基于稀疏观测的雷达目标三维重构技术

雷达成像技术通常用来获得目标的一维像和二维像，它们只能反映目标三维散射结构在视线方向或成像平面上的投影，存在信息不完整、姿态敏感性强等问题。而雷达三维成像依赖于波数域体支撑集中的稠密采样和波数域-图像域的傅立叶变换关系，数据量和计算量都很大，实现困难。实际上，除了三维雷达图像，人造目标的三维散射特性还可以用参数化模型描述，而且模型参数的数量远小于图像像素单元的数量。因此，对于稀疏观测数据，可以在模型约束下通过参数估计或稀疏信号恢复等方法重构目标的三维散射信息。本课题针对散射特性测量和非合作目标特征提取两种应用，研究基于稀疏观测的雷达目标三维重构技术，研究内容包括：基于稀疏观测的重构性能分析；基于波数域体支撑集稀疏采样的散射模型参数估计方法和三维雷达图像恢复方法、基于目标三维转动形成的曲线孔径观测数据的三维重构方法等。研究成果可为散射特性分析、特征提取、目标识别等应用提供技术支持。

雷达目标的三维图像与目标的形状结构有直接的对应关系，含有丰富的目标特征信息，在散射特性分析、图像理解、目标识别等应用中有重要意义，但三维成像所要求的波数域体支撑集稠密采样使得成像数据获取难度很大。本课题基于准光学区雷达目标散射特性的三维稀疏表示模型，研究基于波数域稀疏观测的雷达目标三维重构技术。主要研究内容和取得的成果如下。（1）针对暗室测量、电磁计算等转台三维数据获取条件，深入研究了基于压缩感知原理的三维雷达图像重构问题。通过统计实验分析了观测稀疏度、采样方式等对重构性能的影响，结果表明相同的观测稀疏度下，非均匀网格化稀疏采样方式重构性能略低于三维随机稀疏采样方式，但实际应用中的可实现性更好。针对三维词典规模大的问题，提出张量压缩感知三维雷达图像重构算法，内存消耗量由o(N6)降低到o(N2)，运算量由o(N6)降低到o(N4)，大大提高了大尺寸目标三维重构的可实现性；证明了张量优化问题与向量优化问题解的等价性；采用暗室测量数据验证了算法的有效性。（2）针对外场目标特性数据获取条件，开展了单一俯仰角、稠密方位角观测下的三维散射模型重构问题研究。提出了基于子孔径划分和二维投影点估计的三维散射中心模型重构算法。对算法中的误差传递关系进行了理论分析，揭示了方位孔径大小、俯仰角、二维投影点位置精度等因素对三维散射中心位置估计的影响规律。采用电磁计算数据对算法和性能分析的结论进行了验证。结果表明，重构的散射中心模型能揭示目标主要散射源的散射机理，可用于目标特性的精细分析；重构的散射中心模型能恢复并外推其他俯仰角下的雷达图像，外推性能优于基于雷达图像的俯仰角外推性能。这一特点可用于提高SAR识别算法的俯仰角适应性。（3）针对高分辨雷达对非合作机动目标观测场景，研究了基于视角未知的曲线孔径的三维散射中心位置重构问题。分析了不同孔径大小、孔径形式下投影方程解的模糊性；提出了小转角下基于相位历程矩阵奇异值分解的散射中心位置重构算法，该算法能在二维转动情形下校正非均匀转动引起的图像散焦，在三维转动情形下获得目标的三维散射中心位置估计，采用电磁计算数据和外场实测飞机目标数据进行了验证。该方法能提高宽带雷达对机动目标的特征提取能力，在非合作目标标识别中有较好的应用前景。