， ，

(1.桂林電子科技大學(xué)計(jì)算機(jī)與信息安全學(xué)院， 廣西桂林 541004；2.桂林電子科技大學(xué)信息與通信學(xué)院， 廣西桂林 541004)

0 引 言

地基雷達(dá)由于其穩(wěn)定可控且可長(zhǎng)期重復(fù)觀測(cè)的特點(diǎn)，近年來(lái)已成為探測(cè)露天礦邊坡形變、城區(qū)沉降、山體滑坡等領(lǐng)域的重要應(yīng)用方向。本文主要針對(duì)山體滑坡監(jiān)測(cè)的關(guān)鍵技術(shù)，即地基雷達(dá)成像進(jìn)行研究?，F(xiàn)有兩大典型成像系統(tǒng)應(yīng)用在山體滑坡監(jiān)測(cè)領(lǐng)域：意大利的Joint Research Centre研制的LISA(Linear SAR)成像系統(tǒng)[1]、佛羅倫薩大學(xué)和意大利IDS公司合作研制的GBInSAR(Ground Based InSAR)系統(tǒng)IBIS(Image By Interferometry Survey)[2]。這些成像系統(tǒng)通過(guò)雷達(dá)天線在水平直軌道運(yùn)動(dòng)獲得較高的方位向分辨率，但是天線運(yùn)動(dòng)的同時(shí)會(huì)影響測(cè)量的精度，也限制了雷達(dá)數(shù)據(jù)的采集速度。MIMO雷達(dá)利用其多發(fā)多收體制形成的虛擬天線陣元替代實(shí)際天線陣元[3]，可以很好地解決合成孔徑的問(wèn)題。然而傳統(tǒng)的成像算法，如距離多普勒算法和CS(Chirp Scaling)算法由于雷達(dá)結(jié)構(gòu)的特殊性不再適用。文獻(xiàn)[4]基于MIMO雷達(dá)成像在標(biāo)準(zhǔn)BP(Back Projection)算法和TCC(Time-Delayed Curve Correction)-BP算法基礎(chǔ)上，提出一種高運(yùn)算效率的改進(jìn)MIMO雷達(dá)BP成像算法。文獻(xiàn)[5]在山體滑坡監(jiān)測(cè)模型中設(shè)計(jì)一種逆傅里葉變換和波束形成的地基MIMO雷達(dá)成像算法，提高了成像算法效率，但需要的天線數(shù)目仍然較多。從現(xiàn)有的文獻(xiàn)來(lái)看，在山體滑坡監(jiān)測(cè)雷達(dá)領(lǐng)域，采用的仍是經(jīng)典的均勻線性布陣方式，稀疏陣列下的地基MIMO雷達(dá)成像技術(shù)仍待進(jìn)一步研究。

近年來(lái)，壓縮感知理論由于能夠有效重建稀疏信號(hào)，不少學(xué)者將其應(yīng)用于稀疏數(shù)據(jù)成像中。文獻(xiàn)[6]根據(jù)壓縮感知理論設(shè)計(jì)了一套采用稀布MIMO陣列和稀疏頻率信號(hào)的探地雷達(dá)成像方案。文獻(xiàn)[7]基于稀疏陣列模型，通過(guò)二維CZT坐標(biāo)轉(zhuǎn)換，結(jié)合壓縮感知理論，提出了一種快速高分辨率的成像方法。本文利用壓縮感知技術(shù)的降維思想，基于時(shí)分地基MIMO雷達(dá)的稀疏陣列模型，提出一種距離向逆傅里葉變換脈沖壓縮和方位向混合匹配追蹤算法的成像方法。通過(guò)數(shù)值仿真驗(yàn)證，該方法能夠在實(shí)現(xiàn)目標(biāo)成像高質(zhì)量并改善多目標(biāo)偽影點(diǎn)問(wèn)題的情況下，減少比傳統(tǒng)均勻陣列一半的天線數(shù)目，進(jìn)一步節(jié)省了硬件成本，降低了數(shù)據(jù)處理復(fù)雜度。

