基于稀疏贝叶斯学习的高机动目标逆合成孔径雷达成像与特征提取系统设计.docxVIP

PAGE2

基于稀疏贝叶斯学习的高机动目标逆合成孔径雷达成像与特征提取系统设计

摘要

逆合成孔径雷达（ISAR）成像在空间目标监视、导弹防御和舰船识别等领域具有重要应用价值，但高机动目标产生的复杂多普勒调制严重制约了传统成像方法的距离-多普勒分辨率。

本课题针对高机动目标ISAR成像中的方位散焦与特征模糊问题，设计并实现了一套基于稀疏贝叶斯学习（SBL）的高分辨成像与特征提取系统。系统核心方案包括：构建机动目标回波的多分量线性调频稀疏表示模型，引入分层贝叶斯框架抑制模型误差；设计快速相关向量机重构算法，将成像问题转化为稀疏信号恢复问题；在此基础上提取目标强散射中心的位置、幅度和微动频率等特征。

论文遵循“需求分析—总体设计—详细设计—实现—测试”的工程递进逻辑。首先分析高机动ISAR成像的痛点与功能需求，接着完成系统架构与模块划分，重点设计回波稀疏建模、SBL重构和特征提取三大核心模块，然后基于仿真数据实现系统并开展功能与性能测试。测试结果表明，系统在低信噪比和稀疏孔径条件下可实现优于传统距离-多普勒算法和迭代加权最小二乘法的成像质量，图像熵值降低约35%，特征提取准确率超过90%。本设计的核心创新在于将稀疏贝叶斯学习与机动目标运动参数解耦相结合，等效获得高维时频分辨能力，为实际雷达系统的高分辨成像提供了一种稳健的算法框架。

第一章绪论

1.1研究背景

逆合成孔径雷达通过