-
题名重尾噪声环境下的扫描雷达稳健角超分辨方法
- 1
-
-
作者
张寅
张永超
晏家楠
刘帅迪
杨建宇
-
机构
电子科技大学信息与通信工程学院
电子科技大学长三角研究院(衢州)
-
出处
《信号处理》
CSCD
北大核心
2023年第9期1562-1572,共11页
-
基金
四川省自然科学基金项目(2023NSFSC1970,2022NSFSC0950)
衢州市财政资助科研项目(2022D0011,2022D036)。
-
文摘
扫描雷达由于天线孔径受到平台尺寸限制,存在角分辨率低下的缺陷。角超分辨技术能够在不改变雷达硬件系统的前提下,通过信号处理方法,获得超越雷达实孔径波束宽度的角度分辨能力。近些年研究表明,基于最小绝对收缩和选择算子(LASSO)的稀疏角超分辨方法能够获得比传统方法更高的分辨能力。然而,该方法基于高斯白噪声假设,在残余项中主要基于l2范数进行约束。当回波数据中存在重尾分布的噪声时,该方法中的l2范数约束无法有效抑制重尾分布噪声,导致目标分辨能力下降,甚至产生虚假目标。针对该问题,本文提出一种扫描雷达抗重尾噪声角超分辨成像方法。首先,本文引入一种最小绝对偏差(LAD)-LASSO约束准则以抑制重尾分布噪声;更进一步的,针对模型中存在的正则化参数自适应选取难题,本文基于稀疏自相关迭代准则导出正则化参数的最优表达。最后,针对LAD-LASSO非平滑代价函数最优化求解难题,本文提出一种基于迭代重加权最小二乘(IRLS)算法的求解方法,通过将l1范数替换为重加权的l2范数,并在每次迭代中计算权值实现最优求解。仿真结果表明,相比传统稀疏角超分辨方法,本文提出的方法在不同信噪比下均能够有效抑制重尾分布噪声,并有效提升扫描雷达角分辨率。同时,本文采用岸基X波段雷达实测数据验证了本文提出方法的有效性。
-
关键词
扫描雷达
角超分辨
重尾噪声
最小绝对偏差-最小绝对收缩和选择算子
迭代重加权最小二乘
-
Keywords
scanning radar
angular super-resolution
heavy-tailed noise
minimum absolute deviation-minimum abso⁃lute shrinkage and selection operator
iterative weighted least squares
-
分类号
TN959.3
[电子电信—信号与信息处理]
-
