基于压缩感知的MIMO雷达单次快拍成像方法研究

The traditional inverse synthetic aperture radar (ISAR) technology has some inherent vices in the imaging of complex targets. By enough long real antenna array, the radar image of any target may be obtained within single snapshot illumination. However, it is infeasible due to the limitation of the antenna array in reality. In order to solver this problem, the compressive sensing (CS) theory is considered to be combined with the multiple-input multiple-output (MIMO) theory in the project. Firstly, we plan to analyze the electronagnetic scattering characteristics and the spatial sparsity of targets, discover the internal relations between the spatial sparsity of targets and the sparsity of the target echo in MIMO radar, propose the construction method of the sparsity dictionary. And then, we will research the restrictive relationship between the array design and the wave form selecting, and study the mechanism for jointly optimizing the MIMO array and the sparse reconstruction algorithm, by analyzing the rule of interaction among the structure of MIMO array, the set of MIMO wave form, the sparsity dictionary and the sparse reconstruction algorithm. Finally, the single snapshot 3D imaging method for MIMO radar will be explored based on multi-dimension sparse recovery, and the image segmentation method fit for sparse radar image, together with the feature extracting method of the target, is anticipated to be put forward. The expected achievements of this project can not only improve the development of new ISAR imaging thoery and technique, but also have important theoretical significance and realistic value for the early warning and detection of air-space targets.

传统ISAR技术在复杂目标成像方面存在固有缺陷。理论上足够大的实孔径天线可实现对任意雷达目标的单次快拍成像，但由于天线孔径长度的限制，实孔径成像在实际中难以实现。为解决有限实孔径天线对复杂目标单次快拍成像的技术难题，本项目拟将压缩感知理论与MIMO成像理论相结合，分析复杂雷达目标的三维电磁散射特性及空间稀疏分布特性，揭示目标稀疏性与MIMO雷达回波稀疏性的内在联系，提出雷达回波稀疏字典的构造方法；研究信号波形集、稀疏字典、MIMO雷达阵列结构与稀疏重构算法的相互作用规律，揭示MIMO雷达阵列设计与正交波形选择的制约关系，阐明MIMO阵列与稀疏重构算法的联合优化机制；研究基于多维稀疏重构的MIMO雷达单次快拍三维成像方法，提出适用于稀疏雷达图像的图像分割算法和目标特征提取算法。预期成果不仅有助于推动ISAR成像新理论和新技术的发展，同时对于空天目标的预警探测具有重要的理论意义和实用价值。

为解决复杂运动目标雷达成像难题，本项目将压缩感知（CS）理论与多输入多输出（MIMO）雷达成像理论相结合，发挥压缩感知的理论优势及MIMO雷达体制优势，实现有限孔径条件下的单次快拍成像。主要研究内容有：（1）建立了单基/双基MIMO雷达单次快拍三维成像模型，分析了运动目标雷达图像稀疏性，提出了基于压缩感知的运动目标距离维稀疏表示方法和方位维稀疏表示方法；（2）分析了MIMO阵列结构对成像效果的影响，设计了两类MIMO稀布阵结构，并提出了基于联合稀疏性的行/列稀布阵MIMO雷达三维成像方法和一种基于结构化MC的随机稀布阵MIMO雷达成像方法；（3）提出了一种基于降维Kronecker CS的超分辨成像方法，并证明了降维感知矩阵满足约束等距特性，有效解决Kronecker CS方法感知矩阵维数过高的问题；提出了适用于多维稀疏信号恢复的多维SL0（MD-SL0）算法及其快速算法（FMD-SL0），拓展了传统CS方法适用范围，在保证成像效果的同时大大提高了计算效率；提出了联合稀疏重构、稀疏矩阵重构以及二维块稀疏重构等稀疏重构算法，有效提高了非平稳运动目标ISAR成像效果。（4）提出了基于多尺度内外混合先验学习的ISAR像盲去噪技术、基于空间邻域稀疏约束混合聚类的ISAR像过分割技术、基于深度候选网络的ISAR像目标检测技术、基于深度多模关系学习的ISAR像目标识别技术等，有效提升了ISAR图像信息获取与目标识别能力。共发表SCI/EI检索论文37篇，其中SCI 检索期刊论文31篇（一区3篇、二区4篇）、EI 检索期刊论文5篇、EI 检索会议论文1篇。出版专著1部（2020.03发行）。申请国家发明专利3项。培养博士研究生6名、硕士研究生5名，获中国仿真学会优秀博士学位论文1人、陕西省优秀博士学位论文1人、空军工程大学优秀博士学位论文1人。完成了相应计算、仿真和分析程序的开发。本项目的研究进一步丰富和完善了雷达成像理论，对于解决复杂运动目标成像难题、提高对空间空中目标的分类识别能力具有重要理论意义，在预警探测等国家重大安全领域具有广阔应用前景。