[发明专利]基于二维加权原子范数最小化的快速无网格稀疏成像方法

说明书

本发明涉及雷达成像技术领域，尤其涉及一种基于二维加权原子范数最小化的快速无网格稀疏成像方法。包括：步骤S1,将接收到的回波信号建模为二维频率的线性组合；步骤S2，基于二维框架建立一种新的加权无网格成像优化模型；步骤S3，采用迭代优化策略迭代执行2D ANM，在每次迭代过程中使用ADM算法进行处理，根据最新迭代确定2D频率选择的加权值，通过一维Vandermonde分解获得包含在矩阵中的2D频率。本发明实现了稀疏重构方法的分辨率和计算效率的提高。

技术领域

本发明涉及雷达成像技术领域，尤其涉及一种基于二维加权原子范数最小化的快速无网格稀疏成像方法。

背景技术

逆合成孔径雷达(ISAR)具有对非合作运动目标进行一维、二维甚至多维成像的能力，广泛应用于民用和军事领域。在步进频率ISAR(SF-ISAR)系统中， SF信号通过发射一系列窄带子脉冲来实现较大的合成带宽。然后，需要连续发射多组脉冲串来合成横向方向的长孔径。然而，由于目标的非合作运动以及雷达系统的多功能模式条件下，实际应用中通常无法实现长的连续相干处理间隔 (CPI)，导致ISAR回波数据在二维方向上的回波缺失，也可称之为二维回波数据稀疏。对于如此有限的宽带和短孔径数据，基于传统技术很难获得高分辨率 ISAR图像。因此，二维稀疏ISAR成像的研究受到了越来越多的关注。

压缩感知(CS)理论由于其具有高分辨率的能力，已被引入稀疏ISAR成像领域。因此，近年来，许多研究成果被报道。但是，总的来看，这些基于CS的方法大都可以视为网格上的稀疏重建技术，其技术特点就是假设目标的散射体可以精确地落在离散的网格上。然而，这种假设在实际中通常很难满足，因而会导致成像性能的下降。虽然许多网格误差校正方法可以在一定程度上缓解网格失配的影响，但并不能完全消除。Tang等人提出了原子范数最小化(ANM)技术，即连续压缩感知(CCS)，该技术可以直接在连续参数空间中工作，而无需离散目标空间，因此完全避免了传统CS方法的离网效应。为了提高稀疏性和分辨率，在 [i]中又提出了一种连续字典的重加权策略，称为重加权ANM(RAM)。当应用于大型成像场景时，传统的SDPT3解算器将变得非常耗时。此外，这些方法都利用原子l₁范数表示稀疏性，也存在分辨率的下降问题。实际上，原子范数加权策略是在一维空间进行加权，且运算处理复杂度高。

中国专利公开号：CN109459752A公开了一种逆合成孔径雷达二维稀疏成像的资源自适应调度方法，涉及相控阵雷达逆合成孔径雷达成像技术领域，解决的技术问题是如何从目标方位向和距离向角度考虑进行多目标成像任务在单部雷达中合理资源分配从而提升系统整体性能，该方法是在雷达对每个目标进行特征认知的基础上，计算每个目标的脉冲资源需求量，进而根据雷达选取的约束条件确定每个目标所需要分配的子脉冲发射位置，通过对目标的交替观测并获取目标回波信号，从而完成对多个目标的逆合成孔径成像任务。本发明可从目标方位向和距离向角度考虑实现单步雷达面对多目标时的资源分配，节省雷达资源，提升系统整体性能。由此可见，所述逆合成孔径雷达二维稀疏成像的资源自适应调度方法存在稀疏重构方法的分辨率不足和计算效率过低的问题。

发明内容

为此，本发明提供一种基于二维加权原子范数最小化的快速无网格稀疏成像方法，用以克服现有技术中分辨率下降和计算效率过低的问题。

为此解决的技术，为此本发明提供一种基于二维加权原子范数最小化的快速无网格稀疏成像方法，包括：步骤S1，将接收到的回波信号建模为二维频率的线性组合；步骤S2，基于二维框架建立一种新的加权无网格成像优化模型；步骤S3，采用迭代优化策略迭代执行2D ANM，在每次迭代过程中使用ADM算法进行处理，根据最新迭代确定2D频率选择的加权值，通过一维Vandermonde分解获得包含在矩阵中的2D频率。

进一步地，在SF ISAR成像系统中，需要发射Na组脉冲串信号，且每组脉冲串信号包含N个子脉冲。每组脉冲串合成(N-1)Δf的带宽，其中Δf表示子脉冲带宽。假设观测的目标包含K个散射点，且散射点系数表示为σ_k，k＝1,2,...K。