1、空天目標(biāo)(aerospace target)即航空和航天目標(biāo),它包含大氣層中飛行的飛機(jī)、飛艇等航空目標(biāo)和在稠密大氣層外,距離地球表面100公里以上宇宙空間中的人造飛行器和空間碎片等航天目標(biāo)。通過對(duì)空天目標(biāo)的逆合成孔徑雷達(dá)(ISAR)成像,能夠獲得其運(yùn)動(dòng)態(tài)勢(shì)和各種結(jié)構(gòu)特征,為目標(biāo)分類、識(shí)別和編目提供有力的技術(shù)支撐。因此,空天目標(biāo)ISAR成像技術(shù)在國家安全和發(fā)展方面發(fā)揮著重要作用。現(xiàn)在ISAR成像技術(shù)己發(fā)展到較高水平,但由于空天目標(biāo)的特殊性

2、,尚有不少問題有待解決,本論文主要針對(duì)這些問題進(jìn)行研究,主要問題有:具有旋轉(zhuǎn)部件目標(biāo)和自旋目標(biāo)的ISAR成像、稀疏頻帶和稀疏孔徑ISAR成像、群目標(biāo)ISAR成像等。這些問題已分別列入國家自然科學(xué)基金“多維度微波成像信息處理研究”、“微多普勒分析與目標(biāo)微動(dòng)成像技術(shù)”和“863”課題“空間目標(biāo)雷達(dá)寬帶特性測(cè)量與成像研究”等項(xiàng)目的研究中。
　　 論文的內(nèi)容可概括為如下六個(gè)部分:
　　 為便于說明研究工作的已有基礎(chǔ),第一部分扼要

3、介紹了ISAR成像的基本原理,并對(duì)現(xiàn)有的基本ISAR成像方法進(jìn)行了總結(jié)和歸納。
　　 第二部分研究了具有旋轉(zhuǎn)部件目標(biāo)的ISAR回波分離和二維成像算法。建立了具有旋轉(zhuǎn)部件目標(biāo)的ISAR成像模型,并根據(jù)目標(biāo)回波的特征提出一種有效的成像流程以獲得剛體部分和旋轉(zhuǎn)部件的全面信息。在旋轉(zhuǎn)部件與剛體回波分離方面,提出了基于復(fù)數(shù)經(jīng)驗(yàn)?zāi)B(tài)分解(CEMD)和低調(diào)頻率匹配濾波的分離方法。在旋轉(zhuǎn)部件二維成像方面,提出了基于實(shí)數(shù)逆-Radon變換(RIR

4、T)和復(fù)數(shù)逆-Radon變換(CIRT)的成像方法,并對(duì)算法的性能進(jìn)行了分析。針對(duì)所提算法在實(shí)際應(yīng)用中可能遇到的問題,提出了相應(yīng)的解決方法。通過對(duì)仿真數(shù)據(jù)和實(shí)測(cè)數(shù)據(jù)的處理驗(yàn)證了相關(guān)算法的有效性。
　　 第三部分研究了自旋目標(biāo)的窄帶雷達(dá)ISAR成像方法。根據(jù)自旋目標(biāo)的窄帶雷達(dá)回波特征,提出了基于窄帶復(fù)數(shù)后向投影的自旋目標(biāo)窄帶雷達(dá)成像算法,并推導(dǎo)了算法的分辨率。針對(duì)高速旋轉(zhuǎn)目標(biāo)回波通常存在方位欠采樣的情況,根據(jù)壓縮感知(CS)理論和

5、目標(biāo)回波的稀疏性特點(diǎn),提出基于正交匹配追蹤(OMP)的自旋目標(biāo)窄帶雷達(dá)成像算法,從而提高了窄帶雷達(dá)對(duì)目標(biāo)的成像和識(shí)別能力。最后,將該算法向自旋目標(biāo)寬帶雷達(dá)ISAR成像進(jìn)行了推廣。
　　 第四部分研究了空間自旋目標(biāo)寬帶三維ISAR成像方法。根據(jù)自旋散射點(diǎn)回波在距離.慢時(shí)間域具有正弦包絡(luò)和相位這一特征,提出基于寬帶復(fù)數(shù)后向投影的自旋目標(biāo)三維高分辨ISAR成像算法。由于采用了全回波相干積累,該方法具有較高的分辨率和抗加性噪聲性能。根據(jù)

6、光滑進(jìn)動(dòng)錐體的電磁特征,建立了其ISAR成像的同波模型,并研究了光滑進(jìn)動(dòng)錐體的動(dòng)態(tài)電磁仿真方法。根據(jù)其距離-慢時(shí)間域回波的正弦特征,應(yīng)用寬帶復(fù)數(shù)后向投影算法得到了進(jìn)動(dòng)錐體電磁仿真回波的三維ISAR圖像。為解決單站雷達(dá)不能對(duì)自旋目標(biāo)三維ISAR圖像橫向定標(biāo)的問題,提出一種基于雙基ISAR構(gòu)型的自旋目標(biāo)三維成像和圖像定標(biāo)方法。
　　 第五部分研究了稀疏頻帶和稀疏孔徑成像。針對(duì)空間高速運(yùn)動(dòng)目標(biāo)的稀疏頻帶ISAR成像問題,在建立其成像幾

7、何模型和信號(hào)模型的基礎(chǔ)上,分析了目標(biāo)高速運(yùn)動(dòng)對(duì)不同頻帶一維距離像和方位像的影響,并提出了有效的補(bǔ)償算法。在此基礎(chǔ)上,提出一種基于空缺數(shù)據(jù)填補(bǔ)和散射點(diǎn)特征參數(shù)估計(jì)的稀疏頻帶成像方法。針對(duì)稀疏孔徑成像問題,根據(jù)塊狀、隨機(jī)兩種缺損形式對(duì)應(yīng)的回波特點(diǎn),提出一種方位稀疏孔徑成像算法。對(duì)于塊狀缺損的方位回波,提出一種有效的包絡(luò)對(duì)齊方法。根據(jù)稀疏信號(hào)重構(gòu)理論,以過冗余字典的互相關(guān)為依據(jù)進(jìn)行算法選擇。在互相關(guān)較小時(shí),采用基追蹤(BP)算法得到方位像；對(duì)

8、于互相關(guān)較大時(shí)的塊狀缺損數(shù)據(jù),則采用缺損數(shù)據(jù)幅度-相位估計(jì)(GAPES)算法進(jìn)行成像。仿真和實(shí)測(cè)數(shù)據(jù)的成像結(jié)果驗(yàn)證了相應(yīng)算法的有效性。
　　 第六部分研究了群目標(biāo)的ISAR成像。針對(duì)機(jī)動(dòng)群目標(biāo)成像,提出一種參數(shù)化的勻加速直線運(yùn)動(dòng)群目標(biāo)ISAR成像方法。由于該方法采用參數(shù)化方法進(jìn)行精確的平動(dòng)補(bǔ)償,因此所得群目標(biāo)圖像聚焦良好。此外,由于不需要對(duì)子目標(biāo)的一次相位項(xiàng)進(jìn)行分別補(bǔ)償,因此降低了參數(shù)搜索的運(yùn)算復(fù)雜度。針對(duì)旋轉(zhuǎn)群目標(biāo)成像,建立了