基于离网变分贝叶斯算法的ISAR稀疏频带成像方法技术

本发明专利技术公开了一种基于离网变分贝叶斯算法的ISAR稀疏频带成像方法，本发明专利技术的实现步骤是：(1)生成观测数据矩阵；(2)生成基字典矩阵及校正字典矩阵；(3)利用离网变分贝叶斯算法，计算每个方位单元的全频带回波向量；(4)二维高分辨成像。本发明专利技术基于压缩感知理论实现逆合成孔径雷达ISAR成像，克服了现有技术通过数值优化方法对字典矩阵估计误差较大及通过单个字典计算得到的全频带回波向量不准确的问题，可用于逆合成孔径雷达工作在信噪比低的复杂电磁环境下，并且获得的目标回波为稀疏频带回波时实现对空间与空中非合作目标的精确二维成像。

【技术实现步骤摘要】
基于离网变分贝叶斯算法的ISAR稀疏频带成像方法
本专利技术属于通信
，更进一步涉及雷达信号处理
中的一种基于离网变分贝叶斯算法的逆合成孔径雷达ISAR(InverseSyntheticApertureRadar)稀疏频带成像方法。本专利技术可在逆合成孔径雷达工作在信噪比低的复杂电磁环境下，获得的目标回波为稀疏频带回波时，实现对空间与空中非合作目标的精确二维成像。
技术介绍
由于具有全天时、全天候、高分辨率和远距离等特点，逆合成孔径雷达ISAR在航空与航天目标观测中发挥着重要作用。当采用超宽带雷达获得高分辨逆合成孔径雷达ISAR像时，由于它对硬件系统的要求较高，需要很高的成本。此外，当逆合成孔径雷达ISAR对远距离小目标进行探测时，回波信噪比较低，从而很难得到高质量成像结果。因此在稀疏频带且信噪比低的复杂电磁环境下实现空间目标高质量、高分辨成像是提高现有雷达对空间、空中目标探测与监视能力的关键技术。西北工业大学在其申请的专利技术专利文献“机动目标压缩感知逆合成孔径雷达ISAR成像方法”(专利申请号：201210347782.7，申请公开号：CN102841350A)中公开了一种机动目标压缩感知逆合成孔径雷达ISAR成像方法。该方法的具体步骤为：对回波数据进行距离压缩、运动补偿及徙动校正得到复矩阵，生成高斯随机矩阵对复矩阵做降维观测；再对降维观测后的复矩阵的每一列求解1范数凸优化方程，得到每一时刻的逆合成孔径雷达ISAR成像结果；遍历各个成像时刻，实现对机动目标各时段的逆合成孔径雷达ISAR成像。该方法存在的不足之处是：由于该方法基于求解1范数凸优化方程得到每一时刻的逆合成孔径雷达ISAR成像字典矩阵，导致字典矩阵估计误差较大，在回波缺损及低信噪比情况下容易产生虚假点，因此无法获得聚焦良好的二维逆合成孔径雷达ISAR像。吴称光，邓彬，苏伍各，王洪强，秦玉亮在其发表的论文“基于块稀疏贝叶斯模型的ISAR成像方法”(电子与信息学报2015,37(12)：2941-2947)中提出了一种基于块稀疏贝叶斯模型的逆合成孔径雷达ISAR成像方法。该方法基于稀疏信号表示理论，将逆合成孔径雷达ISAR高分辨成像问题转化为稀疏信号表示问题，并假设散射点均位于单个字典的网格中心，利用变分推断算法求解权向量，最后，利用单个字典计算全频带回波向量，最终实现目标逆合成孔径雷达ISAR成像。该方法存在的不足之处是：由于该方法假设散射点位于字典的网格中心上，但实际情况中，无论网格划分多么精细，都会出现散射点偏离网格的情况，当散射点偏离网格时该方法无法准确计算全频带回波向量，导致无法获得聚焦良好的逆合成孔径雷达ISAR像。
