14、基于组合字典的稀疏表示SAR成像及微多普勒参数估计

基于组合字典的稀疏表示SAR成像及微多普勒参数估计

1 引言

微多普勒效应（m - D效应）能描绘目标精细的运动特征，为目标识别和区分提供重要信息。目标的旋转、振动会在接收信号上产生时变的多普勒调制，多为正弦调频（SFM）信号。这些返回信号的参数，如散射系数、调制幅度、调制频率和初始相位，都暗示着目标显著的微多普勒特征。

传统的时频分析（TF分析）虽能在时频平面上定位非平稳信号，但多数经典TF分析要么受交叉项干扰，要么难以同时获得高时间和频率分辨率。近年来，一些将信号分解到不同域（如贝塞尔域）的参数化方法被提出并证明对信号估计和分离有效。正弦调频傅里叶变换（SFMFT）能在正弦域分解信号的相位项，通过其在不同正弦基上的投影可估计调制频率。

不过，基于香农 - 奈奎斯特理论，当采样频率小于最大多普勒频移的两倍时，接收信号会出现混叠，导致无法估计运动特征。近年来，压缩感知（CS）技术被引入用于表征时频域以提取微多普勒特征，它被证明是一种高分辨率的有效工具。但现有方法在微多普勒频率估计上存在问题，估计结果对微多普勒频率敏感，且缺乏先验知识时，离散化的微多普勒频率不准确会导致错误估计结果，还会增加不必要的计算量。此外，一些平移分量会使传统基于稀疏恢复的方法对微多普勒参数估计失效。

为解决这些问题，提出了一种基于SFMFT结合参数化稀疏恢复和k分辨率傅里叶 - 贝塞尔（k - FB）级数展开的方法。

2 背景知识

2.1 微多普勒信号模型

微多普勒效应是由目标或其部分的微动引起的时变多普勒调制。对于旋转引起的微多普勒效应，雷达回波可建模为目标上一组点散射体反射的信号。假设目标上有K个点散射体，目标以角频