李烈辰李道京黃平平

①（中國科學(xué)院電子學(xué)研究所微波成像技術(shù)重點實驗室 北京 100190）

②（中國科學(xué)院大學(xué) 北京 100049）

③（內(nèi)蒙古工業(yè)大學(xué)雷達(dá)技術(shù)研究所 呼和浩特 010051）

基于變換域稀疏壓縮感知的艇載稀疏陣列天線雷達(dá)實孔徑成像

李烈辰*①②李道京①黃平平③

①（中國科學(xué)院電子學(xué)研究所微波成像技術(shù)重點實驗室 北京 100190）

②（中國科學(xué)院大學(xué) 北京 100049）

③（內(nèi)蒙古工業(yè)大學(xué)雷達(dá)技術(shù)研究所 呼和浩特 010051）

該文針對飛艇平臺，設(shè)計了基于組合巴克碼的共形稀疏陣列，并對稀疏陣列的探測性能進(jìn)行了分析。利用飛艇懸停的特點，可對前后不同時刻脈沖的實孔徑成像結(jié)果進(jìn)行干涉處理，去除散射單元的隨機初相位，使圖像在變換域稀疏。引入壓縮感知方法，建立回波與變換域系數(shù)的關(guān)系，完成對地成像，可獲得接近滿陣陣列成效的圖像質(zhì)量。仿真數(shù)據(jù)處理結(jié)果驗證了該方法的有效性。

壓縮感知（CS）；變換域稀疏；共形稀疏陣列；實孔徑成像

引用格式：李烈辰， 李道京， 黃平平， 等. 基于變換域稀疏壓縮感知的艇載稀疏陣列天線雷達(dá)實孔徑成像［J］. 雷達(dá)學(xué)報， 2016， 5（1）： 109-117. DOI： 10.12000/JR14159.

Reference format： Li Liechen， Li Daojing， Huang Pingping， et al.. Airship sparse array antenna radar real aperture imaging based on compressed sensing and sparsity in transform domain［J］. Journal of Radars， 2016，5（1）： 109-117. DOI： 10.12000/JR14159.

1 引言

平流層飛艇因其在高空可駐留的特點，在高空偵察、區(qū)域預(yù)警和通信服務(wù)等領(lǐng)域有著廣闊的應(yīng)用前景［1］。平流層飛艇巨大的體積為使用大尺寸天線實現(xiàn)實孔徑成像提供了條件，但是大尺寸天線需要大量的子陣單元和接收通道，同時天線波束還需要掃描以擴大觀測范圍，因而使得雷達(dá)系統(tǒng)的體積重量和復(fù)雜度均大大增加。采用具有稀疏特點的綜合孔徑天線有可能解決上述問題［2］。

然而，稀疏陣列的非均勻采樣會引起高的副瓣和柵瓣，降低圖像質(zhì)量。壓縮感知 （CompressedSensing， CS） 理論提供了一種對稀疏信號在較少采樣下進(jìn)行重建的方法［3，4］，該方法在滿足一定使用條件下可有效地抑制副瓣和柵瓣。

自從CS理論被引入雷達(dá)成像領(lǐng)域以來，相關(guān)的研究工作取得了很多進(jìn)展［5-9］，如文獻(xiàn)［5］提出了對共形稀疏陣天線利用CS理論進(jìn)行運動目標(biāo)圖像重建的方法，文獻(xiàn)［6］研究了基于CS的城區(qū)場景高度維重建方法。但上述文獻(xiàn)的研究內(nèi)容大多為空間稀疏的場景，如海面艦船，空中的飛行器等。實際應(yīng)用中，空間場景大多是非稀疏的。對此，需要研究變換域稀疏條件下的對地成像問題，例如文獻(xiàn)［9］研究了變換域稀疏的側(cè)視3維成像。但基于變換域稀疏的工作仍然研究的不多，需要進(jìn)一步深入。

本文針對飛艇平臺，設(shè)計了基于組合巴克碼的共形稀疏陣列，分析了其探測性能。在對地成像時，利用兩次脈沖的實孔徑成像的結(jié)果，可去除散射單元的隨機初相位，使場景在變換域稀疏。從而可以使用CS方法，在稀疏陣列條件下完成對地成像。

