基于压缩感知的混沌成像雷达.doc

唐骏张璘袁江南厦门理工学院通信工程系【摘要】匹配滤波器常用于雷达接收端,在宽带雷达中,这会导致系统复杂且成本高昂。利用压缩感知可以不用匹配滤波器和高速模数转换器,且能实现高分辨雷达成像。鉴于雷达目标场景的博闻新闻稀疏性,提出一种用于混沌雷达的压缩感知方法,用Bernoulli映射生成混沌调频信号,利用该信号的随机性,直接构造观测矩阵。通过优化技术,可以由欠采样的回波信号重构雷达景象。仿真了静态和非静态目标雷达景象,与匹配滤波处理相比,所提方法不仅处理简单,且性能更优。结果验证了该方法的可行性。【关键词】混沌雷达宽带雷达压缩感知匹配滤波器一、引言高分辨雷达成像技术对于雷达目标识别和特征提取具有重要意义,由雷达成像原理可知[1,2],目标的距离向分辨率取决于发射信号的带宽,方位向分辨率取决于相参积累时间。受Nyquist采样定理的约束,传统宽带雷达成像系统面临着采样率高、数据量大、回波数据有限等诸多问题。pressedsensing,CS)[3-7]理论为宽带雷达成像提供了一种新途径。该理论表明,对于具有稀疏性的信号,通过少量次数的观测,即信号的投影值就能精确或近似重构原信号。对雷达目标电磁散射特性的研究结果表明[8],高频区雷达目标脉冲响应可由少数重要散射中心来刻画,宽带雷达能得到的重要散射中心数远小于识别这些散射中心所需的样本数。除了压缩感知,雷达信号的选择直接影响距离-多普勒成像系统的性能。混沌信号用于雷达系统有许多独特的优点,它们表现出随机噪声特性,具有频带宽、易产生等特点[9]。另一方面,频率调制信号有高的成像分辨率,高输出功率,低成本与低截获、干扰概率等优点。二、压缩感知压缩感知理论出现在2000年左右,在随后的几年中得以迅速发展。CS理论主要涉及三方面:信号的稀疏表示、信号的非相关采样和信号的精确重构[10]。。考虑长度有限的实值一维离散时间信号x,可将其视为RN中N×1的向量,记作x[n],n=1,2,….N。RN中的任何信号都可用以1{}Nii=Ψ为列向量的基Ψ:=[ψ1|ψ2|?|ψN]来表示,则信号x可表示为图片:)=700;”style=“max-width:700px;”title=“点击查看原图”onclick=“if(!=‘A’)(‘68/’);”/>其中S是一个N×1的列向量。我们假设信号x在基Ψ上的描述是S稀疏的(称Ψ为稀疏矩阵),且SㄍN,即式(1)中的Si只有S个不为零的系数。与传统的Nyquist采样理论不同,压缩感知是对原始信号x进行M<N次非自适应的线性观测,从而得到长度为M的观测信号y,观测过程可用矩阵描述为y=Φx(2)其中Φ是一个大小为M×N的观测矩阵,式(1)代入上式,从而线性观测方程可写成y=Φx=ΦΨs=Θs(3)其中Θ=ΦΨ是一个M×N的矩阵,在许多应用中,Φ为均匀随机观测矩阵,它不依赖于信号x。图1为压缩感知的示意图。图片:)=700;”style=“max-width:700px;”title=“点击查看原图”onclick=“if(this.