技术实现思路
本专利技术的目的在于针对上述现有技术中参数估计误差较大，低信噪比及散射点偏离网格的条件下无法准确计算全频带回波向量等局限，提出一种基于离网变分贝叶斯算法的稀疏频带高分辨成像方法，以实现在低信噪比与目标回波为稀疏频带回波情况下对空间与空中非合作目标的精确二维成像。实现本专利技术目的的思路是：基于压缩感知理论，将逆合成孔径雷达ISAR超分辨成像问题转化为稀疏表述问题，采用离网变分贝叶斯学习算法，计算每个方位单元的全频带回波向量，最终实现逆合成孔径雷达ISAR目标的高分辨二维成像。本专利技术的具体步骤如下：(1)生成观测数据矩阵：(1a)逆合成孔径雷达ISAR接收大小为N1×P的低频带回波以及大小为N2×P的高频带回波，其中N1表示低频带采样点数，N2表示高频带采样点数，P表示方位采样点数；(1b)分别对低频带回波和高频带回波作方位脉压，得到方位脉压后的低频带雷达回波矩阵和高频带雷达回波矩阵；(1c)将方位脉压后的低频带雷达回波矩阵和高频带雷达回波矩阵按行相连，得到大小为N×P的观测数据矩阵，其中，N表示低频带采样点和高频带采样点的总数；(2)生成基字典矩阵及校正字典矩阵：(2a)随机生成两个大小为N×M的矩阵分别作为初始基字典矩阵和初始校正字典矩阵，其中M表示矩阵的列数；(2b)分别对初始基字典矩阵和初始校正字典进行删减，获得基字典矩阵和校正字典矩阵；(3)利用离网变分贝叶斯算法，计算每个方位单元的全频带回波向量：(3a)将高频带距离-多普勒图像中所有有回波的行序号中的最小值，作为当前方位单元序号；(3b)利用基权向量更新公式，更新当前迭代次数的当前方位单元序号的基权向量；(3c)利用校正权向量更新公式，更新当前迭代次数的当前方位单元序号的校正权向量；(3d)判断ωiq-ω(i-1)q/ω(i-1)q的所有元素中的最大值是否小于终止阈值10-3，若是，则执行步骤(3e)，否则，执行步骤(3b)；其中，ωiq表示第i次迭代时第q个方位单元的基权向量，ω(i-1)q表示第i-1次迭代时第q个方位单元的基矩阵；(3e)判断当前迭代次数是否大于50，若是，则执行步骤(3f)；否则，将当前迭代次数加1后执行步骤(3b)；(3f)利用基字典删减法与校正字典删减法，分别对基字典和校正字典进行第二次删减，得到第二次删减后的基字典和校正字典；(3g)利用公式计算当前方位单元的全频带回波向量，其中，和分别表示全频带回波向量的实部和虚部；(3h)判断当前方位单元序号是否等于高频带距离-多普勒图像中所有有回波的行序号中的最大值，若是，则执行步骤(4)；否则，将当前方位单元序号加1后执行步骤(3b)；(4)二维高分辨成像：将所有方位单元的全频带回波向量按列组合，得到全频带回波矩阵，将全频带回波矩阵在距离维作一维傅里叶变换，得到二维高分辨逆合成孔径雷达ISAR成像结果。本专利技术与现有技术相比，具有以下优点：第一，由于本专利技术利用离网变分贝叶斯算法，计算每个方位单元的全频带回波向量，该过程中所求的字典矩阵能够收敛到最优解，克服了现有技术通过数值优化方法对字典矩阵估计误差较大的问题，使得本专利技术在目标回波为稀疏频带回波与低信噪比情况下能够得到聚焦良好的逆合成孔径雷达ISAR像。