● 摘要
本文主要研究逆合成孔径雷达（Inverse Synthetic Aperture Radar，ISAR）成像中的高分辨技术和多目标成像技术。对于高分辨技术，本文使用压缩感知（Compressive Sensing，CS）来提高方位向分辨率；在多目标成像中，本文在方位向对来自不同目标的信号进行分离，然后单独成像。
分辨率是衡量雷达图像的重要指标。在基于傅立叶变换的处理方法中，方位向分辨率是有限的，为了克服这种局限性，本文使用基于压缩感知的算法来提高方位向分辨率。
首先，我们利用短时间内所获得的数据对平稳目标进行成像。在建立起基于稀疏表示的成像模型之后，成像问题转化成了信号重构的问题。另外，方位向回波在某些时刻有可能是稀疏的，在这种情况下，我们建立与方位时刻相应的压缩感知矩阵，然后对目标进行重构。
然而，我们有必要对机动目标进行高分辨成像。本文提出了一种基于线性调频基的CS高分辨成像算法来分析机动目标的方位回波。利用这种改进的基矩阵，结合图像的拉普拉斯先验信息，不仅可以估计出与方位位置成正比的初始多普勒频率信息，而且可以获得高方位分辨率。
另一方面，在ISAR成像中，天线波束可能会照射到不止一个目标上，从而导致回波重叠。对多运动目标成像的关键问题是分离来自不同目标的回波，本文采用两种方式来分离回波信号。第一种是基于参数估计的，第二种基于图像分割。
在第一种方法中，我们利用不同目标在方位向的调频率来分离信号，引入分数阶自相关来估计调频率，相对于匹配傅里叶变换（Discrete Chirp-Fourier transform，DCFT）、Radon-Wiginer变换（Radon-Wiginer Transtrom，RWT），所提方法将检测与参数估计的二维搜索降为一维搜索，最后结合逐次消去法来分离回波。
在第二种方法中，本文利用编队多目标呈近似刚性的特点，提出利用同一个径向加速度对方位向回波进行统一的二次相位补偿，然后利用Keystone变换完成距离对齐，以降低回波在多普勒域的重叠，进而在粗图像域提取和分离不同目标的信号。当不同目标的回波得到分离之后，最后用常规补偿算法对所分离的各个单目标信号分别进行成像。仿真结果验证了该算法的有效性。