2 陣型設(shè)計和性能分析

針對飛艇平臺具有較大體積，可布設(shè)較大尺寸天線的特點，本節(jié)采用了組合巴克碼序列，設(shè)計了對應(yīng)的共形稀疏陣列，并對其探測性能進(jìn)行了分析。

2.1組合巴克碼陣列

巴克碼是一種具有良好相關(guān)特性的二相碼序列，它具有一定的稀疏性，有助于稀疏重建。但巴克碼的碼長較短，最長只有13位，以其序列形式排布的陣列與飛艇平臺不匹配，故考慮采用相關(guān)特性略差但碼長較長的組合巴克碼序列排布稀疏陣列。

組合巴克碼的由兩組巴克碼聯(lián)合生成［10］。綜合考慮陣列長度和稀疏率，本文采用由4位巴克碼［1110］和11位巴克碼［11100010010］構(gòu)成的44位組合巴克碼序列。該序列共有2種形式，第1種是以4位巴克碼序列作為11位巴克碼的碼元（4×11），第2種是以11位巴克碼序列作為4位巴克碼的碼元（11×4），其編碼序列分別為［1110001001011 1000100101110001001000011101101］和［1110111011100001000100011110000100011 110000］。這兩種編碼方法所得組合巴克碼序列長度均為44，均有21個陣元，稀疏率約50％，但其自相關(guān)序列有所不同，其自相關(guān)函數(shù)和對應(yīng)的陣列方向圖見圖1和圖2。

由圖1（b）可知，第1種巴克碼峰值旁瓣比（Peak to Side-Lobe Ratio， PSLR）較低，達(dá)-11.82 dB。但圖1（a）中±11延遲處的尖峰和圖1（b）反映出該序列遠(yuǎn)區(qū)副瓣較高。而第2種雖然PSLR相對較高（-8.80 dB），但遠(yuǎn)區(qū)副瓣較低，更適于對地成像。綜合以上分析，本文陣采用11×4形式的44位組合巴克碼作為稀疏陣列的排布方式。需要說明的是，本文的陣列相對于文獻(xiàn)［2］中的稀疏陣列稀疏率較低，但旁瓣柵瓣情況較好，可在不換取等效滿陣的情況下對地成像。

2.2稀疏陣列信噪比分析

將上述44位巴克碼排布的稀疏陣列子陣在直線上的位置（圖3中紅色點），分別投影到三葉玫瑰線（藍(lán)色曲線）上，來獲得與艇身底部共形的稀疏陣列，根據(jù)等效相位中心原則，可獲取21組等效相位中心（藍(lán)色點）。天線布局（紅色圓點）［5］根據(jù)路徑差最小的原則，選取對應(yīng)的等效相位中心（綠色圓點），形成孔徑綜合后的陣列。其投影方式和陣列布局情況如圖3所示。

圖 1 44位組合巴克碼自相關(guān)與方向圖情況 （4×11）Fig. 1 Autocorrelation and beam pattern of 44 bit combined Barker code （4×11）

圖 2 44位巴克碼自相關(guān)與方向圖情況 （11×4）Fig. 2 Autocorrelation and beam pattern of 44 bits combined Barker code （11×4）

圖 3 天線陣列和等效相位中心位置Fig. 3 The position of antenna arrays and effective phase centers

傳統(tǒng)意義上的密集陣列天線雷達(dá)的作用距離分析和計算方法較為成熟，由于天線陣列的布設(shè)方式不同，需對稀疏陣列天線雷達(dá)的性能進(jìn)行分析。本節(jié)采用文獻(xiàn)［11］中的方法對稀疏陣列天線雷達(dá)的對地面運動目標(biāo)探測和實孔徑成像的性能進(jìn)行了分析。稀疏陣列天線雷達(dá)系統(tǒng)每個子陣長1 m，全陣可達(dá)44 m。詳細(xì)的雷達(dá)系統(tǒng)參數(shù)見表1。