1 稀疏陣列時(shí)分地基MIMO雷達(dá)信號(hào)模型

基于時(shí)分地基MIMO雷達(dá)成像系統(tǒng)的原理框架如圖1所示。整個(gè)雷達(dá)系統(tǒng)在系統(tǒng)同步單元的控制和協(xié)調(diào)下，由信號(hào)產(chǎn)生單元產(chǎn)生步進(jìn)頻連續(xù)波信號(hào)，經(jīng)過(guò)數(shù)模轉(zhuǎn)換后送入信號(hào)調(diào)制單元調(diào)制到雷達(dá)工作頻段，然后通過(guò)射頻前端放大單元將信號(hào)功率放大。再由MIMO發(fā)射天線陣列按分時(shí)工作模式將信號(hào)發(fā)射出去，同時(shí)MIMO接收天線陣列分時(shí)接收雷達(dá)回波信號(hào)。信號(hào)的分時(shí)發(fā)射和接收均在天線分時(shí)選擇器的協(xié)調(diào)和控制下進(jìn)行?；夭ㄐ盘?hào)接收后經(jīng)過(guò)低噪聲放大單元將回波信號(hào)放大再進(jìn)行正交解調(diào)，然后對(duì)回波信號(hào)進(jìn)行采集。最后將采集好的雷達(dá)數(shù)據(jù)送入信號(hào)處理單元進(jìn)行后續(xù)的成像處理。

圖1 基于時(shí)分地基MIMO雷達(dá)成像系統(tǒng)原理框架

傳統(tǒng)MIMO雷達(dá)系統(tǒng)是由M發(fā)N收的均勻陣列組成，接收天線間隔為λ/2，發(fā)射天線間隔為N(λ/2)，λ為信號(hào)波長(zhǎng)。在實(shí)際成像中，陣元數(shù)過(guò)大會(huì)提高系統(tǒng)硬件成本和計(jì)算復(fù)雜度，為了解決陣元數(shù)過(guò)大引起的問(wèn)題，本文采用稀疏布陣進(jìn)行MIMO雷達(dá)成像。

為了發(fā)射信號(hào)彼此之間正交，通常發(fā)射天線數(shù)要遠(yuǎn)小于接收天線數(shù)，所以本文對(duì)數(shù)目較多的接收天線進(jìn)行稀疏布置：從原始N個(gè)接收天線中隨機(jī)選取N′個(gè)，為保證陣列孔徑長(zhǎng)度足夠大，第一個(gè)和最后一個(gè)接收天線位置不變，接收陣列稀疏比例定義為η=N′/N。根據(jù)得到的N′個(gè)稀疏接收陣元和M個(gè)均勻的發(fā)射陣元，利用多項(xiàng)式理論[8]得到MN′個(gè)虛擬陣元。

為了獲取高的距離向分辨率，本文采取步進(jìn)頻連續(xù)波技術(shù)。則第m個(gè)發(fā)射天線發(fā)射的一組脈沖信號(hào)為Sm(t)，表達(dá)式為

m∈(1,2,3,…,M)

(1)

式中，fi=f0+iΔf，f0為脈沖起始頻率，Δf為頻率步進(jìn)量，rect(t)為單位矩形函數(shù)，Tr為發(fā)射信號(hào)脈沖寬度，Q為子脈沖個(gè)數(shù)，Am為第m個(gè)發(fā)射信號(hào)的能量。

雷達(dá)信號(hào)分時(shí)發(fā)射到監(jiān)測(cè)區(qū)域后，回波信號(hào)被接收天線分時(shí)接收。假設(shè)第n′個(gè)接收陣元接收到第m個(gè)發(fā)射陣元發(fā)射信號(hào)的回波，并將該通道稱為第mn′個(gè)觀測(cè)通道，將該觀測(cè)通道回波信號(hào)幅度放大并經(jīng)過(guò)解調(diào)采樣后為

i∈(0,1,2,…,Q-1)

(2)

式中，δ為目標(biāo)散射系數(shù)，τmn′為該觀測(cè)通道的時(shí)延，(x0,y0),(xn′,0),(xm,0)分別為目標(biāo)和收、發(fā)天線的坐標(biāo)，c為光速。

2 MIMO雷達(dá)稀疏成像方法

2.1 雷達(dá)數(shù)據(jù)距離向壓縮及近似相位補(bǔ)償

本文采用時(shí)分MIMO雷達(dá)體制，通過(guò)時(shí)分方式發(fā)射和接收信號(hào)，各通道數(shù)據(jù)可以被很好地分離開來(lái)，可以避免傳統(tǒng)MIMO雷達(dá)接收端的復(fù)雜匹配濾波，但是距離向雷達(dá)數(shù)據(jù)還沒(méi)有進(jìn)行壓縮處理。步進(jìn)頻連續(xù)波是一個(gè)頻域信號(hào)，變換到時(shí)域可以形成一個(gè)sinc函數(shù)信號(hào)，即可以形成一個(gè)窄脈沖。斜距不同的目標(biāo)窄脈沖出現(xiàn)的位置也不一樣，從而在距離向分離出不同目標(biāo)。

