【期刊】基于概率模型驱动的机载贝叶斯前视超分辨多目标成像方法

以下文章来源于雷达学报 ，作者陈洪猛, 余继周

背景介绍

雷达前视成像技术在飞行器自主下降着陆、汽车自动驾驶等领域具有广阔的应用前景。受多普勒成像原理的限制，传统的多普勒波束锐化技术和合成孔径雷达技术由于多普勒历程的约束无法对飞行方向的正前方区域进行高分辨率成像，从而导致前视盲区。解卷积技术不改变现有雷达系统体制，利用信号处理手段可以提高方位分辨率。但由于天线方向图的低通特性，解卷积是一个病态问题。许多改进的解卷积方法可以进行前视成像，但当前视成像场景复杂时，前视成像质量会下降，主要原因之一是真实场景中的稀疏性不能采用单纯的某一种稀疏约束进行表征，特别是当场景中包含多个目标时，场景稀疏度的准确度量和表征成为影响复杂场景下前视成像质量的关键。

团队工作

近年来，北京无线电测量研究所鲁耀兵研究员、陈洪猛高工团队在空天基雷达载荷总体设计和精细化信号处理领域进行了深入研究。针对复杂多目标前视成像构型下的场景稀疏度度量和表征问题，提出一种基于概率模型驱动的机载贝叶斯前视超分辨多目标成像方法。针对多目标场景，自动的迭代选择场景稀疏度参数，并基于贝叶斯准则，将选取的稀疏度表征参数嵌入到前视成像过程中。由于选取的稀疏度表征参数嵌入到前视成像的整个过程中，在每次迭代期间都会进行前视成像参数的更新，因此所提方法不仅可以获得高分辨成像结果，而且具有较强的鲁棒性。

该工作已发表在《雷达学报》2023年第6期“前视成像与信息处理技术专题”的论文“基于概率模型驱动的机载贝叶斯前视超分辨多目标成像方法”（陈洪猛、余继周，张文杰，李亚超，李军，蔡良，鲁耀兵）。

论文介绍

该团队首先通过将前视成像场景的数据维度由单帧空间扩展到多帧空间提升场景的稀疏度。即使呈现局部聚集特性的多个散射点在单帧数据内不满足稀疏性假设，在多帧数据组成的联合高维空间内仍可以看作是稀疏的。

图1 机载前视成像雷达工作示意图

图2 某一距离单元的直方图分布统计

其次，为了对前视成像场景的稀疏度进行更好的稀疏度度量和表征，该团队进一步采用广义高斯概率模型对前视成像场景中的散射点分布特性进行统计建模，采用多变量参数估计方法更好的刻画真实场景的稀疏度。

最后，该团队将实波束方法、TSVD方法、Tikhonov方法、IAA方法、贝叶斯方法和本文所提出方法(Probability Podel-driven airborne Bayesian, PM-Bayesian)进行了比较，验证了所提方法的有效性。

图3 不同方法的前视成像结果局部放大对比图

作者简介

陈洪猛，高级工程师，主要研究方向为空天基雷达总体设计、前斜视成像和运动目标检测。

余继周，研究员，主要研究方向为雷达总体设计、雷达成像和目标识别。

张文杰，高级工程师，主要研究方向为空天基雷达总体设计。

李亚超，教授，博士生导师，主要研究方向为合成孔径雷达/逆合成孔径雷达成像、地面运动目标检测(GMTI)、实时信号处理以及分布式雷达。

李   军，研究员，主要研究方向为空天基雷达总体设计、雷达成像和目标检测。

蔡   良，研究员，主要研究方向为雷达总体设计、雷达探测与成像。

鲁耀兵，研究员，主要研究方向为雷达总体设计、雷达探测与成像。

转自：“蔻享学术”微信公众号

如有侵权，请联系本站删除！