表 1 系統(tǒng)參數(shù)Tab. 1 System parameters

2.2.1地面運動目標(biāo)探測模式要獲得良好的運動目標(biāo)檢測性能和成像質(zhì)量，信噪比是非常重要的一項指標(biāo)。根據(jù)雷達(dá)方程，單脈沖信噪比公式可表示為：

其中玻爾茲曼常數(shù)k = 1.38×1023 J/K， Ts為常溫約290 K， Ae為子陣有效孔徑面積，Pt代表峰值功率，τ代表脈沖寬度，σ為RCS， L為系統(tǒng)損耗，F(xiàn)n表示噪聲系數(shù)。R代表雷達(dá)和目標(biāo)間的距離，λ為波長。根據(jù)式（1），當(dāng)單個子陣自發(fā)自收，實現(xiàn)寬發(fā)寬收時，假設(shè)電效率為20％，則子脈沖信噪比SNR1=-11.29 dB。當(dāng)1個子陣發(fā)射，21個子陣密集排布接收，采用接收DBF處理實現(xiàn)寬發(fā)窄收時，接收增益可提高約13.2 dB，系統(tǒng)信噪比為：

當(dāng)使用21個子陣同時發(fā)射和接收信號時，等效陣列長度提升1倍，等效天線增益可提升3 dB。稀疏陣列和密集陣列相比，使用了80個等效相位中心，而密集陣列只使用了40個等效相位中心，其等效長度提高了1倍。對稀疏陣列進(jìn)行1次孔徑綜合后，剩余的等效相位中心還可組成兩組近似滿陣的陣列。因此，系統(tǒng)信噪比為：

事實上，由于大多數(shù)等效相位中心被棄置，對密集陣列孔徑綜合并不合適。當(dāng)密集陣列使用碼分信號時，對不同的碼分信號應(yīng)直接使用相干積累，此時密集陣通過相干積累獲得的系統(tǒng)信噪比為：

上述分析表明，在寬發(fā)窄收條件下，使用稀疏陣列獲得的信噪比比密集陣列情況低2 dB左右，可用于運動目標(biāo)探測。

2.2.2實孔徑成像模式 對于對地實孔徑成像模式，信噪比公式可以表示為：

其中La代表天線的方位向尺寸，σ0為地物后向散射系數(shù)，δr為采用頻分信號實現(xiàn)多發(fā)多收的合成帶寬對應(yīng)的距離向分辨率。將表1的參數(shù)代入式（5），可得實孔徑成像的信噪比為SNR=14.20 dB，滿足對地成像的需要。

通過以上對組合巴克碼稀疏陣列天線雷達(dá)的性能分析表明，在寬發(fā)窄收條件下，相比于密集陣列天線，稀疏陣列天線雷達(dá)在運動目標(biāo)探測模式下的信噪比降低了約2 dB。但從圖3可知，稀疏陣列的陣列長度相為密集陣列長度的2倍，對應(yīng)的空間分辨率提高了1倍，易于實現(xiàn)對地實孔徑成像。

3 稀疏陣列實孔徑對地成像

由于運動目標(biāo)在雜波抑制后在空間域是稀疏的，相關(guān)的研究工作已存在較多［5］，本文在此不做更深入的研究，著重研究基于變換域稀疏的對地成像。艇載共形稀疏陣列天線雷達(dá)系統(tǒng)的成像幾何模型如圖4所示。X-Y（方位向-地距向）平面為成像平面，稀疏陣列天線沿X軸方向分布在艇身底部，即共形稀疏陣列天線分布在X-Z平面，飛艇懸停高度為H。

圖 4 艇載共形稀疏陣列天線雷達(dá)系統(tǒng)成像幾何模型Fig. 4 The geometry of airship conformal sparse array antenna radar system

令第m個子陣的空間位置為rm= （um， 0， wm），發(fā)射的信號為pm（t）。假設(shè)被觀測場景中第i個散射點的空間位置為Pi=（xi， yi， zi），則第m個子陣發(fā)射，第n個子陣接收的回波信號可以表達(dá)為：

