[发明专利]基于稀疏贝叶斯学习的二维ISAR快速成像方法

说明书

本发明提出了一种基于稀疏贝叶斯学习的二维ISAR快速成像方法，用于解决现有技术中存在的无法实现所成ISAR像具有较低图像熵的同时具有较高成像效率的技术问题，实现步骤为：获取线性调频信号的复数域回波矩阵，获取实数域回波矩阵，构建实数域距离字典和实数域方位字典，构建二维线性回归成像模型，采用稀疏贝叶斯学习方法对二维线性回归成像模型进行求解,获取ISAR成像结果。本发明能够在低信噪比的条件下，以较快速度得到聚焦良好的ISAR像，可用于低信噪比的条件下的ISAR二维成像。

技术领域

本发明属于雷达信号处理技术领域，涉及一种逆合成孔径雷达ISAR的成像方法，具体是一种基于稀疏贝叶斯学习的二维ISAR快速成像方法。

背景技术

逆合成孔径雷达ISAR可以全天时、全天候工作，且对非合作目标可以实现远距离高分辨成像，因而在许多领域发挥着极其重要的作用。ISAR通过发射大时宽-带宽积信号实现距离高分辨，并利用ISAR与目标的相对运动获得大的合成孔径，从而提高方位分辨率。在平稳目标、高信干噪比等理想观测环境下，基于傅里叶分析的成像方法能够得到聚焦良好的图像。但是在实际应用中，基于傅里叶分析的成像方法往往需要很大的数据量来实现高分辨率，成像质量也受到傅里叶变换高旁瓣的影响，并且在回波缺损或者低信噪比情况下，其成像质量会急剧下降。由于观测目标散射中心分布的稀疏特性，近年来，稀疏信号重构理论为低信噪比等复杂环境下的高分辨雷达成像提供了有效的解决途径，因此在雷达成像领域受到了广泛关注。

基于稀疏信号重构的ISAR成像方法可以分为数值优化ISAR成像方法和稀疏贝叶斯学习ISAR成像方法两类。其中数值优化ISAR成像方法仅从优化角度进行考量，没有充分利用ISAR图像数据先验信息，容易收敛到局部最优解，且在低信噪比下重构误差较大，因此ISAR图像的最优恢复可能无法实现。同时，传统数值优化ISAR成像方法和稀疏贝叶斯学习ISAR成像方法均基于一维重构，将其应用于ISAR成像会导致成像速度慢的问题，因此，近年来有学者提出利用数值优化对ISAR图像直接进行二维重构的ISAR成像方法。

例如申请公布号为CN 112526517 A，名称为“一种平滑L0范数最小化的逆合成孔径雷达成像算法”的专利申请，公开了一种基于平滑L0范数最小化的二维ISAR成像方法，该方法首先将ISAR成像参数初始化为其伪逆解，然后启动参数估计循环迭代，通过平滑函数梯度修正和解空间投影修正不断优化ISAR成像参数的估计值，直至所有内循环和外循环结束，最终得到ISAR图像。该发明在提高成像效率的同时提高了成像分辨率，但是，该算法将ISAR成像转化为非凸问题进行求解，使得ISAR图像最优恢复无法实现，且在低信噪比环境下算法重构误差较大，导致ISAR像散焦，图像熵较大。

稀疏贝叶斯学习方法利用目标稀疏的先验信息和样本数据的丰富统计信息，在贝叶斯理论框架中通过推导后验分布实现ISAR成像，在低信噪比环境下，可以得优于数值优化重构方法的ISAR成像结果，但是现有稀疏贝叶斯学习ISAR成像方法大都基于一维重构，成像速度很慢。

发明内容

本发明的目的在于解决上述方法中的缺陷与不足，提出一种基于稀疏贝叶斯学习的二维ISAR快速成像方法，用于解决现有技术中存在的无法实现所成ISAR像具有较低图像熵的同时具有较高成像效率的技术问题。

为实现上述目的，本发明采取的技术方案包括如下步骤：

(1)ISAR获取线性调频信号的复数域回波矩阵S：

ISAR向包括P个散射点的单个运动目标发射包括N_a个脉冲的复数域线性调频信号，并对接收的每个脉冲信号T_h经运动目标反射的回波信号进行N_r采样，得到维数为N_r×N_a的复数域回波矩阵S，其中，P≥1，N_a≥2，T_h表示第h个脉冲信号，N_r≥2，S中对T_h的回波信号进行第n次采样的复数域回波为S(n,h)：