高级搜索

基于稀疏贝叶斯学习的双基雷达关联成像

李瑞 张群 苏令华 梁佳 罗迎

引用本文: 李瑞, 张群, 苏令华, 梁佳, 罗迎. 基于稀疏贝叶斯学习的双基雷达关联成像[J]. 电子与信息学报, 2019, 41(12): 2865-2872. doi: 10.11999/JEIT180933 shu
Citation:  Rui LI, Qun ZHANG, Linghua SU, Jia LIANG, Ying LUO. Bistatic Radar Coincidence Imaging Based on Sparse Bayesian Learning[J]. Journal of Electronics and Information Technology, 2019, 41(12): 2865-2872. doi: 10.11999/JEIT180933 shu

基于稀疏贝叶斯学习的双基雷达关联成像

    作者简介: 李瑞: 男,1992年生,博士生,研究方向为组网雷达成像、雷达关联成像;
    张群: 男,1964年生,教授,博士生导师,研究方向为雷达成像、雷达目标识别、雷达对抗等;
    苏令华: 男,1979年生,讲师,研究方向为信号处理;
    梁佳: 男,1985年生,讲师,研究方向为信号处理;
    罗迎: 男,1984年生,副教授,博士生导师,研究方向雷达信号处理、雷达成像与目标识别
    通讯作者: 李瑞,liruimissing@163.com
  • 基金项目: 国家自然科学基金(61631019),陕西省自然科学基础研究计划项目(2016JM4008, 2018JM6072)

摘要: 双基雷达具有隐蔽性高、抗干扰性能强等优点,在现代电子战中发挥重要作用。基于雷达关联成像原理,该文研究运动目标双基雷达关联成像问题。首先,针对采用均匀线性阵列作为收发天线的双基雷达系统,在发射随机频率调制信号条件下,分析运动目标雷达回波信号特点,建立双基雷达关联成像参数化稀疏表征模型;其次,针对建立的参数化稀疏表征模型,提出一种基于稀疏贝叶斯学习的迭代关联成像算法。该算法在建立贝叶斯模型基础上,通过贝叶斯推理,得到稀疏重构信号,从而实现对运动目标成像和运动参数的精确估计。最后,通过仿真实验验证所提方法的有效性。

English

    1. [1]

      刘玉春. 双基雷达成像算法研究[D]. [博士论文], 西安电子科技大学, 2013.
      LIU Yuchun. Study on imaging algorithms for bistatic radar[D]. [Ph.D. dissertation], Xidian University, 2013.

    2. [2]

      胡程, 刘长江, 曾涛. 双基地前向散射雷达探测与成像[J]. 雷达学报, 2016, 5(3): 229–243. doi: 10.12000/JR16058
      HU Cheng, LIU Changjiang, and ZENG Tao. Bistatic forward scattering radar detection and imaging[J]. Journal of Radars, 2016, 5(3): 229–243. doi: 10.12000/JR16058

    3. [3]

      曾涛. 双基地合成孔径雷达发展现状与趋势分析[J]. 雷达学报, 2012, 1(4): 329–341. doi: 10.3724/SP.J.1300.2012.20093
      ZENG Tao. Bistatic SAR: State of the art and development trend[J]. Journal of Radars, 2012, 1(4): 329–341. doi: 10.3724/SP.J.1300.2012.20093

    4. [4]

      朱小鹏, 颜佳冰, 张群, 等. 基于双基ISAR的空间高速目标成像分析[J]. 空军工程大学学报: 自然科学版, 2011, 12(6): 44–49. doi: 10.3969/j.issn.1009-3516.2011.06.009
      ZHU Xiaopeng, YAN Jiabing, ZHANG Qun, et al. The imaging analysis of high speed space targets in Bi-ISAR system[J]. Journal of Air Force Engineering University:Natural Science Edition, 2011, 12(6): 44–49. doi: 10.3969/j.issn.1009-3516.2011.06.009

    5. [5]

      ZHANG Shunsheng, SUN Sibo, ZHANG Wei, et al. High-resolution bistatic ISAR image formation for high-speed and complex-motion targets[J]. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 2015, 8(7): 3520–3531. doi: 10.1109/JSTARS.2015.2417192

    6. [6]

      JIANG Yicheng, SUN Sibo, YEO T S, et al. Bistatic ISAR distortion and defocusing analysis[J]. IEEE Transactions on Aerospace and Electronic Systems, 2016, 52(3): 1168–1182. doi: 10.1109/TAES.2016.140028

