题目：压缩感知雷达信号处理应用及实现技术研究

压缩感知（CS）理论一定意义上突破了传统Nyquist采样率的限制，给数据获取、存储、传输及处理带来了极大的便利，这种全新的信号处理理论也为克服传统雷达处理的一些固有缺陷，改善技术性能提供了理论和实现上的可能性。本论文主要围绕若干典型应用，研究相应的基于压缩感知的雷达信号处理方案及实现方法。包括低脉冲重复频率（PRF）雷达的多目标解模糊应用，单通道宽测绘带星载合成孔径雷达成像（SAR），以及适用于雷达信号的模拟－信息转换器（AIC）设计及实现。首先，针对低脉冲重复频率雷达的多普勒解模糊问题，提出了一种新的基于压缩感知理论的多普勒解模糊处理方法，分析了多重PRF方式下相参处理间隔内的时域欠采样特性及多普勒频谱的稀疏特性，构造了多普勒解模糊的压缩感知处理模型，并由正交匹配追踪算法直接估计出无模糊多普勒谱的幅度响应，可实现PRF分组参差方式下对多个目标的解多普勒模糊处理。其次，针对常规单通道星载SAR的宽测绘带成像问题，提出了一种基于压缩感知的单通道星载SAR宽测绘带成像方法，采用了一种类似Poisson Disk的方位向非均匀随机采样方式，通过约束任意两个方位采样的最小间隔时间，可以满足测绘带宽增加的要求，同时提出了一种适用于中等分辨率的快速CS-SAR成像算法。再次，研究了基于回波数据的CS-SAR运动补偿技术。通过分析和仿真，表明各类运动误差对CS-SAR输出响应的影响与常规SAR非常类似，可以认为是对常规SAR误差响应输出的稀疏表征。结合CS-SAR的有关采样方式，提出了针对方位随机选取采样方式的扩展相关多普勒中心估计方法；以及针对Poisson Disk采样方式的一种结合最大对比度和Radon变换的图像域多普勒中心估计方法。提出了CS-SAR的两步自聚焦处理方案，基于稀疏恢复的复数图像域散焦数据，验证了最大对比度自聚焦算法和相位梯度自聚焦算法的适用性。最后，分析和仿真验证了标准随机调制积分AIC实际电路实现中所存在的非理想因素，这些因素可能会导致实际的重构结果出现大的误差。为克服非理想因素的影响，提出了一种新的M-AIC实现方案，采用输入标准稀疏基信号，测量得到压缩感知矩阵的方法，并由多次测量的基本压缩感知矩阵构造冗余字典，再通过改进的正交匹配追踪算法重构出目标稀疏信号。在此基础上，设计和实现了一种适用于雷达中频信号的M-AIC采样电路，并对实际电路进行了测试验证。