基于压缩感知的二维联合超分辨ISAR成像算法

2014-05-22邢孟道

电子与信息学报 2014年1期

关键词：方位信噪比分辨率

吴敏邢孟道张磊

吴敏*邢孟道张磊

(西安电子科技大学雷达信号处理国家重点实验室西安 710071)

逆合成孔径雷达(ISAR)；2维超分辨成像；压缩感知(CS)；稀疏先验信息

1 引言

ISAR成像的距离和方位分辨率与雷达系统带宽以及成像积累角有关。发射大带宽信号可提高距离向分辨率，但在实际中会受到限制，较大的信号频谱宽度会增加回波的数据量，造成雷达系统设计的复杂性。提高成像积累角可以改善方位向的分辨率，但是这需要较长的观测时间，易受外界干扰，而且ISAR目标在较长观测时间内运动一般是不平稳的，这会增加成像复杂度[1]。因此，研究如何改善有限带宽和小角度观测数据下ISAR成像的2维分辨率具有重要意义。

2 联合超分辨成像模型

2.1观测信号模型

假设雷达发射线性调频信号为

图1 ISAR转台模型

将式(4)代入式(3)可得ISAR观测信号模型的离散形式为

2.2 联合超分辨成像模型

3 联合超分辨成像处理

3.1 联合超分辨求解

其中

2维联合超分辨成像流程图如图2所示。

3.2 运算量分析

图2 2维联合超分辨算法流程

4 实验验证与分析

下面用仿真数据和实测数据验证本文的2维联合超分辨成像效果。仿真实验通过与传统R-D成像方法的对比，验证2维联合超分辨算法提高分辨率的能力。实测数据实验中，从超分辨性能和抗噪性能两方面比较几种超分辨算法，验证本文算法的优越性。

4.1 仿真数据实验

从图3可看出，传统R-D成像算法由于受到雷达带宽和成像积累角的限制，距离和方位分辨率较低，方位向和距离向的各个点目标难以分辨。运用FFT插值算法所得成像，由于只增加了采样点数，并未从本质上增加带宽和成像积累角，各个点目标也没有被分开。经过本文的2维稀疏超分辨成像处理，方位向和距离向的4个点目标很好地被区分开，并且目标散射系数的幅度基本保持一致，准确反演了目标2维位置信息，实现了对目标的超分辨成像。

图3 点目标仿真结果

4.2 实测数据实验

通过对比可明显看出，在较高信噪比下，3种算法均能很好地实现超分辨成像，但随着信噪比的降低，当SNR=5 dB时，RELAX和Burg外推算法所得超分辨成像出现了大量的虚假点，2维联合超分辨算法的成像结果几乎没有虚假点。随着信噪比的进一步降低，在SNR=0 dB时，通过RELAX和Burg外推算法处理所得目标几乎淹没在噪声背景中，而本文算法依然能正确地反演目标形态。由此可知，由于在参数估计中考虑了加性噪声的统计特性，本文算法具有很强的噪声抑制能力，在低信噪比情况下依然能有效实现对目标的2维联合超分辨。

5 结束语

本文提出了基于压缩感知的2维联合超分辨成像算法，能有效提高ISAR成像的2维分辨率。通过对距离和方位向的联合处理，完整保留了目标2维耦合信息；通过运用CG, FFT和Hadamard乘积，大大提高了算法的运算效率。但所提算法是基于傅里叶模型构建的，要求信号相对平稳，不能有效处理强机动目标，下一步工作将探索更完善模型的构建，对强机动目标进行超分辨成像处理。

图4 超分辨性能对比

[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达成像处理中的应用[D]. [博士论文], 国防科技大学, 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] 张磊. 高分辨SAR/ISAR成像及误差补偿技术研究[D]. [博士论文], 西安电子科技大学, 2012.

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

吴敏：女，1988年生，博士生，研究方向为ISAR超分辨成像.

邢孟道：男，1975年生，教授，博士生导师，研究方向为雷达成像和模式识别等.

张磊：男，1984年生，讲师，研究方向为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