基于频域信息融合和稀疏贝叶斯学习的高分辨ISAR成像

为了在ISAR成像中更好地压制噪声,消除条纹干扰,提高成像分辨率,本文提出一种基于双向插值处理和频域信息融合的稀疏贝叶斯学习算法,称之为BI-FF SBL算法。该方法首先对回波信号分别进行径向和横向插值预处理,将预处理得到的两份数据通过LA-VB算法进行ISAR成像;然后将得到的两幅ISAR图像通过二维傅里叶变换进入频域,并将两个二维频谱进行信息融合处理,以消除噪声和条纹干扰的相关信息并保留目标结构信息;最后对融合处理后的频谱进行二维傅里叶逆变换,得到最终的ISAR图像。为了验证BI-FF SBL算法的ISAR成像效果,本文进行了基于仿真数据和实测数据的成像实验,并将实验结果与R-D算法、L1-BP算法、LA-VB算法进行对比,发现BI-FF SBL算法在压制噪声和去除条纹干扰方面具有明显的优势,且能提供分辨率更高的ISAR图像。当实验数据信噪比降到0 dB时,BI-FF SBL算法依然能够提供清晰的ISAR图像,明显优于其他三种算法。测试超分辨重构误差的实验结果表明,相比于L1-BP算法和LA-VB算法,BI-FF SBL算法的重构误差更低,在实验数据信噪比为0 dB时,重构信噪比可以达到13.55 dB。

频率步进信号距离—方位联合超分辨成像方法

对距离向、方位向二维稀疏的频率步进信号模型,基于压缩感知理论,研究了一种适用于稀疏频率步进回波的距离-方位联合逆合成孔径雷达(Inverse Synthetic Aperture Radar,ISAR)超分辨成像方法.首先对稀疏频率步进回波进行建模,在此基础上构建了距离向和方位向二维稀疏时的联合稀疏基,最后利用二维平滑0-范数法在矩阵域直接进行处理,得到最终的ISAR超分辨成像结果.并对算法复杂度、超分辨性能进行了分析,得出了相应的结论.理论分析和仿真结果表明所提方法在不同稀疏方式、不同稀疏条件下具有更好成像质量、更快处理速度的优势.