由第1節(jié)所述，雷達(dá)采集完數(shù)據(jù)后得到一個(gè)原始雷達(dá)數(shù)據(jù)矩陣I[MN′,Q]，Emn′,i為矩陣I第mn′行i列的元素，表示為

Emn′,i=Amn′δexp(j2π(f0+iΔf)(-τmn′))

(3)

在小間距布陣條件下，MIMO雷達(dá)陣列長(zhǎng)度遠(yuǎn)小于監(jiān)測(cè)區(qū)域目標(biāo)到陣列的距離，距離徙動(dòng)不明顯，因此，距離向只需要進(jìn)行逆傅里葉變換(IFFT)即可得到較為準(zhǔn)確的壓縮數(shù)據(jù)。對(duì)I[MN′,Q]矩陣按行分別進(jìn)行IFFT得到第mn′行數(shù)據(jù)為

sinc(πB(tk-τmn′))

(4)

式中,tk∈k/B，B為信號(hào)帶寬。

將式(4)所示的時(shí)延曲線按冪級(jí)數(shù)展開，省略高方次項(xiàng)。為方便表達(dá)，把完成距離向壓縮后的雷達(dá)數(shù)據(jù)變換到極坐標(biāo)下表示，監(jiān)測(cè)區(qū)域目標(biāo)(x0,y0)的波達(dá)角設(shè)為θ，進(jìn)一步可得回波數(shù)據(jù)的相位為

(5)

根據(jù)真實(shí)滑坡監(jiān)測(cè)區(qū)域的幾何特點(diǎn)推出θ很小，sin2θ值非常小，sin2θ/R0的值更小，可以忽略不計(jì)，式(5)將合理的近似為

(6)

對(duì)比傳統(tǒng)的線性陣列，MIMO天線陣列稀疏布置的情況下會(huì)存在相位不連續(xù)現(xiàn)象，為提高雷達(dá)數(shù)據(jù)方位向壓縮的質(zhì)量，在方位向壓縮之前進(jìn)行預(yù)處理，即采用相位相乘的方法消除式(6)的第二項(xiàng)。因?yàn)镽0是個(gè)變量，會(huì)造成算法的運(yùn)算量巨大。所以對(duì)式(6)的第二項(xiàng)進(jìn)行近似的校正，把式(6)第二項(xiàng)中的R0替換為R1，R1表示監(jiān)測(cè)區(qū)域中心到雷達(dá)天線陣列坐標(biāo)中心的距離，為一常量。由此可得校正因子為

(7)

因此對(duì)式(4)乘以校正因子Sjiao,mn′完成方位向壓縮預(yù)處理，那么得到

sinc(πB(tk-τmn′))

(8)

2.2 基于時(shí)延補(bǔ)償因子稀疏基的壓縮感知方位向壓縮

若等效的虛擬收發(fā)天線是均勻布置的，利用文獻(xiàn)[4]方法在方位向用波束形成算法進(jìn)行數(shù)據(jù)壓縮，即可得到高分辨率的圖像。但本文等效的虛擬收發(fā)天線是稀疏布置的，直接運(yùn)用文獻(xiàn)[4]方法就會(huì)導(dǎo)致旁瓣很高。由于對(duì)山體滑坡監(jiān)測(cè)區(qū)域目標(biāo)成像時(shí)，聚焦性強(qiáng)的目標(biāo)只占據(jù)監(jiān)測(cè)區(qū)域的極小部分，滿足壓縮感知理論的稀疏性要求，稀疏陣列可認(rèn)為是原始均勻陣列的低維觀測(cè)。因此本文結(jié)合壓縮感知理論[9]對(duì)方位向數(shù)據(jù)進(jìn)行壓縮處理，針對(duì)多目標(biāo)的偽影點(diǎn)問(wèn)題，引入混合匹配追蹤(Hybrid Matching Pursuit，HMP)算法[10]，既保證了基信號(hào)選擇的正交性，又對(duì)支撐集選取過(guò)程進(jìn)行回溯優(yōu)化，大大改善了傳統(tǒng)正交匹配追蹤(Orthogonal Matching Pursuit，OMP)算法[11]的成像質(zhì)量。

