基于贝叶斯压缩感知的ISAR自聚焦成像.docx

基于贝叶斯压缩感知的ISAR自聚焦成像
摘要：
Inthispaper,acompressedsensingbasedself-focusingimagingapproachisproposedforInverseSyntheticApertureRadar(ISAR)imaging.TheproposedapproachcombinesBayesiancompressivesensingtheorywiththeself-focusingimaging,whichcansignificantlyreducethenumberofmeasurementsrequiredforimagereconstruction.ExperimentresultsdemonstratetheeffectivenessandrobustnessoftheproposedapproachforISARimaging.
关键字：ISAR；压缩感知；自聚焦成像；贝叶斯理论
1.简介
ISAR成像技术是一种重要的无源目标识别技术，广泛应用于舰船、飞机等大型目标的检测识别。在ISAR成像中，由于雷达发射信号不受控制，接收信号包含有多普勒频移和多普勒扩宽等多种复杂情况，对图像的质量造成了巨大的影响，因此ISAR成像需要在成像过程中进行自聚焦。
压缩感知技术是近年来快速发展的一种新型信号采样与处理技术，可以针对高维信号进行有效的压缩采样和重构处理，从而实现便捷高效的数据处理。因此，将压缩感知技术应用于ISAR成像中的自聚焦成像过程中，可以有效地降低数据量，并提高图像重构的效率和准确性。
2.贝叶斯压缩感知原理
贝叶斯压缩感知核心思想是在贝叶斯理论框架下，将信号稀疏性、随机矩阵运算、测量噪声等方面的先验信息融合，从而实现高维数据的快速压缩采集和重构处理。在ISAR自聚焦成像中，应用贝叶斯压缩感知技术，可以采用少量的非自适应线性测量，即可对复杂多变的ISAR信号进行高效的重构处理，从而实现自聚焦成像的目的。
3.贝叶斯压缩感知应用于ISAR自聚焦成像
基于贝叶斯压缩感知应用于ISAR自聚焦成像，主要包括以下几个步骤：
（1）采集信号：在ISAR成像过程中，以脉冲ISR信号为例，通过内插FFT算法获得信号矩阵Y，其中样本数为K，采样频率为F_s，采样时间为T。
（2）压缩采样：采用随机矩阵A，将信号Y进行压缩后得到压缩测量值Z。
（3）参数估计：通过先验信息求解信号的稀疏表示，得到稀疏表示矩阵X。
（4）图像重构：通过计算出的稀疏表示矩阵X，将压缩测量值Z重构为原始信号Y。
（5）自聚焦成像：根据重构后的信号Y，采用ISAR自聚焦成像方法进行成像处理。
4.实验结果与分析
通过对多组数据的实验结果进行分析，可以发现基于贝叶斯压缩感知技术的ISAR自聚焦成像方法有着明显的优势和应用前景：
（1）较低的数据采样率：与传统ISAR成像方法相比，所需采集的ISAR数据量较小，因此采样速度更快，成像效率更高。
（2）较高的图像质量：采用贝叶斯压缩感知算法对ISAR数据进行重构，可以有效地增强图像的清晰度和对比度，提高目标识别准确率。
5.结论
本文提出了基于贝叶斯压缩感知技术的ISAR自聚焦成像方法，将压缩感知理论与自聚焦成像技术相结合，成功地实现了高效低功耗的ISAR成像处理。经实验验证，所提出方法具有较低的数据采样率和较高的图像质量，能够提高ISAR目标识别的准确率和成像速度，具有良好的应用前景。