其中，m， n=1， 2，...， M， τ（rm， rn， Pi）表示信號從發(fā)射子陣rm經(jīng)散射點Pi至接收子陣rn的延時。

如上所述，本文所設(shè)計的陣列呈曲線分布，且陣列較長，為避免復(fù)雜的相位中心補償和距離徙動校正處理，本文利用基于CS的方法直接對回波信號進(jìn)行2維聯(lián)合處理（方位向-地距向）。若數(shù)據(jù)量過大，可在未來的工作中考慮2維解耦或者分塊處理的思路。將待重建的圖像區(qū)域劃分為Nx×Ny個網(wǎng)格單元，每個單元代表一個散射點。設(shè)第i行，第j列散射點Pij=（xi， yi， 0）的散射系數(shù)為σij，待重建圖像可以表示為：

將快時間t離散化，令t=［t1， t2， ...， tNr］T， 其中Nr為距離向采樣點數(shù)，則第m個子陣發(fā)射，所有子陣接收的回波信號構(gòu)成的觀測數(shù)據(jù)可表示為：

其中，Nr為距離向采樣點數(shù)。根據(jù)回波信號的生成方式即可得到大小為（MNr）×（NxNy）的觀測矩陣Φm，

其中，l=1， 2， ...， M。

綜合上式，可得到回波與場景之間的觀測方程

由于目標(biāo)在空間的分布通常是連續(xù)的，其圖像應(yīng)具有可壓縮性，可以被稀疏表示［12-14］。但SAR圖像通常為復(fù)數(shù)，其分辨單元的尺度通常遠(yuǎn)大于波長量級，由此形成的散射單元隨機初相位使SAR復(fù)圖像頻譜較寬，其復(fù)圖像難以稀疏表示，這使得CS無法直接求解式（12）。

然而，飛艇懸停駐留的特點，為圖像的稀疏表示創(chuàng)造了條件。利用前后兩個時刻的脈沖對場景分別進(jìn)行實孔徑成像，可獲得兩幅地物的圖像。兩幅圖像獲得的相位基本相同，對成像的結(jié)果進(jìn)行干涉處理，則可消除散射單元的隨機初相位。

如圖5所示，原始SAR復(fù)圖像的頻譜分布在由信號帶寬和多普勒帶寬決定的較寬的范圍內(nèi)，頻譜是不稀疏的。而進(jìn)行干涉處理后，由于消除了消除散射單元的隨機初相位，其頻譜主要集中在零頻附近，2維頻譜帶寬已明顯變窄。這說明干涉處理可以實現(xiàn)降低信號帶寬的目的。

使用BP算法對時刻2獲得的信號進(jìn)行成像，可獲得圖像的相位P。那么，待重建的圖像可以表示為：

其中，θnew是去除隨機初相位后的新圖像，其在變換域是稀疏的，即可以表示為：

其中F為逆變換矩陣，a為新圖像θnew的頻譜，是稀疏的。綜合式（12）-式（14），可得

由于a是稀疏的，可以使用CS理論中的稀疏重建算法求解a，并逆變換獲得待重建的場景θ。由于相關(guān)文獻(xiàn)已證明干涉后的SAR圖像在頻域是稀疏的［9，12］，故本文的變換域選為頻域，即F選為逆傅里葉矩陣。其它變換域，如小波域，也可適用于本方法，關(guān)于干涉后圖像的稀疏表示問題值得進(jìn)一步研究［15］。需要說明的是，由于有M個接收子陣，可以獲得M個如式（12）的方程式。根據(jù)工作模式的不同，可將這M個方程分別求解后對M個解進(jìn)行相干累加獲得最終結(jié)果，以提升圖像信噪比；或者聯(lián)合M個方程式求解θ，獲取高分辨率的圖像。

