一种高分辨的稀疏孔径ISAR成像方法

doi:10.3969/j.issn.1001-2400.2010.03.010

J4 ›› 2010, Vol. 37 ›› Issue (3): 441-446+453.doi: 10.3969/j.issn.1001-2400.2010.03.010

一种高分辨的稀疏孔径ISAR成像方法

李军;邢孟道;张磊;吴顺君

(西安电子科技大学雷达信号处理重点实验室，陕西西安 710071)

收稿日期:2009-08-20 出版日期:2010-06-20 发布日期:2010-07-23
通讯作者: 李军
作者简介:李军(1982-)，男，西安电子科技大学博士研究生，E-mail: lijunjun@mail.xidian.edu.cn．
基金资助:
自然科学基金重大项目资助项目(60725103); 重点实验室基金资助项目(9140C0105050905)

High resolution imaging method for the sparse aperture of ISAR

LI Jun;XING Meng-dao;ZHANG Lei;WU Sun-jun

(Key Lab. of Radar Signal Processing, Xidian Univ., Xi'an 710071， China)

Received:2009-08-20 Online:2010-06-20 Published:2010-07-23
Contact: LI Jun

摘要/Abstract

摘要：

逆合成孔径雷达回波缺失程度较大时，传统的线性插值方法会带来较大的误差．针对这一情况，提出了一种基于压缩感知的稀疏孔径高分辨成像算法．通过构造一组时域稀疏的基空间和线性测量矩阵，结合范数1稀疏约束，利用凸优化进行基匹配搜索，直接提取目标的散射特性及多普勒频率信息，最终得到距离多普勒像．该方法无需对稀疏孔径进行插值，并且成像结果不存在旁瓣，对目标分辨特性较好．点目标模型仿真和实测数据处理的结果验证了该算法的有效性和优越性．

关键词: 逆合成孔径雷达, 线性插值, 压缩感知, 凸优化, 多普勒频率

Abstract:

The conventional linear interpolation method will introduce the estimation error when the gapped data of ISAR is large. A high resolution imaging method based on compressed sensing for gapped data of ISAR is proposed in this paper. We first construct a sparse basis dictionary and linear measurement matrix. Then the convex optimization means as the base pursuit can be used to extract the scatter property and Doppler frequency information. By all the steps above, the image of ISAR is formed in the plane of range and Doppler. No interpolation is needed for the sparse aperture, and no sidelobes exit in the ISAR images. Simulation results and real sparse ISAR data validate the feasibility and superiority of the approach.

Key words: ISAR, linear interpolation, compressed sensing, convex optimization, Doppler frequency

李军;邢孟道;张磊;吴顺君. 一种高分辨的稀疏孔径ISAR成像方法[J]. J4, 2010, 37(3): 441-446+453.

LI Jun;XING Meng-dao;ZHANG Lei;WU Sun-jun. High resolution imaging method for the sparse aperture of ISAR[J]. J4, 2010, 37(3): 441-446+453.

参考文献

[1]Cuomo K M, Piou J E, Mayhan J T. Ultrawide-band Coherent Processing [J]. IEEE Trans on Antennas Propag, 1999, 47(6): 1094-1107.
[2]Potter L C, Arun K S. Energy Concentration in Band-limited Extrapolation [J]. IEEE Trans on Acoustics Speech and Signal Processing, 1989, 37(7): 1027-1041.
[3]Li H J, Farhat N, Shen Y. A New Iterative Algorithm for Extrapolation of Data Available in Multiple Restricted Regions with Application to Radar Imaging [J]. IEEE Trans on AP, 1987, 35(5): 581-588.
[4]Donoho D L. Compressed Sensing [J]. IEEE Trans on Info Theory, 2006, 52(4): 1289-1306.
[5]Zhu Chenwei. Stable Recovery of Sparse Signals Via Regularized Minimization [J]. IEEE Trans on Info Theory, 2008, 54(7): 3364-3367.
[6]Zhang Lei, Xing Mengdao, Qiu Chenwei. Achieving Higher Resolution ISAR Imaging with Limited Pulses Via Compressed Sampling [J]. IEEE GRS Letter, 2009, 6(3): 567-571.
[7]Rauhut H, Schnass K, Vandergheynst P. Compressed Sensing and Redundant Dictionaries [J]. IEEE Trans on Info Theory, 2008, 54(5): 2210-2219.
[8]Candes E. The Restricted Isometry Property and Its Implications for Compressed Sensing [J]. Comptes Rendus Mathematique, 2006, 246(9): 589-592.
[9]Candes E, Romberg J, Tao T. Stable Signal Recovery from Incomplete and Inaccurate Measurements [J]. Communications on Pure and Applied Mathematics, 2005, 59(8): 1207-1223.
[10]刘丹华, 石光明, 周佳社. 一种冗余字典下的信号稀疏分解新方法[J]. 西安电子科技大学学报, 2008, 35 (2): 228-232.
Liu Danhua, Shi Guangming, Zhou Jiashe. New Method for Singal Sparse Decomposition Over a Redundant Dictionary[J]. Journal of Xidian University, 2008, 35(2): 228-232.
[11]保铮, 邢孟道, 王彤. 雷达成像技术[M]. 北京: 电子工业出版社, 2005: 230-276.
[12]Herman M, Strohmer T. High-Resolution Radar via Compressed Sensing [J]. IEEE Trans on Signal Processing, 2009, 57(6): 2275-2284.
[13]Candes E, Romberg J, Tao T. Robust Uncertainty Principles: Exact Signal Reconstruction from Highly Incomplete Frequency Information [J]. IEEE Trans on Info Theory, 2006, 52(2): 489-509.

