基于频域信息融合和稀疏贝叶斯学习的高分辨ISAR成像

摘 要：为了在ISAR成像中更好地压制噪声，消除条纹干扰，提高成像分辨率，本文提出一种基于双向插 值处理和频域信息融合的稀疏贝叶斯学习算法，称之为BI⁃FF SBL算法。该方法首先对回波信号分别进行径向 和横向插值预处理，将预处理得到的两份数据通过LA⁃VB算法进行ISAR成像；然后将得到的两幅ISAR图像通 过二维傅里叶变换进入频域，并将两个二维频谱进行信息融合处理，以消除噪声和条纹干扰的相关信息并保留 目标结构信息；最后对融合处理后的频谱进行二维傅里叶逆变换，得到最终的ISAR图像。为了验证BI⁃FF SBL 算法的 ISAR 成像效果，本文进行了基于仿真数据和实测数据的成像实验，并将实验结果与 R⁃D 算法、L1⁃BP算 法、LA⁃VB算法进行对比，发现BI⁃FF SBL算法在压制噪声和去除条纹干扰方面具有明显的优势，且能提供分辨 率更高的ISAR图像。当实验数据信噪比降到0 dB时，BI⁃FF SBL算法依然能够提供清晰的ISAR图像，明显优于 其他三种算法。测试超分辨重构误差的实验结果表明，相比于L1⁃BP算法和LA⁃VB算法，BI⁃FF SBL算法的重构 误差更低，在实验数据信噪比为0 dB时，重构信噪比可以达到13.55 dB。 关键词：超分辨ISAR成像；稀疏贝叶斯学习；双向插值处理；频域信息融合

0 引 言