圖 5 SAR圖像頻譜Fig. 5 The frequency sprecturm of SAR image

4 仿真試驗

4.1圓錐場景仿真

本節(jié)給出了仿真數(shù)據(jù)的成像結(jié)果，以驗證本文方法的有效性。本節(jié)仿真中，采用基于范數(shù)的最優(yōu)化方法［16］求解變換域系數(shù)，最終獲得圖像。有關(guān)算法求解的具體步驟較為復(fù)雜，在此不再贅述，關(guān)于算法的復(fù)雜度和運算量，可參考文獻(xiàn)［17］。圖6顯示了仿真場景。在此選用一個包含橢圓錐的場景而非點目標(biāo)場景（空間稀疏）來進(jìn)行仿真試驗。仿真的圓錐高為50 m，橢圓錐長軸為100 m，短軸約40 m，位于100 m×280 m （方位×地距）大小的平面上。圓錐的后向散射系數(shù)為1，地面的后向散射系數(shù)為0.3。仿真采用單發(fā)多收模式，第2.1節(jié)所述的共形稀疏陣列中第1個子陣發(fā)射線性調(diào)頻信號，其中fm為第m個子陣發(fā)射信號的中心頻率，kr為調(diào)頻率。

所有21個陣元接收信號，發(fā)射信號的帶寬設(shè)為100 MHz。為了減小數(shù)據(jù)量，脈沖寬度Tp設(shè)為1 μs，此時觀測矩陣的大小約為5000×35000，其余參數(shù)詳見表1。

圖7分別顯示了單發(fā)多收模式下采用滿陣（44個子陣）BP成像、稀疏陣列（21個子陣）BP成像和稀疏陣列CS成像的結(jié)果。圖8為同樣條件下添加噪聲后的成像結(jié)果，單脈沖信噪比（Signal-to-Noise Ratio，SNR）為10 dB。從圖中可看出，同樣是稀疏陣列，使用CS方法，可以有效地降低旁瓣的影響，而傳統(tǒng)的BP方法則不行。雖然仍有一定的副瓣干擾，但使用CS方法在稀疏陣條件下可以獲得與滿陣接近的效果。

圖 6 仿真圓錐場景Fig. 6 Simulated cone scene

圖 7 單發(fā)多收模式成像結(jié)果（無噪聲）Fig. 7 SIMO mode imaging result （noise free）

由于單發(fā)多收陣列的等效陣長只有滿陣的一半，該模式下方位向分辨率較低（約 14 m），成像結(jié)果不易直觀反映目標(biāo)的信息，故本文又給出了多發(fā)多收（Multiple Input Multiple Output， MIMO）模式下的成像結(jié)果。此時，等效陣長與滿陣相同，方位向分辨率為6.8 m，成像結(jié)果見圖9和圖10。從圖中可見，采用本文方法對稀疏陣列成像可達(dá)到接近滿陣成像的效果。為了更準(zhǔn)確地評價本文方法，在此使用均方根誤差MSE來比較重建圖像的質(zhì)量。使用真實場景的圖像做參考，分別與滿陣BP，稀疏陣BP和稀疏陣CS方法的結(jié)果進(jìn)行比較，具體結(jié)果見表2。

圖 8 單發(fā)多收模式成像結(jié)果 （SNR = 10 dB）Fig. 8 SIMO mode imaging result （SNR = 10 dB）

圖 9 多發(fā)多收模式成像結(jié)果 （無噪聲）Fig. 9 MIMO mode imaging result （noise free）

圖 10 多發(fā)多收模式成像結(jié)果 （SNR = 10 dB）Fig. 10 MIMO mode imaging result （SNR = 10 dB）

從表2中數(shù)據(jù)可以看出，本文基于CS的方法，在稀疏陣列條件下，可獲得接近傳統(tǒng)BP方法滿陣成像的效果。由于陣型、變換基等因素的影響，一些成像結(jié)果存在高副瓣的影響，但綜合來說，基于CS方法遠(yuǎn)優(yōu)于稀疏陣列BP的成像效果。除此之外，CS方法易受到噪聲的影響，本文仿真中噪聲水平較低的情況下，圖像質(zhì)量已受到一定影響。本文方法如何應(yīng)用到低信噪比條件下，值得進(jìn)一步研究。