第二，由于本专利技术生成基字典矩阵及校正字典矩阵，利用这两个字典，计算每个方位单元的全频带回波向量，获得了更加准确的全频带回波向量，克服了现有技术通过单个字典计算得到的全频带回波向量不准确的问题，使得本专利技术在散射点偏离网格的情况下提高了逆合成孔径雷达的成像质量。附图说明图1为本专利技术的流程图；图2为本专利技术步骤3的流程图；图3为本专利技术的仿真图。具体实施方式下面结合附图对本专利技术做进一步的描述。参照附图1，对本专利技术的具体实施步骤做进一步的描述。步骤1，生成观测数据矩阵。逆合成孔径雷达ISAR接收大小为N1×P的低频带回波以及大小为N2×P的高频带回波，其中N1表示低频带采样点数，N2表示高频带采样点数，P表示方位采样点数。分别对低频带回波和高频带回波作方位脉压，得到方位脉压后的低频带雷达回波矩阵和高频带雷达回波矩阵。第1步，生成一个参考信号，该参考信号的距离与逆合成孔径雷达ISAR到场景中心的距离相等，载频、调频率分别与逆合成孔径雷达ISAR发射信号的载频、调频率相等。第2步，将参考信号取共轭后分别与雷达接收的低频带回波和高频带回波相乘，得到解线频调后的低频带回波矩阵和高频带回波矩阵：其中，表示解线频调后的回波矩阵，表示距离快时间，tm表示方位慢时间，Sr表示回波矩阵，表示参考信号，本文档来自技高网...

【技术保护点】
1.一种基于离网变分贝叶斯算法的ISAR稀疏频带成像方法，其特征在于，生成基字典矩阵及校正字典矩阵，利用离网变分贝叶斯算法计算每个方位单元的全频带回波向量；该方法的具体步骤包括如下：(1)生成观测数据矩阵：(1a)逆合成孔径雷达ISAR接收大小为N1×P的低频带回波以及大小为N2×P的高频带回波，其中N1表示低频带采样点数，N2表示高频带采样点数，P表示方位采样点数；(1b)分别对低频带回波和高频带回波作方位脉压操作，得到方位脉压后的低频带雷达回波矩阵和高频带雷达回波矩阵；(1c)将方位脉压后的低频带雷达回波矩阵和高频带雷达回波矩阵按行相连，得到大小为N×P的观测数据矩阵，其中，N表示低频带采样点和高频带采样点的总数；(2)生成基字典矩阵及校正字典矩阵：(2a)随机生成两个大小为N×M的矩阵，分别作为初始基字典矩阵和初始校正字典矩阵，其中M表示矩阵的列数；(2b)分别对初始基字典矩阵和初始校正字典进行删减，获得基字典矩阵和校正字典矩阵；(3)利用离网变分贝叶斯算法，计算每个方位单元的全频带回波向量：(3a)将高频带距离‑多普勒图像中所有有回波的行序号中的最小值，作为当前方位单元序号；(3b)利用基权向量更新公式，更新当前迭代次数的当前方位单元序号的基权向量；(3c)利用校正权向量更新公式，更新当前迭代次数的当前方位单元序号的校正权向量；(3d)判断ωiq‑ω(i‑1)q/ω(i‑1)q的所有元素中的最大值是否小于终止阈值10‑3，若是，则执行步骤(3e)，否则，将当前迭代次数加1后执行步骤(3b)；其中，ωiq表示第i次迭代时第q个方位单元的基权向量，ω(i‑1)q表示第i‑1次迭代时第q个方位单元的基矩阵；(3e)判断当前迭代次数是否大于50，若是，则执行步骤(3f)；否则，将当前迭代次数加1后执行步骤(3b)；(3f)利用基字典删减法与校正字典删减法，分别对基字典和校正字典进行第二次删减，得到第二次删减后的基字典和校正字典；(3g)利用公式...

