相比频率固定的脉冲多普勒体制, 频率捷变体制在抗干扰方面具有显著优势。但在该体制下, 基于匹配滤波的信号处理算法存在旁瓣平台问题, 难以与动目标检测兼容。压缩感知理论将目标参数估计建模作为欠定方程求解, 为该问题提供了解决思路。在相参频率捷变雷达中, 压缩感知能否准确重建目标是一个基础性问题。本文梳理了针对该问题的相关研究, 借助相变理论与相变曲线的解析表达式, 定量描述了捷变频雷达重建目标的成功概率与主要系统和目标参数之间的关系; 该理论性能边界与仿真实际所能达到的性能相接近。此外, 还探讨了现有成果在实际应用中的价值, 展望了未来研究方向。
针对脉冲多普勒雷达在中脉冲重复频率下同时存在距离模糊和多普勒模糊问题, 提出了一种基于正交离散频率编码(discrete frequency coding, DFC)波形解二维模糊的方法。基于雷达循环发射的一组正交DFC信号, 在回波脉冲压缩过程中, 利用信号正交性进行距离模糊区域的分离, 完成距离解模糊。通过多普勒模糊数遍历补偿以及与keystone后相参积累结果对比, 确定正确的多普勒模糊数, 完成多普勒解模糊。经过Keystone处理后, 可以进行整个驻留时间的相参积累, 提高回波在低信噪比情况下的目标检测及参数估计能力。同时考虑了DFC信号的多普勒敏感性问题, 在精确匹配滤波过程中补偿了脉内多普勒的影响。仿真实验验证了所提方法解二维模糊的有效性以及低信噪比检测能力。
针对合成孔径雷达(synthetic aperture radar, SAR)方位向随机丢失部分数据导致目标模糊和能量分散的问题, 提出基于稀疏优化理论的重建成像方法。该方法主要针对稀疏观测场景的SAR方位向随机缺失数据的回波信号进行成像处理, 利用SAR回波模拟算子, 避免了二维回波信号矩阵变成向量的操作, 从而减小了内存占用和计算量。所提出的基于SAR近似观测模型的迭代优化重建算法能够实现对观测目标幅度的高精度重建。和传统基于匹配滤波的SAR成像算法相比, 提出的算法能够明显地消除SAR方位向随机丢失部分数据引起的目标模糊和目标能量分散。和迭代软阈值收缩算法相比, 提出的算法重建的目标幅度误差更小。理想的点目标回波数据和真实的星载SAR稀疏观测场景的回波数据处理表明了所提算法在减少重建目标误差、提高观测目标区域的目标背景比等方面有较大的优势。
利用稀疏重构类方法进行雷达微波关联成像时, 传统的正交匹配追踪(orthogonal matching pursuit, OMP)算法在每一次迭代过程中均需要求解目标函数的最小二乘解, 导致成像算法计算复杂度随矩阵规模和迭代次数增加而急剧攀升。针对此问题, 结合频率捷变思想, 提出了一种改进OMP算法的稀疏目标微波关联成像方法。首先, 阐明了微波关联成像机理, 并构建了微波关联成像信号模型; 然后, 利用共轭梯度法对OMP算法中的最小二乘求解步骤进行了改进, 并分析了改进后算法的计算量; 最后, 通过与最小二乘成像方法、匹配滤波成像方法和基于传统OMP稀疏重构的成像方法进行计算机对比仿真实验, 证明了本文算法的正确性与优越性。
双曲调频波形特有的多普勒不变性使其在远程高速目标成像方面具有显著优势。然而波形的非线性调频特性限制了其在现有宽带解调频接收系统中的应用, 且在间歇采样转发干扰情形下成像性能退化。为此, 在分析目标双曲调频波形解调频回波特性的基础上, 提出一种基于稀疏重构的干扰抑制方法。首先, 构建了双曲调频波形解调频回波模型与间歇采样转发干扰时域抑制模型。其次, 基于此模型建立了相应的稀疏矩阵, 并利用目标结构稀疏特性对重建算法进行了加速。所提出的干扰抑制与波形成像方法可实现干扰有效抑制和多目标聚焦成像。最终, 通过电磁仿真数据验证了所提方法的有效性。
在发射信号能量有限情况下, 雷达性能界定了信杂噪比(signal to interference plus noise ratio, SINR)的作用范围, 而雷达波形设计就受到SINR的约束。对此, 以提升认知雷达目标估计性能为目标, 根据相对熵的非负性条件, 从理论上推导了互信息的边界和SINR的作用阈, 并在信号相关杂波环境下, 提出一种SINR约束下基于最大化互信息的波形设计方法。仿真验证了互信息和SINR之间的单调递增、阈值限定和相互约束关系, 结果表明SINR约束下的优化波形能更充分利用发射能量, 在有目标且杂波弱的频率点提取目标信号。
针对合成孔径雷达(synthetic aperture radar, SAR)在稀疏成像中, 传统贝叶斯机器学习算法存在先验固化、成像结果容易过拟合等问题。提出一种可变成像先验贝叶斯(varying imaging prior Bayes, VIP-Bayes)学习稀疏SAR成像算法。首先, 引入可动态灵活表征目标散射特征的广义高斯分布先验。然后,在贝叶斯推理框架下进行分层建模, 后验分布推导。最后, 针对常规吉布斯采样算法无法采样复杂后验分布的问题, 引入哈密顿蒙特卡罗(Hamiltonian Monte Carlo, HMC)采样算法进行求解。另外, 考虑到HMC算法对非平滑后验分布无法采样,因此引入近端算子, 进行近端梯度近似, 提出近端-HMC(proximal-HMC, P-HMC)算法。P-HMC算法可有效解决非平滑后验采样问题。因而可实现VIP-Bayes稀疏成像。通过仿真数据进行算法有效性验证, 选取SAR实测数据与多种算法进行成像对比实验, 利用相变热力图对算法成像性能进行定量分析,验证了所提算法的实用性和优越性。