基于频域信息融合和稀疏贝叶斯学习的高分辨ISAR成像

来源：雷达科学与技术杂志2023年第5期北京时间：

作者：景鑫磊，张宇，蒋忠进

单位：东南大学毫米波国家重点实验室， 江苏南京 210096

摘要：为了在ISAR成像中更好地压制噪声，消除条纹干扰，提高成像分辨率，本文提出一种基于双向插值处理和频域信息融合的稀疏贝叶斯学习算法，称之为BI?FF SBL算法。该方法首先对回波信号分别进行径向和横向插值预处理，将预处理得到的两份数据通过LA?VB算法进行ISAR成像；然后将得到的两幅ISAR图像通过二维傅里叶变换进入频域，并将两个二维频谱进行信息融合处理，以消除噪声和条纹干扰的相关信息并保留目标结构信息；最后对融合处理后的频谱进行二维傅里叶逆变换，得到最终的ISAR图像。为了验证BI?FF SBL算法的ISAR成像效果，本文进行了基于仿真数据和实测数据的成像实验，并将实验结果与R?D算法、L1?BP算法、LA?VB算法进行对比，发现BI?FF SBL算法在压制噪声和去除条纹干扰方面具有明显的优势，且能提供分辨率更高的ISAR图像。当实验数据信噪比降到0 dB时，BI?FF SBL算法依然能够提供清晰的ISAR图像，明显优于其他三种算法。测试超分辨重构误差的实验结果表明，相比于L1?BP算法和LA?VB算法，BI?FF SBL算法的重构误差更低，在实验数据信噪比为0 dB时，重构信噪比可以达到13.55 dB。

关键词：超分辨ISAR成像,稀疏贝叶斯学习,双向插值处理,频域信息融合,

基金资助：国家自然科学基金资助项目（No.61890544，91748106）