基于贝叶斯学习的稀疏孔径ISAR自聚焦与横向定标方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN109100718A(43)申请公布日2018.12.28(21)申请号201810748699.8(22)申请日2018.07.10(71)申请人中国人民解放军国防科技大学地址410003湖南省长沙市开福区德雅路109号(72)发明人张双辉刘永祥黎湘霍凯姜卫东龚婷(74)专利代理机构长沙中科启明知识产权代理事务所(普通合伙)43226代理人任合明(51)Int.Cl.G01S13/90(2006.01)权利要求书5页说明书8页附图6页(54)发明名称基于贝叶斯学习的稀疏孔径ISAR自聚焦与横向定标方法(57)摘要本发明属于雷达信号处理领域，具体涉及一种基于贝叶斯学习的稀疏孔径ISAR自聚焦与横向定标方法。该方法首先利用拉普拉斯分层模型对ISAR图像进行稀疏先验建模，再利用变分贝叶斯方法对ISAR图像进行稀疏重构，在ISAR图像重构过程中，利用修正牛顿迭代方法，同时估计相位误差与目标转速，以实现稀疏孔径条件下的ISAR自聚焦与横向定标。本发明取得的有益效果为：通过本发明可实现稀疏孔径条件下的ISAR自聚焦与横向定标，在低信噪比、强干扰、有效孔径不足等因素引起的雷达回波数据孔径稀疏条件下，仍可获取聚焦效果好、分辨率高、横向定标准确的ISAR图像，具有重要的工程应用价值，且可为压缩感知雷达设计提供理论支撑。CN109100718ACN109100718A权利要求书1/5页1.一种基于贝叶斯学习的稀疏孔径ISAR自聚焦与横向定标方法，其特征在于，该方法包括以下步骤：S1对包络对齐以后的目标一维像序列进行稀疏表示建模：包络对齐后的目标一维像序列可离散表示为：其中，Y(n,m)为一维像序列，n、m分别为距离单元与脉冲序号，n＝1,2，…,N、m＝1,2，…,M，N、M分别为距离单元与脉冲总数，T、fc、Pr、c为发射信号脉宽、中心频率、脉冲重复频率与传播速度，Pn为目标位于第n个距离单元的散射点个数，则目标散射点总数P为：σp、xp、yp＝kn+l分别为第p个散射点的后向散射系数、横坐标与纵坐标，其中B为发射信号带宽，l为目标旋转中心纵坐标，为第m个脉冲的相位误差，ω为目标旋转速度，Ω为目标旋转速度的平方，即：Ω＝ω2，j为虚数单位；在稀疏孔径条件下，雷达回波脉冲采样非均匀；当稀疏孔径数据包含Q个脉冲时，全孔径数据包含M个脉冲，则Q<M；稀疏孔径数据第q个脉冲在全孔径数据中的序号为Iq，则稀疏T孔径数据序号向量可表示为I＝[I1,…,Iq]，q＝1,2,…,Q；此时，式(1)所示的一维像序列可进一步表示为如下矩阵形式：Y·n＝ERnFX·n+εn(2)其中分别为稀疏孔径条件下第n个距离单元的一维距离像、ISAR像以及噪声，K表示ISAR像多普勒单元总数；为相位误差矩阵，该矩阵为对角矩阵，其第q个对角线元素为第q个脉冲相位误差：表示稀疏孔径数据中第q个脉冲的相位误差；为目标旋转引起的二阶相位误差矩阵，对应式(1)中的二阶相位项，该矩阵同样为对角矩阵，其第q个对角线元素为第q个脉冲中的二阶相位误差：其中为部分傅里叶矩阵：F＝[f-K/2,…,fK/2-1]，其中fk为第k个傅里叶基：本发明通过稀疏贝叶斯学习方法重构ISAR图像，需要对式(2)所示的一维像序列模型进行统计建模；当噪声εn服从均值为零的复高斯分布时，一维像序列Y·n的似然函数如下式所示：其中为稀疏孔径相位误差向量：DQ表示尺寸为Q×Q的单位矩阵，β为方差倒数，令其服从伽马分布：2CN109100718A权利要求书2/5页对于式(2)中ISAR像X·n，令其服从拉普拉斯分层模型，以对其稀疏特性进行建模：其中λk,n为X·n中第k个元素所服从拉普拉斯分布的尺度因子，λ·n为尺度因子向量；在拉普拉斯分层模型中，令尺度因子向量λ·n服从逆伽马分布：S2通过变分贝叶斯方法重构ISAR像X·n：通过贝叶斯方法对ISAR像X·n进行稀疏重构，需要推导X·n、λ·n与β的后验概率，再对后验概率的期望进行循环迭代，直至收敛，最终所得X·n后验概率的期望即为所重构ISAR像X·n；由于涉及多重积分，直接通过贝叶斯公式无法计算后验概率；变分贝叶斯方法是一种近似的贝叶斯推导方法，该方法假设后验概率可因式分解：其中q(X·n)、q(λ·n)、q(β)分别为X·n、λ·n与β的近似后验概率密度；q(λ·n)、q(β)可直接通过先验概率与似然函数的共轭性质获得：其中，<|Xk,n|>分别表示|Xk,n|关于近似后验概率q(X·n)的期望，||·||F表示F范数；进一步通过拉普拉斯估计方法求解q(X·n)，可得：其中期望μ·n与协方差矩阵Σn分别为：HHHμ·n＝<β>ΣnFRnEY·n(9)H其中<β>为β关于q(β)的期望，为关