[1]	陆金文,闫华,殷红成,张磊,董纯柱. 用于三维散射中心SBR建模的边缘绕射修正[J]. 西安电子科技大学学报, 2021, 48(2): 117-124.
[2]	王洪雁,邱贺磊,裴腾达. 利用判别字典学习的视觉跟踪方法[J]. 西安电子科技大学学报, 2019, 46(4): 150-158.
[3]	周雪芹,冯象初,景明利. 一种自适应的拟牛顿投影稀疏信号恢复算法[J]. 西安电子科技大学学报, 2019, 46(3): 14-19.
[4]	曾创展,朱卫纲,贾鑫. 一种稀疏孔径逆合成孔径雷达成像算法[J]. 西安电子科技大学学报, 2019, 46(3): 123-129.
[5]	孙宸, 成立业. 空间感知矩阵学习的极化SAR图像分类[J]. 西安电子科技大学学报, 2018, 45(6): 92-98.
[6]	吕治国;李颖. 采用压缩感知的贝叶斯信道估计算法[J]. 西安电子科技大学学报, 2018, 45(2): 13-18+25.
[7]	贺王鹏;孙伟;苏博;闫允一;郭宝龙. 机械故障诊断的稀疏特征提取方法[J]. 西安电子科技大学学报, 2018, 45(2): 154-159.
[8]	李玮;邓维波;杨强;索莹;MIGLIORE Marco Donald. 采用压缩感知的阵列失效单元诊断方法[J]. 西安电子科技大学学报, 2018, 45(2): 160-165.
[9]	刘学文;肖嵩;薛晓. 经验模态分解构造观测矩阵的方法[J]. 西安电子科技大学学报, 2018, 45(1): 35-41.
[10]	杨明;李翔;杨昊;刘鑫;陈琨奇. 能量效率认知无线电协作感知和传输联合优化[J]. 西安电子科技大学学报, 2017, 44(3): 101-107.
[11]	李燕龙;陈晓;詹德满;王俊义. 非正交多址接入中稀疏多用户检测方法[J]. 西安电子科技大学学报, 2017, 44(3): 151-156.
[12]	刘帅琦;王布宏;李龙军;李夏;曹帅. 二维混合MIMO相控阵雷达的DOA估计算法[J]. 西安电子科技大学学报, 2017, 44(3): 157-163.
[13]	章建成;苏涛. 一种新的窄带雷达高速机动多目标检测算法[J]. 西安电子科技大学学报, 2017, 44(2): 20-26.
[14]	高悦欣;李震宇;邢孟道;张子敬. 一种海面舰船目标ISAR成像时间段选择方法[J]. 西安电子科技大学学报, 2017, 44(2): 27-32.
[15]	权磊;肖嵩;薛晓;李颖. 低复杂度压缩感知中的快速观测方法[J]. 西安电子科技大学学报, 2017, 44(1): 106-111.

一种高分辨的稀疏孔径ISAR成像方法

High resolution imaging method for the sparse aperture of ISAR

PDF (PC)

赞

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

Metrics

本文评价

推荐阅读 10