分布式雷达稀疏成像技术研究.pdf

分布式雷达稀疏成像技术是近年来雷达成像领域的一个重要研究方向，旨在通过空间扩展的多发射机和多接收机阵列实现高分辨率的目标成像。这种技术将实孔径成像与虚拟孔径成像相结合，拓宽了MIMO雷达成像的概念，为雷达成像提供了统一的理论框架。 论文基于空间谱理论，构建了雷达成像的统一描述，提出了广义孔径成像的概念。这一概念揭示了孔径大小、带宽与成像分辨率之间的深刻关系。通过对InSAR（合成孔径雷达）、FD-MIMO（频率分集多输入多输出）和分布式无源雷达三种典型成像系统的分析，研究了在实际系统条件约束下，如何利用孔径、带宽以及目标的先验信息，实现高分辨率成像。同时，论文还探讨了压缩感知（CS）在分布式雷达稀疏成像中的应用及其存在的问题。 论文研究了分布式雷达稀疏成像的优化算法。针对传统稀疏重构方法在实际硬件实现时存在的复杂度较高和低信噪比（SNR）环境下稳定性较差的问题，提出了基于非凸函数约束的Homotopy DCD高分辨成像方法，这种方法具有更高的求解精度且易于硬件实现。此外，还为单测量矢量（SMV）和多测量矢量（MMV）成像分别提出了基于贝叶斯压缩感知的vB.BCS算法和基于Laplace先验的Laplace.SBL算法，显著提高了成像性能。 第三，论文关注到在对连续成像目标空间进行离散化处理时会出现的网格失配问题（Off-grid问题）。为此，提出了三种解决方案：1）基于自适应网格的反演技术；2）基于Analog CS理论的MUSIC和改进Matrix Pencil成像方法；3）两种Off-grid CS成像方法，即SAC.BCS和Omp.OMP。这些方法对网格划分不敏感，能有效地处理连续信号并提取稳健的目标信息。 第四，考虑到实际应用场景中，分布式雷达回波数据中可能存在相位误差，论文提出了两种稀疏自聚焦成像技术：APEC.IOX（基于优化迭代技术的自适应相位误差校正成像）和APEC.BCS（基于贝叶斯学习技术的自适应相位误差校正成像），这两种方法能有效改善SMV和MMV的自聚焦成像效果。 论文研究了分布式雷达扩展目标的稀疏成像方法。针对扩展目标成像时因散射点众多且分布区域化导致的空间域稀疏性减弱，提出了结合TV正则化约束的NCR.TV方法和基于扩展目标先验分布的ET-BCS方法，通过仿真验证了这些方法的有效性。 该研究论文全面探讨了分布式雷达稀疏成像的关键技术和挑战，包括理论建模、优化算法、网格失配问题、相位误差校正以及扩展目标成像，为未来分布式雷达系统的设计和性能提升提供了理论支持和实践指导。