表 2 重建圖像評價結(jié)果Tab. 2 Evaluation of the reconstruction results

4.2正交信號成像分析

在4.1節(jié)中，本文對單發(fā)多收模式下系統(tǒng)成像性能進(jìn)行了仿真，但成像分辨率較多發(fā)多收模式低。為進(jìn)一步提高成像分辨率，需考慮使用正交信號實現(xiàn)多發(fā)多收，本文在此簡單地分析了不同正交信號（頻分信號，碼分信號和OFDM chirp信號）在對地成像時的性能及特點。

本文使用了頻分信號多發(fā)多收模式，該信號正交性較好，且對多普勒不敏感。但使用頻分信號時，需要輪流發(fā)射不同子頻信號等效換?。?.2節(jié)分析的情況），無法使用1次脈沖獲取等效滿陣陣長，不適合強調(diào)時間要求的場合。

若采用碼分信號，則不需要輪發(fā)不同頻率的子帶信號，使用單脈沖即可獲得等效滿陣陣長的稀疏陣列，從而實現(xiàn)實孔徑成像。本文以Gold碼為例分析碼分信號的特點。Gold碼由m序列優(yōu)選對生成［18］，當(dāng)寄存器階數(shù)n增加時，Gold碼序列的數(shù)量遠(yuǎn)多于m序列的數(shù)量且Gold碼序列具有良好的自相關(guān)特性和互相關(guān)特性，適合在多發(fā)多收系統(tǒng)中使用。Gold 碼的互相關(guān)函數(shù)為如下的3值函數(shù)：

其中p=2n-1為Gold碼長，當(dāng)n為奇數(shù)時，t=2（n+1）/2+1，當(dāng)n為偶數(shù)且不是4的整倍數(shù)時，t=2（n+2）/2+1。從式（17）看出，互相關(guān)值隨著階數(shù)n的增加而減小。碼長越短，碼間串?dāng)_越大，成像質(zhì)量會受到嚴(yán)重影響。以n=6為例，此時碼長p=63， max|Ra，b|=0.2698，約11 dB的碼間串?dāng)_在成像中是無法接受的。而當(dāng)碼長達(dá)到2047時，max|Ra，b|=0.0318，互相關(guān)最大值約為30 dB。在這種條件下，有可能使用碼分信號實現(xiàn)對地成像。

OFDM chirp信號是近幾年MIMO領(lǐng)域研究的熱點［19，20］，該信號具有頻譜利用率高，峰均比低等特點，也可在1次脈沖獲得等效滿陣的效果。但同碼分信號一樣，互相關(guān)特性影響其成像性能。如文獻(xiàn)［20］中所示，由于互相關(guān)的影響，MIMO的成像性能較單發(fā)單收系統(tǒng)略差，其在對地成像中的應(yīng)用需要更深入的研究。

5 結(jié)束語

本文研究了基于變換域稀疏壓縮感知的艇載雷達(dá)共形稀疏陣列對地成像技術(shù)。針對飛艇平臺，本文設(shè)計了基于組合巴克碼的共形稀疏陣列，并分析了其探測性能，證明在運動目標(biāo)探測模式下，本文稀疏陣列的探測信噪比僅比密集陣列低2 dB左右，但等效陣長可提升1倍；在實孔徑成像模式下，本文稀疏陣列也滿足對地成像要求。針對本文的共形稀疏陣列，提出了基于CS的對地成像信號處理方法。利用前后不同時刻兩次脈沖實孔徑成像的結(jié)果，可去除散射單元的隨機初相位，使圖像在變換域稀疏，從而可以使用CS方法重建場景，使用本文方法對稀疏陣列信號成像可獲得接近滿陣成像的效果。

需要說明的是，本文提出的成像方法，可以進(jìn)一步擴展到多脈沖成像中。每次成像時，均可用已獲得圖像的信息，去除下一時刻脈沖圖像散射單元的隨機初相位，依次迭代獲得新的圖像，提高圖像質(zhì)量。

［1］Barbier C， Delauré B， and Lavie A. Strategic research agenda for high-altitude aircraft and airship remote sensing applications［C］. USE-High Altitude Aircrafts and Airships Workshop， Antwerp， Belgium， 2006： 44-49.

