第i次迭代对应的误差值，判断所述误差值是否小于预设误差值：若所述误差值大于预设误差值，则令i加1，并返回步骤3；若所述误差值小于预设误差值，则根据目标信号的第i次估计值重建散射系数矩阵，根据所述散射系数矩阵进行绘图，即得到所述双基地MIMO雷达的目标成像图。

本发明具有以下优点：(1)具有双基地MIMO雷达的优势，在实际战场环境下通过发射站、接收站分置可以显著提高雷达的生存能力，此外，双基地MIMO雷达能获得更丰富的目标散射信息以及更远的探测距离，还可以通过虚拟孔径扩展获得更高的分辨率；(2)基于压缩感知成像的原理，利用小样本数据获得高成像分辨率，降低了计算复杂度和硬件成本；(3)在阵列存在幅度误差和相位误差的时候，仍然可以获得稳健的成像结果，具有实际应用意义。

附图说明