基于壓縮感知的二維聯合超分辨ISAR成像算法

吳 敏 邢孟道 張 磊

?

基于壓縮感知的二維聯合超分辨ISAR成像算法

吳 敏*邢孟道 張 磊

(西安電子科技大學雷達信號處理國家重點實驗室 西安 710071)

逆合成孔徑雷達(ISAR)；2維超分辨成像；壓縮感知(CS)；稀疏先驗信息

1 引言

ISAR成像的距離和方位分辨率與雷達系統帶寬以及成像積累角有關。發射大帶寬信號可提高距離向分辨率，但在實際中會受到限制，較大的信號頻譜寬度會增加回波的數據量，造成雷達系統設計的復雜性。提高成像積累角可以改善方位向的分辨率，但是這需要較長的觀測時間，易受外界干擾，而且ISAR目標在較長觀測時間內運動一般是不平穩的，這會增加成像復雜度[1]。因此，研究如何改善有限帶寬和小角度觀測數據下ISAR成像的2維分辨率具有重要意義。

2 聯合超分辨成像模型

2.1觀測信號模型

假設雷達發射線性調頻信號為

圖1 ISAR轉臺模型

將式(4)代入式(3)可得ISAR觀測信號模型的離散形式為

2.2 聯合超分辨成像模型

3 聯合超分辨成像處理

3.1 聯合超分辨求解

其中

2維聯合超分辨成像流程圖如圖2所示。

3.2 運算量分析

圖2 2維聯合超分辨算法流程

4 實驗驗證與分析

下面用仿真數據和實測數據驗證本文的2維聯合超分辨成像效果。仿真實驗通過與傳統R-D成像方法的對比，驗證2維聯合超分辨算法提高分辨率的能力。實測數據實驗中，從超分辨性能和抗噪性能兩方面比較幾種超分辨算法，驗證本文算法的優越性。

4.1 仿真數據實驗

從圖3可看出，傳統R-D成像算法由于受到雷達帶寬和成像積累角的限制，距離和方位分辨率較低，方位向和距離向的各個點目標難以分辨。運用FFT插值算法所得成像，由于只增加了采樣點數，并未從本質上增加帶寬和成像積累角，各個點目標也沒有被分開。經過本文的2維稀疏超分辨成像處理，方位向和距離向的4個點目標很好地被區分開，并且目標散射系數的幅度基本保持一致，準確反演了目標2維位置信息，實現了對目標的超分辨成像。

圖3 點目標仿真結果

4.2 實測數據實驗

通過對比可明顯看出，在較高信噪比下，3種算法均能很好地實現超分辨成像，但隨著信噪比的降低，當SNR=5 dB時，RELAX和Burg外推算法所得超分辨成像出現了大量的虛假點，2維聯合超分辨算法的成像結果幾乎沒有虛假點。隨著信噪比的進一步降低，在SNR=0 dB時，通過RELAX和Burg外推算法處理所得目標幾乎淹沒在噪聲背景中，而本文算法依然能正確地反演目標形態。由此可知，由于在參數估計中考慮了加性噪聲的統計特性，本文算法具有很強的噪聲抑制能力，在低信噪比情況下依然能有效實現對目標的2維聯合超分辨。

5 結束語

本文提出了基于壓縮感知的2維聯合超分辨成像算法，能有效提高ISAR成像的2維分辨率。通過對距離和方位向的聯合處理，完整保留了目標2維耦合信息；通過運用CG, FFT和Hadamard乘積，大大提高了算法的運算效率。但所提算法是基于傅里葉模型構建的，要求信號相對平穩，不能有效處理強機動目標，下一步工作將探索更完善模型的構建，對強機動目標進行超分辨成像處理。

圖4 超分辨性能對比

[1] Suwa K, Toshio Wakayama, and Iwamoto M. Three-dimensional target geometry and target motion estimation method using multistatic ISAR movies and its performance[J]., 2011, 49(6): 2361-2373.

[2] Wu P R A. criterion for radar resolution enhancement with Burg algorithm[J]., 1995, 31(3): 897-915.

[3] Bi Z, Li J, and Liu Z S. Super resolution SAR imaging via parametric spectral estimation methods[J]., 1999, 35(1): 267-281.

[4] 杜小勇. 稀疏成份分析及在雷達成像處理中的應用[D]. [博士論文], 國防科技大學, 2005.

[5] Donoho D L. Compressed sensing[J]., 2006, 52(4):1289-1306.

[6] Zhang Lei, Qiao Zhi-jun, Xing Meng-dao.. High- resolution ISAR imaging by exploiting sparse apertures[J]., 2012: 60(2): 997-1008.

[7] Zhang Lei, Sheng Jia-lian, Xing Meng-dao,.. Coherent processing for ISAR imaging with sparse apertures synthetic aperture radar[C]. European Conference on Synthetic Aperture Radar 2012, Nuremberg, Germany, April 23-26, 2012: 267-270.

[8] Lane R O, Copsey K D, andWebb A R. A Bayesian approach to simultaneous autofocus and super-resolution[C]. Proceedings of International Society for Optical Engineering, Orlando, America, September 2, 2004, 5427: 133-142.

[9] Simoncelli E P and Adelson E H. Noise removal via Bayesian wavelet coring[C]. Proceedings of 3rd IEEE International Conference on Image Processing, Lausanne, Switzerland, September16-19, 1996, 1: 379-382.

[10] Zhu D, Wang L, Yu Y,.. Robust ISAR range alignment via minimizing the entropy of the average range profile[J]., 2009, 6(2): 204-208.

[11] Munoz-Ferreras J M, Perez-Martinez F, and Datcu M. Generalisation of inverse synthetic aperture radar autofocusing methods based on the minimization of the Renyi entropy[J].&, 2010, 4(4): 586-594.

[12] Ye W, Yeo T S, and Bao Z. Weighted least squares estimation of phase errors for SAR/ISAR autofocus[J]., 1999, 37(5): 2487-2494.

[13] Ji S, Xue Y, and Carin L. Bayesian compressive sensing[J]., 2008, 56(6): 2346-2356.

[14] 張磊. 高分辨SAR/ISAR成像及誤差補償技術研究[D]. [博士論文], 西安電子科技大學, 2012.

[15] Zhou Hua, Alexander D, and Lange K. A quasi-Newton acceleration for high-dimensional optimization algorithms[J]., 2011, 21(2): 261-273.

吳 敏： 女，1988年生，博士生，研究方向為ISAR超分辨成像.

邢孟道： 男，1975年生，教授，博士生導師，研究方向為雷達成像和模式識別等.

張 磊： 男，1984年生，講師，研究方向為SAR/ISAR超分辨成像.

Two Dimensional Joint Super-resolution ISAR Imaging Algorithm Based on Compressive Sensing

Wu Min Xing Meng-dao Zhang Lei

(,,’710071,)

InverseSynthetic Aperture Radar (ISAR); 2D super-resolution imaging; Compressive Sensing (CS); Sparse prior information

TN957.52

A

1009-5896(2014)01-0187-07

10.3724/SP.J.1146.2012.01597

2012-12-07收到，2013-10-08改回

國家自然科學基金優秀青年基金(61222108)和中央高校基本科研業務費(K5051302001, K5051302038)資助課題

吳敏 wumin880902@hotmail.com