论文部分内容阅读
三维逆合成孔径雷达（ISAR)成像是当前雷达成像领域较为前沿的热门课题，在干涉测高、形变检测、目标识别等领域均有广阔的应用前景。但传统三维ISAR成像通常面临采样率高、观测时间长、实时成像困难等问题，这也促使国内外学者对三维ISAR成像进行深入研究。 本文以传统的干涉式三维ISAR成像为切入点，重点研究了基于稀疏贝叶斯学习的三维ISAR成像方法以及基于幅相误差校正和联合估计的三维ISAR压缩感知成像方法。主要研究工作概述如下： 1.针对传统三维ISAR成像，研究了一种结合干涉技术与距离多普勒(Range-Doppler，RD)算法的三维ISAR成像方法。给出了基于干涉处理的三维ISAR成像流程，点目标仿真验证了这种方法的有效性。 2.针对基于Laplace先验的压缩感知（Compressed Sensing,CS)算法面临手动调整正则化参数及计算复杂度高的问题，提出一种基于边缘稀疏贝叶斯学习(Marginalized Sparse Bayesian Learning,MSBL)的三维 ISAR成像方法。建立了ISAR成像的稀疏驱动模型，利用快速MSBL算法获得不同接收通道的高分辨ISAR图像，并通过ISAR图像对的干涉处理重建目标的三维ISAR像。模拟和实测数据实验验证了所提方法的有效性。 3.针对接收通道存在幅相误差，研究了基于幅相误差校正和联合估计的三维ISAR压缩感知成像方法。 (1)以误差校正为出发点，研究了基于特征值分解的幅相误差参数估计方法。在幅相误差校正的基础上，采用第三章提出的MSBL算法重建目标的三维ISAR像。仿真实验验证了这种方法的有效性。 (2)以参数估计为出发点，建立包含幅相误差的稀疏成像模型，提出一种联合参数估计和三维ISAR成像方法。联合MSBL算法和牛顿迭代算法，能够同时获取相位误差参数和高分辨率的ISAR图像。在此基础上，利用干涉技术重建目标的三维ISAR像。仿真实验验证了所提方法的正确性和有效性。