(9)

式中，觀測(cè)矩陣Φ={φu,v}為廣義單位陣，且

(10)

Φ矩陣由MN′行MN列元素構(gòu)成，矩陣的每一行除了第δu個(gè)元素為1外，其余的全為0，δu由等效稀疏收發(fā)天線位置決定。

對(duì)應(yīng)地，原始均勻陣列得到的回波數(shù)據(jù)Y可由稀疏變換矩陣變換為

Yq=ΨΘq

(11)

式中，Θq為第q個(gè)距離單元的目標(biāo)散射點(diǎn)信息，Ψ為稀疏變換矩陣。

根據(jù)滑坡監(jiān)測(cè)區(qū)域幾何形狀，得出監(jiān)測(cè)區(qū)域波達(dá)角的覆蓋范圍，雷達(dá)監(jiān)測(cè)區(qū)域距離向從ymin到y(tǒng)max，方位向從-x到x，則波達(dá)角的范圍為(-arctan(x/ymin),arctan(x/ymin))，將其均分為MN份，得θl如下式：

l∈(0,1,2,…,MN-1)

(12)

令Wl,mn=exp(-j2πf0sinθl(xm+xn)/c)，由Wl,mn組建MN行MN列時(shí)延補(bǔ)償因子矩陣如下式：

(13)

時(shí)延補(bǔ)償因子與信號(hào)本身在某種程度上存在一一對(duì)應(yīng)的關(guān)系，很全面地反映了散射點(diǎn)的特征信息，故可以把其作為稀疏變換的稀疏基進(jìn)行后續(xù)的數(shù)據(jù)壓縮處理。

本文在構(gòu)造稀疏接收陣列時(shí)，接收天線是隨機(jī)選取的，等效的虛擬收發(fā)陣元的位置也是隨機(jī)的，滿足廣義單位陣Φ與Ψ不相干的要求，因此ΦΨ滿足RIP(Restricted Isometry Property)條件[9]。由以上構(gòu)造的稀疏變換矩陣和觀測(cè)矩陣，利用正交匹配追蹤算法對(duì)X的第q行求解以下問(wèn)題：

(14)

然后對(duì)所有的q=1,2,…,Q求解式(14)問(wèn)題，即可得到二維像。

事實(shí)上直接運(yùn)用OMP算法對(duì)多點(diǎn)目標(biāo)成像時(shí)會(huì)有偽影點(diǎn)出現(xiàn)，因?yàn)镺MP算法在支撐集選擇時(shí)只能擴(kuò)充不能去除不良基信號(hào)，針對(duì)此問(wèn)題，引入一種混合匹配追蹤算法，通過(guò)將兩種貪婪恢復(fù)算法結(jié)合起來(lái)，利用OMP算法選擇基信號(hào)的正交性和子空間追蹤(Subspace Pursuit, SP)算法[12]支撐集選擇的回溯策略，來(lái)重構(gòu)出高分辨且沒(méi)有偽影的圖像。

表1 方位向數(shù)據(jù)壓縮算法流程

然后再分別對(duì)X的q=1,2,…,Q個(gè)距離單元分別按照表1的算法流程求解，即可得到目標(biāo)的二維信息。從表1算法流程來(lái)看，HMP算法中的每次支撐集確定過(guò)程是通過(guò)OMP算法得到的，這樣就使得在基信號(hào)選擇時(shí)保證了正交性。與此同時(shí)，HMP算法中的支撐集回溯選擇過(guò)程與SP算法的相同，這樣就使得HMP算法可以去掉在前面的迭代過(guò)程中被選擇的病態(tài)索引，向支撐集中添加新的潛力高的索引。所以，HMP算法的處理流程結(jié)合了OMP算法和SP算法的優(yōu)點(diǎn)，使得多目標(biāo)成像的性能會(huì)更好。

3 仿真實(shí)驗(yàn)