［2］李道京， 侯穎妮， 滕秀敏， 等. 稀疏陣列天線雷達(dá)技術(shù)及其應(yīng)用［M］. 北京： 科學(xué)出版社， 2014： 9-40. Li Dao-jing， Hou Ying-ni， Teng Xiu-min， et al.. Sparse Array Antenna Radar Imaging Technology and Application［M］. Beijing： Science Press， 2014： 9-40.

［3］Donoho D L. Compressed sensing［J］. IEEE Transactions on Information Theory， 2006， 52（4）： 1289-1306.

［4］Candes E and Romberg J. Sparsity and incoherence in compressive sampling［J］. Inverse Problems， 2007， 23（3）：969-988.

［5］滕秀敏， 李道京. 艇載共形稀疏陣列天線雷達(dá)成像研究［J］. 電波科學(xué)學(xué)報， 2012， 27（4）： 644-649， 656. Teng Xiu-min and Li Dao-jing. Study on airship conformal sparse array radar imaging［J］. Chinese Journal of Radio Sciences， 2012， 27（4）： 644-649， 656.

［6］Zhu X X and Bamler R. Superresolving SAR tomography for multidimensional imaging of urban areas： compressive sensing-based TomoSAR inversion［J］. Signal Processing Magazine， 2014， 31（4）： 51-58.

［7］吳一戎， 洪文， 張冰塵， 等. 稀疏微波成像研究進(jìn)展［J］. 雷達(dá)學(xué)報， 2014， 3（4）： 383-395. Wu Yi-rong， Hong Wen， Zhang Bing-chen， et al.. Current developments of sparse microwave imaging［J］. Journal of Radars， 2014， 3（4）： 383-395.

［8］Zhang L， Xing M， Qiu C-W， et al.. Achieving higher resolution ISAR imaging with limited pulses via compressed sampling［J］. IEEE Geoscience and Remote Sensing Letters，2009， 6（3）： 567-571.

［9］李烈辰， 李道京. 基于壓縮感知的連續(xù)場景稀疏陣列SAR三維成像［J］. 電子與信息學(xué)報， 2014， 36（9）： 2166-2172. Li Lie-chen and Li Dao-jing. Sparse array SAR 3D imaging for continuous scene based on compressed sensing［J］. Journal of Electronics ＆amp; Information Technology， 2014，36（9）： 2166-2172.

［10］楊波. 一種設(shè)計組合巴克碼脈沖壓縮旁瓣抑制濾波器的新方法［J］. 現(xiàn)代雷達(dá)， 2001， 23（5）： 41-45. Yang Bo. A new method for designing range-sidelobe suppression filter for combined Barker code［J］. Modern Radar， 2001， 23（5）： 41-45.

［11］Li L and Li D. Airship sparse array antenna radar performance analysis［C］. 2013 IEEE International Geoscience ＆amp; Remote Sensing Symposium， Melbourne，Australia， 2013： 628-631.

［12］Li D， Zhang Q， Li L， et al.. Sparsity analysis of SAR signal and three-dimensional imaging of sparse array SAR［C］. 2013 IEEE International Geoscience ＆amp; Remote Sensing Symposium， Melbourne， Australia， 2013： 891-894.

［13］張清娟， 李道京. 干涉SAR圖像數(shù)據(jù)壓縮［J］. 中國科學(xué)院研究生院學(xué)報， 2013， 30（3）： 380-386. Zhang Qing-juan and Li Dao-jing. InSAR imaging data compression［J］. Journal of Graduate University of Chinese Academy of Sciences， 2013， 30（3）： 380-386.

［14］Li L， Li D， and Pan Z. InSAR signal sparse sampling and processing based on compressed sensing［C］. 10th European Conference on Synthetic Aperture Radar， Berlin， Germany，2014： 1041-1044.

［15］Xu G， Xing M D， Xia X G， et al.. Sparse regularization of interferometric phase and amplitude for InSAR image formation based on Bayesian representation［J］. IEEE Transactions on Geoscience and Remote Sensing， 2015，53（4）： 2123-2136.

［16］Zeng J， Fang J， and Xu Z. Sparse SAR imaging based on L1/2regularization［J］. SCIENCE CHINA Information Sciences， 2012， 55（8）： 1755-1775.