    7. [7]

      KANG M S, KANG B S, LEE S H, et al. Bistatic-ISAR distortion correction and range and cross-range scaling[J]. IEEE Sensors Journal, 2017, 17(16): 5068–5078. doi: 10.1109/JSEN.2017.2713804

    8. [8]

      KANG B S, BAE J H, KANG M S, et al. Bistatic-ISAR cross-range scaling[J]. IEEE Transactions on Aerospace and Electronic Systems, 2017, 53(4): 1962–1973. doi: 10.1109/TAES.2017.2677798

    9. [9]

      ZHANG Shuanghui, LIU Yongxiang, and LI Xiang. Bayesian bistatic ISAR imaging for targets with complex motion under low SNR condition[J]. IEEE Transactions on Image Processing, 2018, 27(5): 2447–2460. doi: 10.1109/TIP.2018.2803300

    10. [10]

      陈文峰, 吕明久, 夏赛强, 等. 低信噪比下双基地ISAR一维距离成像分辨率增强方法[J]. 电子与信息学报, 2018, 40(10): 2484–2490. doi: 10.11999/JEIT180081
      CHEN Wenfeng, LÜ Mingjiu, XIA Saiqiang, et al. Resolution enhancement method for bistatic ISAR one-dimensional range profile under low SNR[J]. Journal of Electronics &Information Technology, 2018, 40(10): 2484–2490. doi: 10.11999/JEIT180081

    11. [11]

      BAE J H, KANG B S, LEE S H, et al. Bistatic ISAR image reconstruction using sparse-recovery interpolation of missing data[J]. IEEE Transactions on Aerospace and Electronic Systems, 2016, 52(3): 1155–1167. doi: 10.1109/TAES.2016.150245

    12. [12]

      DENG Donghu, ZHANG Qun, LUO Ying, et al. Resolution and micro-Doppler effect in Bi-ISAR system[J]. Journal of Radars, 2013, 2(2): 152–167. doi: 10.3724/SP.J.1300.2013.13039

    13. [13]

      ZHAO Lizhi, GAO Meiguo, MARTORELLA M, et al. Bistatic three-dimensional interferometric ISAR image reconstruction[J]. IEEE Transactions on Aerospace and Electronic Systems, 2015, 51(2): 951–961. doi: 10.1109/TAES.2014.130702

    14. [14]

      WANG Yong and LI Xuelu. Three-dimensional interferometric ISAR imaging for the ship target under the bi-static configuration[J]. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 2016, 9(4): 1505–1520. doi: 10.1109/JSTARS.2015.2513774

    15. [15]

      STAGLIANÒ D, GIUSTI E, LISCHI S, et al. Bistatic three-dimensional interferometric ISAR[J]. IET IET Radar, Sonar & Navigation, 2016, 10(1): 63–75. doi: 10.1049/iet-rsn.2015.0131

    16. [16]

      李东泽. 雷达关联成像技术研究[D]. [博士论文], 国防科学技术大学, 2014.
      LI Dongze. Radar coincidence imaging technique research[D]. [Ph.D. dissertation], National University of Defense Technology, 2014.

    17. [17]

      LI Dongze, LI Xiang, QIN Yuliang, et al. Radar coincidence imaging: An instantaneous imaging technique with stochastic signals[J]. IEEE Transactions on Geoscience and Remote Sensing, 2014, 52(4): 2261–2277. doi: 10.1109/TGRS.2013.2258929

    18. [18]

      何学智. 微波凝视关联成像的信息处理方法与仿真[D]. [博士论文], 中国科学技术大学, 2013.
      HE Xuezhi. The information processing methods and simulations in microwave staring correlated imaging[D]. [Ph.D. dissertation], University of Science and Technology of China, 2013.

    19. [19]

      查国峰. 运动目标微波关联成像技术研究[D]. [博士论文], 国防科学技术大学, 2016.
      ZHA Guofeng. Microwave coincidence imaging technique research for moving target[D]. [Ph.D. dissertation], National University of Defense Technology, 2016.

    20. [20]

      张群, 罗迎. 雷达目标微多普勒效应[M]. 北京: 国防工业出版社, 2013: 50–51.
      ZHANG Qun and LUO Ying. Micro-Doppler Effect of Radar Targets[M]. Beijing: National Defense Industry Press, 2013: 50–51.