【技术特征摘要】
1.一种基于离网变分贝叶斯算法的ISAR稀疏频带成像方法，其特征在于，生成基字典矩阵及校正字典矩阵，利用离网变分贝叶斯算法计算每个方位单元的全频带回波向量；该方法的具体步骤包括如下：(1)生成观测数据矩阵：(1a)逆合成孔径雷达ISAR接收大小为N1×P的低频带回波以及大小为N2×P的高频带回波，其中N1表示低频带采样点数，N2表示高频带采样点数，P表示方位采样点数；(1b)分别对低频带回波和高频带回波作方位脉压操作，得到方位脉压后的低频带雷达回波矩阵和高频带雷达回波矩阵；(1c)将方位脉压后的低频带雷达回波矩阵和高频带雷达回波矩阵按行相连，得到大小为N×P的观测数据矩阵，其中，N表示低频带采样点和高频带采样点的总数；(2)生成基字典矩阵及校正字典矩阵：(2a)随机生成两个大小为N×M的矩阵，分别作为初始基字典矩阵和初始校正字典矩阵，其中M表示矩阵的列数；(2b)分别对初始基字典矩阵和初始校正字典进行删减，获得基字典矩阵和校正字典矩阵；(3)利用离网变分贝叶斯算法，计算每个方位单元的全频带回波向量：(3a)将高频带距离-多普勒图像中所有有回波的行序号中的最小值，作为当前方位单元序号；(3b)利用基权向量更新公式，更新当前迭代次数的当前方位单元序号的基权向量；(3c)利用校正权向量更新公式，更新当前迭代次数的当前方位单元序号的校正权向量；(3d)判断ωiq-ω(i-1)q/ω(i-1)q的所有元素中的最大值是否小于终止阈值10-3，若是，则执行步骤(3e)，否则，将当前迭代次数加1后执行步骤(3b)；其中，ωiq表示第i次迭代时第q个方位单元的基权向量，ω(i-1)q表示第i-1次迭代时第q个方位单元的基矩阵；(3e)判断当前迭代次数是否大于50，若是，则执行步骤(3f)；否则，将当前迭代次数加1后执行步骤(3b)；(3f)利用基字典删减法与校正字典删减法，分别对基字典和校正字典进行第二次删减，得到第二次删减后的基字典和校正字典；(3g)利用公式计算当前方位单元的全频带回波向量，其中，和分别表示全频带回波向量的实部和虚部；(3h)判断当前方位单元序号是否等于高频带距离-多普勒图像中所有有回波的行序号中的最大值，若是，则执行步骤(4)；否则，将当前方位单元序号加1后执行步骤(3b)；(4)二维高分辨成像：将所有方位单元的全频带回波向量按列组成全频带回波矩阵，将全频带回波矩阵在距离维作一维傅里叶变换，得到二维高分辨逆合成孔径雷达ISAR成像结果。2.根据权利要求1所述的基于离网变分贝叶斯算法的ISAR稀疏频带成像方法，其特征在于，步骤(1b)中所述方位脉压操作的步骤如下：第一步，生成一个参考信号，该参考信号的距离与逆合成孔径雷达ISAR到场景中心的距离相等，载频、调频率分别与逆合成孔径雷达ISAR发射信号的载频、调频率相等；第二步，将参考信号取共轭后分别与雷达接收的低频带回波和高频带回波相乘，得到解线频调后的低频带回波矩阵和高频带回波矩阵；第三步，将解线频调后的低频带回波矩阵和高频带回波矩阵，分别在方位维作一维傅里叶变换，得到方位脉压后的低频带雷达回波矩阵和方位脉压后的高频带雷达回波矩阵。3.根据权利要求1所述的基于离网变分贝叶斯算法的ISAR稀疏频带成像方法，其特征在于，步骤(2b)中所述对初始基字典矩阵和初始校正字典进行删减的步骤如下：第一步，分别将方位脉压后低频带雷达回波矩阵和高频带雷达回波矩阵在距离维作一维傅里叶变换，得到低频带距离-多普勒图像和高频带距离-多普勒图像；第二步，分别利用公式计算四个序号，其中，m11和m12分别表示低频带距离-多普勒图像中所有有回波...

【专利技术属性】
技术研发人员：白雪茹，周雪宁，惠叶，祁浩凡，周峰，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：陕西,61