為了驗(yàn)證算法的正確性，在本節(jié)進(jìn)行數(shù)值仿真實(shí)驗(yàn)。雷達(dá)發(fā)射步進(jìn)頻信號(hào)，載頻為15 GHz,帶寬為300 MHz,子脈沖數(shù)為4 096個(gè)。這里按照第1節(jié)稀疏布陣方法布置6發(fā)25收的陣列，均勻接收陣元的間隔為λ/2，發(fā)射陣元的間隔為50×(λ/2)，陣列稀疏度為50%。根據(jù)山體滑坡的實(shí)際成像場(chǎng)景設(shè)置雷達(dá)仿真參數(shù)。雷達(dá)成像區(qū)域?yàn)榫嚯x向從1 000 m到2 000 m，方位向?yàn)?150 m到150 m。點(diǎn)目標(biāo)的散射系數(shù)都設(shè)為1，附加噪聲為加性高斯白噪聲，信噪比為10 dB。

首先分析單點(diǎn)目標(biāo)成像，目標(biāo)方位向?yàn)? m，距離向?yàn)? 500 m，圖2給出了文獻(xiàn)[5]方法、OMP算法以及本文提出的算法成像結(jié)果。從圖2看出，3種方法均對(duì)單點(diǎn)聚焦正確成像，但是圖2(a)有低幅度值的旁瓣，圖2(b)和圖2(c)沒(méi)有這種情況，且圖2(a)的分辨率低于圖2(b)和圖2(c)。表明對(duì)于單點(diǎn)目標(biāo)成像，OMP算法和本文方法成像效果一致，明顯優(yōu)于文獻(xiàn)[5]方法，OMP算法對(duì)于單點(diǎn)目標(biāo)成像沒(méi)有偽影點(diǎn)出現(xiàn)。

圖2 單點(diǎn)目標(biāo)稀疏陣列成像對(duì)比

其次圖3分析了多點(diǎn)目標(biāo)成像，目標(biāo)點(diǎn)位置信息為tg1-(0,1 500)，tg2-(-25,1 505)，tg3-(25,1 505)，tg4-(0,1 510)，tg5-(-50,1 520)，tg6-(50,1 520)，tg7-(0,1 520)。仿真結(jié)果如圖3所示，圖3(a)給出了文獻(xiàn)[5]方法的成像效果圖，圖3(b)給出了OMP算法的成像效果圖，圖3(c)給出了本文方法成像效果圖。為了更加清晰地比較3種方法成像質(zhì)量，圖4給出了距離向?yàn)? 510的方位向切面曲線圖?？梢钥闯?，圖3(a)中由于陣元的缺失，不能很好地處理欠采樣數(shù)據(jù)，呈現(xiàn)出的7個(gè)點(diǎn)目標(biāo)圖像模糊，只能大致辨別幾個(gè)目標(biāo)點(diǎn)的不同位置信息，且旁瓣水平比單點(diǎn)目標(biāo)成像惡化明顯。圖3(b)和圖3(c)表明了OMP算法和本文方法在稀疏陣列下多點(diǎn)目標(biāo)聚焦成像的效果優(yōu)于文獻(xiàn)[5]。但觀察圖4和對(duì)比圖3(b)、圖3(c)可發(fā)現(xiàn)，OMP算法在目標(biāo)點(diǎn)周圍存在多個(gè)偽影點(diǎn)，影響多個(gè)目標(biāo)之間的區(qū)分，這是由于OMP算法在基信號(hào)選擇時(shí)只能擴(kuò)充而不能去除的策略造成的。本文方法與OMP算法不同之處在于迭代過(guò)程中結(jié)合了SP算法，去除了在前面迭代過(guò)程中被選擇的病態(tài)索引，因此本文方法的成像效果更好。為進(jìn)一步分析本文方法的成像質(zhì)量，表2分別給出了文獻(xiàn)[5]方法、OMP算法、本文方法的分辨率和目標(biāo)雜波比(TCR)指標(biāo)對(duì)比分析。目標(biāo)雜波比對(duì)應(yīng)用來(lái)衡量目標(biāo)在背景雜波中的凸顯程度，其值越大，聚焦度越高，以dB的形式定義為

(15)

式中，Γ為目標(biāo)區(qū)域，Ω為雜波區(qū)域。分析表2可知，3種方法的距離向分辨率基本相同，這是因?yàn)榫嚯x向分辨率只與發(fā)射信號(hào)帶寬有關(guān)。OMP算法和本文方法的方位向分辨率明顯優(yōu)于文獻(xiàn)[5]方法，這是因?yàn)殛嚵械南∈柘闰?yàn)信息用在壓縮感知理論可以大大改善成像的質(zhì)量。從表2可以看出，本文方法的TCR值最高，點(diǎn)目標(biāo)的散射特性保存最好，比OMP算法的TCR值高4 dB左右，極大地改善了多目標(biāo)成像的偽影點(diǎn)問(wèn)題。

