MIMO-SAR非理想正交波形的CS分离方法研究

MIMO-SAR is a new radar imaging system which has obvious advantage on high resolution wide swath imaging, but the non-ideal orthogonal waveforms would seriously impede the imaging quality. In order to solve the problem of coupling interference by using the traditional matched filter, the waveform design and echo separation are considered jointly and a method based on Compressed Sensing(CS) is proposed to directly reconstruct different echoes’ waveform components in this project. Firstly, we plan to analyze the scientific meaning of orthogonal waveform in the framework of CS, clarify the requirement of sparse recovery for orthogonal waveforms and propose the parametric sparse representation method for target echo. And then, we construct joint optimization model of orthogonal waveforms and compressive sampling, uncover the influence rule of orthogonal waveforms and down-sampling strategy on the separation effect, and explore intelligent optimization algorithms for many-objective optimization problems. Finally, we analyze the sparsity of extended target echo, study the influence rule of structured sparsity for echo reconstruction performance and propose the sparse reconstruction method applied to extend target. This project’s development and the research achievements are hopeful to remarkably improve the imaging quality of MIMO-SAR and have important theoretical meaning and applicable value in promoting the development of MIMO-SAR.

MIMO-SAR是一种新型成像体制，在高分辨宽测绘带成像等方面具有显著优势，但存在发射波形非理想正交的难题，严重影响MIMO-SAR成像质量。为解决传统匹配滤波器非理想正交波形分离存在耦合干扰的问题，本项目将波形设计与回波分离联合考虑，提出一种利用压缩感知图像稀疏性直接重构目标图像的CS波形分离方法。项目将分析压缩感知框架下波形“正交”性的科学含义，阐明稀疏恢复对正交波形集的特性需求，提出目标回波的参数化稀疏表示方法；在此基础上构建正交波形与压缩采样的联合优化模型，揭示正交波形集、降采样策略对波形分离的作用机理，探索高维多目标优化问题的智能优化算法；分析扩展目标回波的稀疏性，研究结构化稀疏特性对回波重构性能的影响规律，提出适用于扩展目标回波分离的稀疏恢复方法。本项目的开展及其研究成果有望大大提高MIMO-SAR成像质量，对于促进MIMO-SAR成像技术的发展具有重要的理论意义和应用价值。

本项目针对MIMO成像雷达非理想正交波形耦合干扰问题，以压缩感知理论为突破口，深入开展了基于压缩感知理论框架的MIMO雷达非理想正交波形成像方法研究。主要研究内容如下：（1）基于目标一维距离像稀疏性，建立了针对非理想正交波形的MIMO雷达回波分离与二维成像模型，该模型通过稀疏恢复算法直接重构不同波形对应的一维距离像序列，同时实现波形分量分离。相比基于匹配滤波的波形分离及成像方法，该成像模型及方法能够较好地抑制非理想正交波形的互耦干扰，提升了MIMO雷达成像效果。（2）较为全面地分析了匹配滤波成像和压缩感知成像对发射波形特性需求的联系与区别，建立了MIMO雷达正交波形的综合优化目标函数，提出了相应的优化求解算法，相比随机波形集，优化后波形集成像效果有所提升；考虑场景的动态变化特性，进一步提出了基于目标场景认知的自适应波形优化设计方法，相比未优化波形，经过认知优化的波形成像效果显著提升。研究了面向MIMO雷达成像的压缩测量矩阵设计方法，在相同降采样量下，优化后测量矩阵的成像性能优于随机测量矩阵。（3）针对扩展目标一维距离像稀疏性不足的问题，提出了一种通用的MIMO雷达计算成像方法，该方法适用于非理想正交波形、不规则阵列结构和非均匀采样的情况，对于病态感知矩阵仍然适用。进一步针对计算成像方法内存、计算量大的问题，通过建立张量模型并引入信号支撑域先验信息，提出了一种基于多维稀疏恢复和支撑域先验的MIMO雷达三维成像方法，相比一维稀疏成像方法，该方法不仅内存量和计算量小，且成像质量更高。研究成果共发表SCI检索论文20篇，其中SCI一区论文6篇，EI检索期刊论文1篇；出版专著1部；授权国家发明专利1项；培养博士研究生4名、硕士研究生2名，获中国仿真学会优秀博士学位论文1人；获陕西省科技工作者创新创业大赛二等奖1项。本项目的研究进一步丰富了CS-MIMO雷达成像理论体系，对于解决MIMO雷达同频正交波形耦合难题、提升成像质量提供了可能，能够有效推动MIMO成像系统由目前的时分体制向更高效的码分体制发展。