    21. [21]

      CHEN Yichang, LI Gang, ZHAN Qun, et al. Refocusing of moving targets in SAR images via parametric sparse representation[J]. Remote Sensing, 2017, 9(8): 795. doi: 10.3390/rs9080795

    22. [22]

      YANG Zai, XIE Lihua, and ZHANG Cishen. Off-grid direction of arrival estimation using sparse Bayesian inference[J]. IEEE Transactions on Signal Processing, 2013, 61(1): 38–43. doi: 10.1109/TSP.2012.2222378

    23. [23]

      LIU Kang, LI Xiang, GAO Yue, et al. High-resolution electromagnetic vortex imaging based on sparse Bayesian learning[J]. IEEE Sensors Journal, 2017, 17(21): 6918–6917. doi: 10.1109/JSEN.2017.2754554

    1. [1]

      吕晓德, 杨璟茂, 岳琦, 张汉良. 基于稀疏贝叶斯学习的机载双基雷达杂波抑制. 电子与信息学报, 2018, 40(11): 2651-2658.

    2. [2]

      王天云, 于小飞, 陈卫东, 丁丽, 陈畅. 基于稀疏贝叶斯学习的无源雷达高分辨成像. 电子与信息学报, 2015, 37(5): 1023-1030.

    3. [3]

      晋良念, 冯飞, 刘庆华, 欧阳缮. 利用块间耦合稀疏贝叶斯学习的建筑物布局成像方法. 电子与信息学报, 2018, 40(4): 853-859.

    4. [4]

      苏伍各, 王宏强, 邓彬, 秦玉亮, 凌永顺. 基于方差成分扩张压缩的稀疏贝叶斯ISAR成像方法. 电子与信息学报, 2014, 36(7): 1525-1531.

    5. [5]

      陈怡君, 李开明, 张群, 罗迎. 稀疏线性调频步进信号ISAR成像观测矩阵自适应优化方法. 电子与信息学报, 2018, 40(3): 509-516.

    6. [6]

      金艳, 田田, 姬红兵. 基于稀疏贝叶斯学习的码元速率估计. 电子与信息学报, 2018, 40(7): 1598-1603.

    7. [7]

      张凯, 于宏毅, 胡赟鹏, 沈智翔. 稀疏信道下基于稀疏贝叶斯学习的精简星座盲均衡算法. 电子与信息学报, 2016, 38(9): 2255-2260.

    8. [8]

      冯明月, 何明浩, 陈昌孝, 韩俊. 基于Bessel先验快速稀疏贝叶斯学习的互质阵列DOA估计. 电子与信息学报, 2018, 40(7): 1604-1611.

    9. [9]

      张永顺, 葛启超, 丁姗姗, 郭艺夺. 基于稀疏贝叶斯学习的低空测角算法. 电子与信息学报, 2016, 38(9): 2309-2313.

    10. [10]

      陈璐, 毕大平, 潘继飞. 平移嵌套阵列稀疏贝叶斯学习角度估计算法. 电子与信息学报, 2018, 40(5): 1173-1180.

    11. [11]

      郭英, 东润泽, 张坤峰, 眭萍, 杨银松. 基于稀疏贝叶斯学习的多跳频信号DOA估计方法. 电子与信息学报, 2019, 41(3): 516-522.

    12. [12]

      孙磊, 王华力, 许广杰, 苏勇. 基于稀疏贝叶斯学习的高效DOA估计方法. 电子与信息学报, 2013, 35(5): 1196-1201.

    13. [13]

      游康勇, 杨立山, 刘玥良, 郭文彬, 王文博. 基于稀疏贝叶斯学习的网格自适应多源定位. 电子与信息学报, 2018, 40(9): 2150-2157.

    14. [14]

      夏建明, 杨俊安, 陈功. 参数自适应调整的稀疏贝叶斯重构算法. 电子与信息学报, 2014, 36(6): 1355-1361.

    15. [15]

      王峰, 向新, 易克初, 熊磊. 基于隐变量贝叶斯模型的稀疏信号恢复. 电子与信息学报, 2015, 37(1): 97-102.

    16. [16]

      于宏毅, 程标, 胡赟鹏, 沈智翔. 基于空域稀疏性的自适应频谱检测算法. 电子与信息学报, 2016, 38(7): 1703-1709.

    17. [17]

      余东平, 郭艳, 李宁, 刘杰, 杨思星. 基于多维测量信息的压缩感知多目标无源被动定位算法. 电子与信息学报, 2019, 41(2): 440-446.

