基于压缩感知信号重构的空时稀疏ISAR成像技术

空时稀疏ISAR成像是当前国内外研究的热点和难点，在提高成像雷达抗干扰能力、多视角观测能力、雷达组网能力和成像概率等方面具有很大的应用潜力。然而，在低信噪比大稀疏采样或目标空域变散射特性稀疏采样情况下，传统的基于外推插值或参数估计的成像算法不再适用。因此，本项目从信息处理的角度出发，结合压缩感知理论（CS）和最优化设计等方法，探索高效稳健的空时稀疏ISAR成像新方法，主要研究：1）基于稀疏数据特征分析的运动补偿技术；2）基于权矢量基空间CS理论的低信噪比下时域信号大稀疏采样目标ISAR成像算法；3）基于Bayesian-CS技术的空域稀疏采样下变散射特性目标的高分辨ISAR成像算法等。本项目所涉及的CS理论在空时稀疏ISAR信号处理中的应用研究是一个全新的课题，具有前瞻性和挑战性，也具有非常重要的研究意义和实用价值。同时本项目力争在理论和技术上有所创新，为提高ISAR目标识别概率奠定基础。

本项目为突破基于观测样本或谐波模型的数据域外推内插算法和现代谱估计技术不能解决复杂稀疏采样下目标ISAR成像的颈瓶，从信息处理的角度出发，结合压缩感知理论（CS）和最优化设计等方法，探索高效稳健的空时稀疏ISAR成像新方法，主要研究：1）基于稀疏数据特征分析的运动补偿技术；2）基于权矢量基空间CS理论的低信噪比下时域信号大稀疏采样目标ISAR成像算法；3）基于Bayesian-CS技术的空域稀疏采样下目标的高分辨ISAR成像算法等。经过近三年的研究，本项目提出了利用联合基准的包络对齐和基于稀疏数据的多特显点自聚焦技术进行稀疏数据的运动补偿方法、基于权矢量基空间CS理论实现低信噪比下时域稀疏短孔径高分辨ISAR成像方法以及基于贝叶斯估计概率统计的CS感知空时域稀疏采样的高分辨ISAR成像方法（IBSR）等，较好地解决了低信噪比条件下，空时数据稀疏采样情况时的运动目标高分辨ISAR成像的问题，拓展了对运动目标高分辨ISAR成像的应用范畴，提高了成像算法的稳健性和抗干扰能力，通过对实测数据或仿真数据的处理，验证了本项目提出方法的有效性和鲁棒性。同时，在项目研究过程中，通过对基于压缩感知信号重构的空时稀疏ISAR成像技术的总结和验证，更深入地了解到该技术的推广和应用潜力较大，可被广泛应用于空间探测、超高分辨ISAR成像、雷达组网探测、战场侦察、国土防御和空中管制等诸多方面，可以提高雷达在复杂战场环境下的抗干扰、探测、成像和识别能力，具有较大的科学研究意义和广泛的应用价值，在今后的应用研究中，需要更加深入的对该技术在不同领域的应用进行验证和改进。