【技术实现步骤摘要】
基于复Laplace先验的双基地ISAR稀孔径高分辨成像方法
[0001]本专利技术属于雷达信号处理
，尤其涉及一种基于复Laplace先验的双基地ISAR稀孔径高分辨成像方法。
技术介绍
[0002]随着电子对抗技术的发展，空间目标双基地ISAR系统部分孔径的雷达脉冲可能遭遇干扰，将导致若干脉冲的回波信噪比难以达到成像要求，后续处理过程中需舍弃相应孔径回波，导致产生方位向稀疏孔径采样。
[0003]稀疏孔径高分辨成像，需根据特定的雷达场景，设计相应的成像模型和与之匹配的稀疏基完成ISAR图像稀疏化表示。目前针对匀速转动目标的单基地ISAR稀疏孔径高分辨成像，可以利用MAP估计方法将ISAR成像问题转化为范数的稀疏优化问题进行求解，实现了联合越分辨单元徙动校正和相位自聚焦的单基地ISAR稀疏孔径高分辨成像，其可以改善成像质量，但容易引入结构误差。而基于分层贝叶斯描述稀疏成像模型，其可以实现单基地ISAR平稳目标图像重构及相位自聚焦，其分层贝叶斯估计算法利用完全贝叶斯推理实现求解，其可以避免结构性误差。但单基地I...
【技术保护点】
【技术特征摘要】
1.一种基于复Laplace先验的双基地ISAR稀孔径高分辨成像方法，其特征在于，包括：对预设成像弧段的双基地ISAR稀疏孔径回波信号进行预处理，得到第一回波信号；当设置距离波门的中心坐标为等效旋转中心距离坐标时，根据所述第一回波信号将距离空变相位相位转化为平动残余相位，得到校正后的第二回波信号；基于匹配傅里叶基，确定稀疏孔径下所述第二回波信号对应的双基地ISAR成像矩阵模型；基于复Laplace先验对所述双基地ISAR成像矩阵模型中的图像像元进行稀疏成像概率图建模；通过全贝叶斯推理稀疏，根据贝叶斯规则对构建的稀疏成像概率图中的图像进行重构和残余相位误差迭代校正，输出目标重构图像。2.如权利要求1所述的基于复Laplace先验的双基地ISAR稀孔径高分辨成像方法，其特征在于，所述基于匹配傅里叶基，确定稀疏孔径下所述第二回波信号对应的双基地ISAR成像矩阵模型，包括：基于匹配傅里叶基确定全孔径条件下的稀疏基矩阵；根据所述第二回波信号和所述全孔径条件下的稀疏基矩阵确定稀疏孔径下双基地ISAR成像矩阵模型。3.如权利要求2所述的基于复Laplace先验的双基地ISAR稀孔径高分辨成像方法，其特征在于，所述双基地ISAR成像矩阵模型为S＝EFA+n；其中，S表示稀疏孔径下的距离像序列，E表示残留相位误差矩阵，F表示欠采样稀疏匹配傅里叶基矩阵，A表示双基地ISAR成像矩阵，n表示复噪声矩阵。4.如权利要求1所述的基于复Laplace先验的双基地ISAR稀孔径高分辨成像方法，其特征在于，所述基于复Laplace先验对所述双基地ISAR成像矩阵模型中的图像像元进行稀疏成像概率图建模，包括：当观测噪声零均值复高斯先验模型、所述双基地ISAR成像矩阵中的每个像元服从独立的零均值复高斯同分布时，确定每个像元的概率密度分布和每个像元对应的尺度因子的指数分布；根据所述每个像元的概率密度分布和所述尺度因子的指数分布，确定所述双基地ISAR成像矩阵对应的分层联合概率分布；对指数分布的参数施加Gamma先验分布；根据所述分层联合概率分布和所述的Gamma先验分布，获得基于复Laplace先验分布的稀疏成像概率图。5.如权利要求4所述的基于复Laplace先验的双基地ISAR稀孔径高分辨成像方法，其特征在于，所述分层联合概率分布为
其中，表示所述双基地ISAR成像矩阵对应图像的分层联合概率分布函数，p(A|λ)表示所述双基地ISAR成像矩阵对应图像的概率密度分布函数，表示图像对应的尺度因子的指数分布函数，m表示每个像元在所述双基地ISAR成像矩阵中的行数，m＝1,2
…
M，M表示多普勒单元的总数目，n表示每个像元在所述双基地ISAR成像矩阵中的列数，n＝1,2
…
N，N表示距离单元的总数目。6.如权利要求1
‑
5中任一项所述的基于复Laplace先验的双基地ISAR稀孔径高分辨成像方法，其特征在于，所述通过全贝叶斯推理稀疏，根据贝叶斯规则对构建的稀疏成像概率图中的图像进行重构和残余相位误差迭代校正，输出目标重构图像，包括：基于贝叶斯规则，根据预设的所述稀疏成像概率图中的未知变量...
【专利技术属性】
技术研发人员：史林，郭宝锋，马俊涛，刘利民，曾瑞，胡文华，朱晓秀，刘贺雄，
申请(专利权)人：中国人民解放军陆军工程大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。