[发明专利]一种基于加权L1范数约束的双基地ISAR成像方法

说明书

本发明公开了一种基于加权L1范数约束的双基地ISAR成像方法，其属于雷达信号处理技术领域，采用如下步骤：步骤1、建立双基地ISAR成像回波模型，得到全孔径回波数据；步骤2、构造稀疏基矩阵得到全孔径回波数据的稀疏表示，构造观测矩阵得到稀疏孔径回波数据，建立基于压缩感知的双基地ISAR稀疏孔径成像模型；步骤3、设目标各像元稀疏非同分布服从Laplace先验，利用贝叶斯准则建立目标图像的最大后验概率估计函数，近似为一个加权L1范数约束求解问题；步骤4、利用柯西‑牛顿算法进行加权L1范数约束最优化问题的求解，实现目标图像重构；本发明能更好地利用目标的能量聚集和结构特性，有利于提高成像质量。

技术领域

本发明涉及一种基于加权L1范数约束的双基地ISAR成像方法，其属于雷达信号处理技术领域。

背景技术

双基地逆合成孔径雷达(Inverse Synthetic Aperture Radar，ISAR)继承了双基地雷达的独特优势，利用收发分置模式增强了系统灵活性，提高了成像概率，对目标的监视、跟踪、成像与识别以及赢得未来战争都具有非常重要的意义。

由于双基地的收发分置特性以及对目标观测时需要不断切换波束，在观测过程中容易引起回波缺失进而造成稀疏孔径。由于ISAR图像的空域稀疏性，不少学者将压缩感知理论应用到了ISAR成像中，以提高成像质量。在重构算法的选择上，贪婪迭代类算法虽然原理简单，易于实现，但重构精度不高，特别是在低SNR条件下，算法的重构性能易受影响。

利用贝叶斯解释，假设目标图像各像元稀疏同分布，可将ISAR成像问题转化为最大后验概率估计问题，并等价于L1范数优化问题进行求解，相对于贪婪算法来说重构精度有所提高。但由于假设图像各像元服从相同分布的稀疏先验，并没有区分各像元的幅度大小。

发明内容

本发明所要解决的技术问题是提供了一种成像质量高的基于加权L1范数约束的双基地ISAR成像方法，更好地利用目标的能量聚集和结构特性，有利于提高成像质量。

本发明采用了如下技术方案：

一种成像质量高的基于加权L1范数约束的双基地ISAR成像方法，其包括如下步骤：

步骤1、建立双基地ISAR成像回波模型，得到全孔径回波数据；

步骤2、构造稀疏基矩阵得到全孔径回波数据的稀疏表示，构造观测矩阵得到稀疏孔径回波数据，建立基于压缩感知的双基地ISAR稀疏孔径成像模型；

步骤3、设目标各像元稀疏非同分布服从Laplace先验，利用贝叶斯准则建立目标图像的最大后验概率估计函数，可近似为一个加权L1范数约束求解问题，即将双基地ISAR稀疏孔径成像问题转化为加权L1范数约束问题；

步骤4、利用柯西-牛顿算法进行加权L1范数约束最优化问题的求解，实现目标图像重构。

进一步的，所述步骤1具体包括：

设雷达发射线性调频信号，经包络对齐和相位校正后的双基地ISAR回波的表达式如下：

其中，f_c为载波中心频率，t_p为发射信号脉冲宽度，μ为调频斜率，σ_P为散射点P的信号复幅度，x_P和y_P分别为散射点P的坐标，θ(t_m)和β(t_m)分别为成像期间内的旋转角度和双基地角，随慢时间t_m变化；表示快时间；c表示波速；为了避免双基地角时变引起越分辨单元徙动和图像畸变，构造相应的补偿相位进行相位补偿，构造的补偿项表达式如下：

得到相位补偿后的一维距离像表达式如下：