稀疏孔径ISAR的加权特征向量初相校正法

doi:10.3969/j.issn.1001-2400.2013.03.008

J4 ›› 2013, Vol. 40 ›› Issue (3): 50-56.doi: 10.3969/j.issn.1001-2400.2013.03.008

稀疏孔径ISAR的加权特征向量初相校正法

段佳;张磊;盛佳恋;邢孟道

(西安电子科技大学雷达信号处理国家重点实验室，陕西西安 710071)

收稿日期:2011-12-20 出版日期:2013-06-20 发布日期:2013-07-29
通讯作者: 段佳
作者简介:段佳(1989-)，女，西安电子科技大学博士研究生，E-mail: bifiduan119@126.com．
基金资助:
国家自然科学基金资助项目(61001211)

Weighted eigenvector method for sparse-aperture ISAR phase error correction

DUAN Jia;ZHANG Lei;SHENG Jialian;XING Mengdao

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

Received:2011-12-20 Online:2013-06-20 Published:2013-07-29
Contact: DUAN Jia

摘要/Abstract

摘要：

在低信噪比条件下，不同距离单元信噪比不同，对信号的贡献存在较大的差异，此时传统的特征向量初相校正法不能取得理想的自聚焦效果．利用加权的思想，通过对不同距离单元按信噪比赋予不同权值，提出了一种加权特征向量初相校正法．该自聚焦方法不仅适用于常规逆合成孔径雷达数据，还可用于均匀稀疏以及块状稀疏、非均匀稀疏等非线性稀疏数据的相干化处理．

关键词: 初相校正, 稀疏, 逆合成孔径雷达

Abstract:

The traditional eigenvector method for autofocus can not obtain ideal results in low-SNR (signal-to-noise ratio) cases, because the contribution of the signal in different range bins to the final signal differs greatly. Thus, a weighted eigenvector method for ISAR(inverse synthetic aperture radar) phase error correction is proposed by adding different weights to each range bin according to its SNR. The method can not only deal with normal ISAR signals, but also can handle evenly under-sampled or block sparse, even unevenly sparse data. Finally, actual data processing results confirm the validity of the proposed algorithm.

Key words: phase error correction, sparseness, inverse synthetic aperture radar

段佳;张磊;盛佳恋;邢孟道. 稀疏孔径ISAR的加权特征向量初相校正法[J]. J4, 2013, 40(3): 50-56.

DUAN Jia;ZHANG Lei;SHENG Jialian;XING Mengdao. Weighted eigenvector method for sparse-aperture ISAR phase error correction[J]. J4, 2013, 40(3): 50-56.

[1]	杨仲平,周青松,张剑云. 区域能量聚焦技术中超稀疏阵列优化算法[J]. 西安电子科技大学学报, 2021, 48(4): 57-63.
[2]	乔鱼,冯象初. 博弈方法下的图像去噪与边界提取[J]. 西安电子科技大学学报, 2021, 48(4): 128-135.
[3]	逯彦,廖桂生,黄庆享. 结合稀疏表示的跨摄像头运动目标跟踪算法[J]. 西安电子科技大学学报, 2021, 48(2): 197-204.
[4]	王昕,常贵清,池琛琛. 广角SAR各向异性散射目标分离成像[J]. 西安电子科技大学学报, 2021, 48(2): 109-116.
[5]	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.
[6]	潘志鹏,雷菁,文磊,唐朝京. 高斯近似消息传播SM-SCMA多用户检测算法[J]. 西安电子科技大学学报, 2020, 47(6): 37-44.
[7]	蒋莹,冯明月,徐起,何翼. 高精度宽带欠定信号快速DOA估计方法[J]. 西安电子科技大学学报, 2020, 47(2): 91-97.
[8]	赵辉,张乐,刘莹莉,张静,张天骐. 低相干高鲁棒性观测矩阵优化[J]. 西安电子科技大学学报, 2019, 46(6): 171-178.
[9]	黄臣,刘宏清,罗臻,周翊. 一种低秩联合稀疏模型下的杂波抑制方法[J]. 西安电子科技大学学报, 2019, 46(6): 60-66.
[10]	贺王鹏,胡洁,陈彬强,李诚,郭宝龙. 一种叶片裂纹检测的稀疏共振解调算法[J]. 西安电子科技大学学报, 2019, 46(6): 75-80.
[11]	杨磊,岳云泽,李埔丞,章涛,杨桓. 多地面运动目标大动态SAR成像稀疏表示[J]. 西安电子科技大学学报, 2019, 46(5): 31-40.
[12]	陈保家,贺王鹏,胡洁,王赓,郭宝龙. 数据驱动的GMC稀疏增强诊断方法[J]. 西安电子科技大学学报, 2019, 46(4): 74-79.
[13]	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.
[14]	朱翠涛,吴蓓. 一种低复杂度SCMA多用户检测算法[J]. 西安电子科技大学学报, 2019, 46(4): 80-86.
[15]	张朝柱,王宇,荆福龙. 利用稀疏贝叶斯理论的跳时估计方法[J]. 西安电子科技大学学报, 2019, 46(3): 39-44.

稀疏孔径ISAR的加权特征向量初相校正法

Weighted eigenvector method for sparse-aperture ISAR phase error correction

PDF (PC)

赞

可视化

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