[发明专利]一种低信噪比下的高分辨率前视成像方法

权利要求书

1.一种低信噪比下的高分辨率前视成像方法，其特征在于，所述方法包括：

步骤1：建立前视成像回波信号模型，得到相干解调后的回波信号；

步骤2：对相干解调后的回波信号进行距离向匹配滤波处理，得到距离压缩后的回波信号；

步骤3：对距离压缩后的回波信号进行低秩矩阵恢复处理，得到去噪后的回波信号；

步骤4：对压缩感知l₁范数模型进行加权处理，得到噪声加权l₁范数模型；

步骤5：将去噪后的回波信号中的每一距离单元数据，代入噪声加权l₁范数模型，并基于稀疏重构算法对所述噪声加权l₁范数模型求解，以实现前视成像。

2.根据权利要求1所述的方法，其特征在于，所述步骤1包括：

步骤1-1：建立小型平台阵列雷达前视成像几何结构模型，成像区域内某散射点P(x₀,y₀,0)到雷达天线的瞬时距离，表示为：

其中，t表示慢时间，为阵列天线中心到点P的斜距，v_a＝d·PRF为等效的方位向运动速度，天线阵元间隔为d；

步骤1-2：假设雷达发射线性调频信号：

其中，τ表示快时间，T_p表示脉冲持续时间，f_c为载频，γ为调频率，rect[·]表示矩形窗函数；

接收回波信号，并对回波信号进行相干解调处理，以得到相干解调处理后的回波信号，表示为：

其中，a(t)表示散射中心复散射系数，λ＝c/f_c为波长。

3.根据权利要求1所述的方法，其特征在于，所述步骤2包括：

将距离向匹配滤波处理表示为：

对相干解调后的回波信号，在频域进行距离向匹配滤波处理，以得到距离压缩后的回波信号，表示为：

4.根据权利要求1所述的方法，其特征在于，所述步骤3包括：

步骤3-1：对距离压缩后的回波信号进行低秩矩阵约束处理，表示为：

s.t.Y＝s_rc+N，

其中，Y为含噪回波信号，N为噪声矩阵；

步骤3-2：对低秩矩阵约束处理后的回波信号进行凸优化处理，表示为：

s.t.Y＝s_rc+N，

其中，||s_rc||_*为矩阵s_rc的核范数；

步骤3-3：按照预设算法，对所述核范数进行恢复处理，以得到去噪后的回波信号。

5.根据权利要求1所述的方法，其特征在于，所述步骤4包括：

步骤4-1：定义时间与频率分辨率分别为Δt和Δf_d，设脉冲重复频率为f_r，构建观测矩阵F，表示为：

F＝{f₁,f₂,…,f_n,…,f_N}，

f_q(t)＝exp[-j2πf_d(n)·t],0≤n≤N，

其中，慢时间序列为t＝[1:N]^T·Δt，Δt＝1/f_r；多普勒序列为f_d＝[1:N]·Δf_d，N＝f_r/Δf_d，N为Δf_d的多普勒单元数；

步骤4-2：假设距离单元R₀内有K个较强的散射点,将距离单元R₀内的回波信号表示为：

其中，距离单元R₀内有K个较强的散射点，n为加性噪声，为第k个散射点的多普勒频率；

将上式改写为离散形式，表示为：y＝Fθ+n；

建立压缩感知的l₁范数模型，表示为：

s.t.||y-Fθ||₂≤ε，

其中，y∈C^M是观测向量，F∈C^M×N(M＜N)为观测矩阵，θ∈C^N为复散射系数向量，为噪声电平；

步骤4-3：对压缩感知的l₁范数模型进行加权处理，得到噪声加权l₁范数模型，表示为：

s.t.||y-Fθ||₂≤ε，

其中，W表示权值对角矩阵，对角元素w_n表示对θ'中的第n个元素θ(n)的权值，即η是一个微小量。