贝叶斯稀疏孔径复杂运动空间目标ISAR成像技术研究

With the capability of achieving high-resolution radar image of the moving space target, Inverse Synthetic Aperture Radar (ISAR) imaging is essential for space targets detection and recognition. However, it is still a challenge to acquire high-resolution radar image of the space target with complex motion, especially for the sparse aperture signal. This project focuses on Bayesian sparse aperture ISAR coherent processing interval selection (CPI), autofocusing and high order motion compensation for space targets with complex motion. Firstly, the statistical model of the radar echo and the complex motion model of target are built. Motion parameters of the target are jointly estimated through sparse Bayesian learning during the reconstruction of ISAR image. Then, the estimate parameters are utilized to compensate the initial and high order phase errors that introduced by the translational motion and complex motion of the target, respectively. Also, the estimate parameters can be used to achieve cross-range scaling for sparse aperture ISAR imaging. When this project is accomplished, we expect to answer “how to achieve high-resolution ISAR images of space targets with complex motion under the sparse aperture condition”.

逆合成孔径雷达（ISAR）成像技术可获取运动目标高分辨率雷达图像，是空间目标探测与识别的重要手段。然而目前的成像雷达仍然难以获得复杂运动空间目标高分辨率ISAR图像，尤其是在稀疏孔径条件下，复杂运动空间目标ISAR成像难度进一步增加。针对稀疏孔径条件下复杂运动空间目标ISAR成像的难点，本项目拟开展基于贝叶斯框架的稀疏孔径复杂运动空间目标ISAR成像区间选取、自聚焦、横向定标与高阶运动补偿技术研究。针对特定场景的复杂运动空间目标，进行稀疏孔径雷达回波统计建模与目标高阶运动建模，选取稀疏孔径回波数据最优成像区间。研究基于稀疏贝叶斯学习的联合参数估计方法，在ISAR图像稀疏重构的过程中联合估计目标运动参数，以补偿由目标平动引起的初相误差，以及由目标复杂运动引起的高阶相位误差，并实现ISAR图像横向定标，回答“如何在稀疏孔径条件下获取复杂运动空间目标高分辨率ISAR图像”的科学问题。

逆合成孔径雷达（ISAR）成像是空间目标探测识别的重要手段。目前，ISAR成像技术可以获取平稳运动空间目标的清晰图像，但在稀疏孔径条件下，对复杂运动空间目标的ISAR成像难度仍然较大。.复杂运动空间目标雷达回波瞬时多普勒为非平稳信号。因此该类目标成像首先要选取合适的成像区间。项目提出了基于重排时频分析的成像区间选取算法，首先对ISAR一维距离像进行降噪预处理，进一步应用重排时频分析方法，选取多普勒变化平稳的区间。最后通过稀疏贝叶斯学习重构清晰ISAR图像。.在稀疏孔径条件下，传统自聚焦算法精度严重下降，而基于压缩感知的自聚焦方法运算效率较低。针对上述问题，项目提出了一种基于交替方向乘子法（ADMM）的ISAR成像与自聚焦方法。该方法将最小熵准则应用于ADMM结合估计目标初相误差，实现了稀疏孔径ISAR自聚焦，并具有较高的运算效率。针对空间目标结构复杂的特点，项目提出熵与结构化稀疏联合约束的稀疏孔径ISAR自聚焦与成像方法。通过对目标结构性稀疏先验信息进行建模，增强了成像质量。并基于最小熵准则，对初相误差进行联合估计。该算法构建了变分贝叶斯（VB）的松弛证据下界，改善了运算效率。.复杂运动目标回波平动补偿后仍存在高阶相位误差，经典方法往往忽略其与初相误差的耦合。针对该难题，项目提出了一种基于VB估计与最小熵的稀疏孔径ISAR联合自聚焦与横向定标方法。在成像过程中，利用基于修正牛顿迭代的最小熵方法，联合实现自聚焦与高阶相位误差补偿。最后，利用高阶相位误差系数估计目标转速，实现了稀疏孔径ISAR成像横向定标。.稀疏孔径条件下，传统方法无法有效抑制目标微动部件的微多普勒效应。基于该问题，项目提出了一种基于低秩与稀疏联合约束的带微动部件目标稀疏孔径ISAR成像方法，将该问题建模成为三重约束下的欠定问题，并采用ADMM进行快速求解，从而得到目标主体ISAR图像。.项目所研究内容，均经过多批次、多类型实测数据验证，取得了较高成像效果与良好的实时性。对于推动研究成果实用化进程具有重大意义。