《基於雷達像結構稀疏特性的多頻帶融合ISAR成像研究》是依託中國人民解放軍國防科技大學，由高勳章擔任項目負責人的面上項目。
基本介紹
- 中文名：基於雷達像結構稀疏特性的多頻帶融合ISAR成像研究
- 項目類別：面上項目
- 項目負責人：高勳章
- 依託單位：中國人民解放軍國防科技大學
中文摘要,結題摘要,
中文摘要
利用多頻帶雷達信息融合技術實現超分辨高清晰成像是雷達信號處理的前沿課題。光學區目標的雷達回波可等效為少量散射中心回波分量的疊加，因此表征散射中心空間分布的雷達像具有塊稀疏特性；同時，在不同頻帶下散射中心之間的位置關係保持相對穩定，散射係數具有較高的相關性，因此不同頻帶的雷達像又具有內在的結構特性。針對多頻帶雷達像的這兩個特性並基於結構化稀疏表示理論，本項目提出一種嶄新的多頻帶雷達融合成像思路。在深入分析雷達像結構稀疏性表現規律的基礎上,擬重點研究多頻帶雷達像結構化稀疏建模、結構化稀疏分解、融合成像、算法性能分析以及結構稀疏表示多頻帶的有效性和局限性分析等內容，旨在提高融合成像算法的稀疏求解能力，增強ISAR成像的分辨力。通過本項目的研究力爭突破“如何利用多頻帶雷達像的結構稀疏特性提高成像分辨力”這一科學難題，推動結構化稀疏表示理論和雷達融合成像技術的發展。
結題摘要
利用多頻帶信息融合技術提高雷達像解析度是雷達信號處理領域的前沿課題。本項目利用多頻帶雷達像的結構稀疏性和散射中心分布的相關性研究了多頻帶雷達像結構化稀疏建模、融合成像以及解析度增強的稀疏表示和深度學習方法。通過四年的研究，項目按期完成了契約規定的各項研究內容，達到了預期的研究目標。項目取得的成果如下：（1）在多頻帶雷達像結構化稀疏建模方面，完成了多頻頻寬帶雷達回波建模、相位失配校正以及基於稀疏貝葉斯學習的模型參數估計方法。以空間目標多頻帶融合成像為背景，分析了多頻帶回波失配的原因，給出了多頻帶回波融合成像的時、空、頻約束條件和性能，並基於結構稀疏化模型提出了基於局部格線細化稀疏貝葉斯學習的相位失配校正方法。（2）在結構化聯合稀疏模型快速分解方面，針對傳統稀疏重構方法處理二維信號運算效率低的問題，提出了一種二維免求逆稀疏貝葉斯學習（2D-IFSBL）方法。該方法基於重構稀疏信號先驗以及觀測信號的似然函式，通過貝葉斯公式計算稀疏信號的後驗機率，實現稀疏信號重構。計算過程無需對二維信號進行向量化，有效提升了運算效率，降低了記憶體需求。（3）在多頻帶融合成像算法方面，首先對已校正好的多頻帶信號進行重採樣，然後利用採樣點的結構稀疏性，提出基於套用壓縮感知的融合成像方法，該方法需要較少人工參數設定，有較高參數估計精度且對字典原子之間的相關性不敏感。（4）在雷達像解析度增強方面，分別基於稀疏表示和深度學習方法，提出了基於字典學習的雷達像解析度增強方法和基於深度網路的雷達像解析度增強方法。與傳統的ISAR解析度增強技術相比，深度學習類方法不需要進行模型參數求解，可以同時增強距離向和方位向解析度，有效避免了譜估計方法和稀疏表示方法容易產生假散射點的問題，提高了散射點的估計精度。相比深度殘差網路方法，生成對抗網路方法在低的信噪比下仍然能較準確的恢復圖像中的弱散射點，具有更強的魯棒性。
