[发明专利]一种分布式无源雷达接收机的成像方法

说明书

本发明提供一种分布式无源雷达接收机的成像方法，包括对分布式无源雷达接收机配置优化的步骤和分布式无源雷达成像的步骤，本发明针对分布式无源雷达稀疏成像问题，提出以成像分辨率为优化目标函数，基于遗传算法的接收机配置优化方法，并通过仿真结果表明优化后对成像性能有明显的提升。同时针对OMP算法在低信噪比情况下成像精度较差的问题，提出基于协方差稀疏表示的分布式无源雷达成像算法，并将稀疏贝叶斯学习(SBL)方法应用于目标场景重构，并通过仿真验证在低分辨率下算法的良好恢复性能。

技术领域

本发明涉及雷达成像技术领域，特别涉及一种分布式无源雷达接收机的成像方法。

背景技术

利用多个发射机和多个接收机同时进行目标观测的分布式无源雷达成像系统，相比于传统收发一体的单站雷达能够获取更多的目标信息，具有更好的成像性能，因而成为雷达成像的一个热门研究领域。在分布式无源雷达成像系统中，由于接收到的是空间频率非均匀分布的空间信号，致使基于传统的SAR/ISAR算法并不能取得良好的成像效果。研究表明，可以利用目标回波空间频谱和目标散射点之间的傅里叶变换关系实现分布式无源雷达成像。

在实际的成像系统中，成本的制约使得难以构造数量众多的发射机和接收机来满足目标网格空间划分，考虑到接收信号空间谱和目标散射点的稀疏特性，基于压缩感知的成像技术会具有更好的性能。

通过对分布式无源雷达系统接收机的布局优化能够在一定程度上提高其稀疏成像性能，但是在信噪比较低的情况下，基于OMP的稀疏重构算法需要引入大量其他信号分量来降低对前面信号的错误估计造成的影响，而稀疏贝叶斯学习的方法假设信号的每一个分量独立和具有不同的先验概率分布，进而获得信号的稀疏表示，如果将其应用于信号重构，能有效改善低信噪比情况下的成像性能。

发明内容

有鉴于此，本发明提供一种分布式无源雷达接收机的成像方法，采用成像分辨率作为优化目标函数，基于遗传算法配置接收机的位置以实现最佳成像问题。

一种分布式无源雷达接收机的成像方法，包括对分布式无源雷达接收机配置优化的步骤和分布式无源雷达成像的步骤，其中：

对分布式无源雷达接收机配置优化的步骤包括：

步骤S101、对参数空间θ和初始化；

步骤S102、对参数空间θ和进行编码，设置迭代参数为m＝1；

步骤S103、遗传操作；

步骤S104、对染色体解码回θ和参数空间；

步骤S105、OMP算法重构信号，根据目标函数计算种群适应度；

步骤S106、种群进化；

步骤S107、退出；

分布式无源雷达成像的步骤包括：

步骤S201、观测数据协方差；

步骤S202、协方差稀疏表示；

步骤S203、计算去相关权值；

步骤S204、对协方差进行评估；

步骤S205、求解稀疏向量；

步骤S206、求解目标信号幅度值。

进一步的，利用SBL算法求解稀疏向量。

本发明针对分布式无源雷达稀疏成像问题，提出以成像分辨率为优化目标函数，基于遗传算法的接收机配置优化方法，并通过仿真结果表明优化后对成像性能有明显的提升。同时针对OMP算法在低信噪比情况下成像精度较差的问题，提出基于协方差稀疏表示的分布式无源雷达成像算法，并将稀疏贝叶斯学习(SBL)方法应用于目标场景重构，并通过仿真验证在低分辨率下算法的良好恢复性能。