    18. [18]

      吴称光, 邓彬, 苏伍各, 王宏强, 秦玉亮. 基于块稀疏贝叶斯模型的ISAR成像方法. 电子与信息学报, 2015, 37(12): 2941-2947.

    19. [19]

      苏伍各, 王宏强, 邓彬, 秦玉亮, 刘天鹏. 基于稀疏贝叶斯方法的脉间捷变频ISAR成像技术研究. 电子与信息学报, 2015, 37(1): 1-8.

    20. [20]

      王超宇, 贺亚鹏, 朱晓华, 孙康. 基于贝叶斯压缩感知的噪声MIMO雷达稳健目标参数提取方法. 电子与信息学报, 2013, 35(10): 2498-2504.

  • 图 1  双基RCI系统示意图

    图 2  3种算法目标成像结果对比

    图 3  ICI-SBL算法目标运动参数估计结果

    图 4  3种算法目标成像结果MSE随信噪比变化曲线

    表 1  ICI-SBL算法步骤

     ICI-SBL算法步骤
     输入:输入${\text{y}}$, ${{\text{S}}_0}$, ${{\text{S}}_1}$和${{\text{S}}_2}$;
     (1) 迭代次数$k = 0$,初始化相关参数$\alpha _0^0$和${{\text{α}}^0}$,令$\rm{\rho } = 0.01$, $\rm{a} = \rm{b} = {10^{ - 4}}$, $v = {v_0}$, $\theta = {\theta _0}$,并设置终止迭代次数$K = 2000$,成像区域散射
    强度矢量重构精度${\varepsilon _{{\text{σ}}}} = {10^{ - 2}}$,目标运动速度估计精度${\varepsilon _v} = {10^{ - 4}}$,目标运动方向估计精度${\varepsilon _\theta } = {10^{ - 6}}$;
     (2) 令$k = k + 1$;
     (3) 根据式(17)和式(18),计算并更新第$k$次的成像区域散射强度矢量${{\text{σ}}^k}$后验分布的协方差${\text{Σ}}_{{\text{σ}}}^k$和均值${\text{μ}}_{{\text{σ}}}^k$;
     (4) 目标运动参数更新过程:根据式(22)和式(23),计算并更新第$k$次的目标运动参数${v^k}$和${\theta ^k}$;
     (5) 判断是否满足终止条件:若$k > K$,或者$\left| {{\text{μ}}_{{\text{σ}}}^k - {\text{μ}}_{{\text{σ}}}^{k - 1}} \right| < {\varepsilon _{{\text{σ}}}}$,或者$\left| {{v^k} - {v^{k - 1}}} \right| < {\varepsilon _v}$且$\left| {{\theta ^k} - {\theta ^{k - 1}}} \right| < {\varepsilon _\theta }$,输出结果。否则,继续步骤(6);
     (6) 环境参数即噪声功率更新过程:根据式(24),计算并更新噪声功率的倒数$\alpha _0^k$;
     (7) 成像区域散射强度矢量${{{\text{σ}}}^k}$先验协方差矩阵更新过程:根据式(25),计算并更新参数${{{\text{α}}}^k}$,跳转步骤(2)。
     输出:输出成像区域散射强度矢量重构结果$\hat {{\text{σ}}} = {\text{μ}}_{{\text{σ}}}^k$,目标运动速度$\hat v = {v^k}$,目标运动方向$\hat \theta = {\theta ^k}$。
    下载: 导出CSV

    表 2  不同发射机天线阵元数目的条件数结果

    发射机天线阵元数目${N_{\rm t}}$357911
    条件数($ \times {10^8}$)2.14511.35060.86520.73930.5546
    下载: 导出CSV

    表 3  不同接收机天线阵元数目的条件数结果

    接收机天线阵元数目${N_{\rm r}}$124816
    条件数($ \times {10^{10}}$)1.36440.06950.00570.00272.9464
    下载: 导出CSV
  • 加载中
图(4)表(3)
计量
  • PDF下载量:  48
  • 文章访问数:  965
  • HTML全文浏览量:  585
文章相关
  • 通讯作者:  李瑞, liruimissing@163.com
  • 收稿日期:  2018-09-30
  • 录用日期:  2019-02-25
  • 网络出版日期:  2019-03-14
  • 刊出日期:  2019-12-01
通讯作者: 陈斌, bchen63@163.com
  • 1. 

    沈阳化工大学材料科学与工程学院 沈阳 110142

  1. 本站搜索
  2. 百度学术搜索
  3. 万方数据库搜索
  4. CNKI搜索

/

返回文章