圖3 多點(diǎn)目標(biāo)稀疏陣列成像對(duì)比

圖4 方位向切面曲線圖

成像方法目標(biāo)雜波比/dB距離向分辨率/m方位向分辨率/mrad文獻(xiàn)[5]方法67.130.517.94OMP算法73.330.490.993本文方法77.360.490.992

下面分析本文方法對(duì)應(yīng)不同稀疏比的陣列天線的重構(gòu)效果。圖5給出了稀疏比分別為50%, 30%,20%，對(duì)應(yīng)的接收陣元依次為25, 15, 10的成像效果對(duì)比。從圖5的3幅圖中看出，隨著陣列天線稀疏比的降低，多點(diǎn)目標(biāo)的重構(gòu)效果在逐漸變差，且在20%的比例下成像質(zhì)量惡化嚴(yán)重。為了更準(zhǔn)確地評(píng)價(jià)本文方法在不同稀疏比情況下的成像質(zhì)量，在此使用均方根誤差(RMSE)來(lái)比較重建圖像的質(zhì)量。使用理想場(chǎng)景的圖像作參考，設(shè)置稀疏比從10%到50%分別進(jìn)行對(duì)比，具體結(jié)果如表3所示，RMSE值越小代表重建質(zhì)量越高。從表3中看出，隨著稀疏比不斷下降，RMSE的值在逐漸升高，對(duì)應(yīng)的多目標(biāo)成像質(zhì)量在逐漸變差。所以，只要接收陣列保證稀疏比例在20%以上，均可以運(yùn)用壓縮感知理論實(shí)現(xiàn)多點(diǎn)目標(biāo)的準(zhǔn)確重構(gòu)。

圖5 不同陣列稀疏比本文方法成像效果對(duì)比

稀疏比(η)RMSE50%0.014040%0.015430%0.015920%0.019610%0.0224

為了說(shuō)明本文方法的抗噪性，圖6給出了接收陣列稀疏比例分別為50%, 30%, 20%的多目標(biāo)重構(gòu)誤差隨信噪比變化的情況。信噪比設(shè)置-40 dB到20 dB，把均方根誤差值作為衡量成像效果的標(biāo)準(zhǔn)。從圖6看出，多目標(biāo)重構(gòu)的均方根誤差在不同的稀疏比例下均隨信噪比的提高而減小。當(dāng)信噪比大于-20 dB時(shí)，不同稀疏比例得到的多目標(biāo)重構(gòu)均方根誤差均趨于平穩(wěn)。通過(guò)圖中誤差對(duì)比可知，稀疏比例值越高，整體的均方根誤差值越小，抗噪性能越好。綜上所述，只要信噪比在一定范圍內(nèi)，重構(gòu)圖像的質(zhì)量整體保持在穩(wěn)定的高分辨率狀態(tài)。

圖6 幾種陣列稀疏度隨信噪比變化的均方根誤差比較

4 結(jié)束語(yǔ)

將傳統(tǒng)MIMO雷達(dá)陣列運(yùn)用在山體滑坡監(jiān)測(cè)方面可解決合成孔徑雷達(dá)天線運(yùn)動(dòng)的精度問(wèn)題和數(shù)據(jù)采集速度慢的問(wèn)題，但需求天線數(shù)多，增加系統(tǒng)復(fù)雜度和硬件成本。為了解決以上問(wèn)題，提高系統(tǒng)性能，本文研究了稀疏陣列下的時(shí)分MIMO地基雷達(dá)成像技術(shù)，提出一種逆傅里葉變換結(jié)合壓縮感知的方法，并針對(duì)多目標(biāo)偽影點(diǎn)問(wèn)題引入混合匹配追蹤算法實(shí)現(xiàn)高質(zhì)量的成像。最后通過(guò)數(shù)值仿真驗(yàn)證，本文方法在一定的陣列稀疏比例范圍下可以實(shí)現(xiàn)較為理想的成像結(jié)果?？傮w來(lái)說(shuō)，本文在基于時(shí)分MIMO雷達(dá)的山體滑坡監(jiān)測(cè)體系下引入稀疏陣列保證多點(diǎn)目標(biāo)成像的有效性，為山體滑坡監(jiān)測(cè)系統(tǒng)的實(shí)物研制提供理論支撐，具有一定的實(shí)際應(yīng)用價(jià)值。