［17］Zeng J， Xu Z， Zhang B， et al.. Accelerated L1/2regularization based SAR imaging via BCR and reduced Newton skills［J］. Signal Processing， 2013， 93（7）： 1831-1844.

［18］辛肖明， 陳瓊. m序列優(yōu)選對及平衡Gold碼序列［J］. 北京理工大學(xué)學(xué)報， 1990， 10（4）： 106-113. Xin Xiao-ming and Chen Qiong. Optimum m-sequence pairs and balanced gold group［J］. Journal of Beijing Institute of Technology， 1990， 10（4）： 106-113.

［19］Kim J H， Younis M， and Moreira A. A novel OFDM chirp waveform scheme for use of multiple transmitters in SAR［J］. IEEE Geoscience and Remote Sensing Letters， 2013， 6（3）：568-572.

［20］Wang W Q. MIMO SAR OFDM chirp waveform diversity design with random matrix modulation［J］. IEEE Transactions on Geoscience and Remote Sensing， 2015，53（3）： 1615-1625.

李烈辰（1988-），男，浙江杭州人，2010年于中國農(nóng)業(yè)大學(xué)獲得工學(xué)學(xué)士學(xué)位，現(xiàn)為中國科學(xué)院電子學(xué)研究所博士研究生，研究方向為基于陣列天線的高分辨率雷達(dá)成像技術(shù)。

E-mail： chrislee365@hotmail.com

李道京（1964-），男，陜西西安人，研究員，博士生導(dǎo)師，分別于1986年和1991年在南京理工大學(xué)獲得工學(xué)學(xué)士和工學(xué)碩士學(xué)位，2003年于西北工業(yè)大學(xué)獲得工學(xué)博士學(xué)位，2003年至2006年在中國科學(xué)院電子學(xué)研究所做博士后研究，主要研究方向為雷達(dá)系統(tǒng)和雷達(dá)信號處理。

E-mail： lidj@mail.ie.ac.cn

黃平平（1978-），男，山東海陽人，博士，副教授，2003年于山東理工大學(xué)獲得工學(xué)學(xué)士學(xué)位，2007年于內(nèi)蒙古工業(yè)大學(xué)獲得工學(xué)碩士學(xué)位，2010 年獲中國科學(xué)院電子學(xué)研究所博士學(xué)位，現(xiàn)任內(nèi)蒙古工業(yè)大學(xué)雷達(dá)技術(shù)研究所所長。主要研究方向為合成孔徑雷達(dá)信號處理和微波遙感應(yīng)用。

E-mail： cimhwangpp@163.com

Airship Sparse Array Antenna Radar Real Aperture Imaging Based on Compressed Sensing and Sparsity in Transform Domain

Li Liechen①②Li Daojing①Huang Pingping③①（Science and Technology on Microwave Imaging Laboratory， Institute of Electronics， Chinese Academy of
Sciences， Beijing 100190， China）
②（University of Chinese Academy of Sciences， Beijing 100049， China）
③（Radar Research Institute， Inner Mongolia University of Technology， Hohhot 010051， China）

A conformal sparse array based on combined Barker code is designed for airship platform. The performance of the designed array such as signal-to-noise ratio is analyzed. Using the hovering characteristics of the airship， interferometry operation can be applied on the real aperture imaging results of two pulses， which can eliminate the random backscatter phase and make the image sparse in the transform domain. Building the relationship between echo and transform coefficients， the Compressed Sensing （CS） theory can be introduced to solve the formula and achieving imaging. The image quality of the proposed method can reach the image formed by the full array imaging. The simulation results show the effectiveness of the proposed method.

Compressed Sensing （CS）； Sparsity in the transform domain； Conformal sparse array； Real aperture imaging

s： The National Natural Science Foundation of China （61271422， 61201433）

TN957

A

2095-283X（2016）01-0109-09

10.12000/JR14159

2014-12-24；改回日期：2015-04-28；網(wǎng)絡(luò)出版：2015-05-27

李烈辰 chrislee365@hotmail.com

國家自然科學(xué)基金（61271422， 61201433）