基于压缩感知的非均匀脉冲sar欺骗性干扰抑制方法-史洪印.pdf

《基于压缩感知的非均匀脉冲sar欺骗性干扰抑制方法-史洪印.pdf》由会员分享，可在线阅读，更多相关《基于压缩感知的非均匀脉冲sar欺骗性干扰抑制方法-史洪印.pdf（8页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、第37卷第3期2016年3月仪 器 仪 表 学 报Chinese Journal of Scientific InstrumentV0137 No3Mar2016基于压缩感知的非均匀脉冲SAR欺骗性干扰抑制方法史洪印，贾宝京，齐兆龙(燕山大学信息科学与工程学院秦皇岛066004)摘要：针对SAR欺骗式干扰的特点和传统干扰抑制后SAR成像质量恶化以及传统干扰抑制方法存在着冗余度高、有效信息提取率低等问题，本文提出了将两种新的稀疏采样方式一互质采样与嵌套式稀疏采样同压缩感知算法相结合，用来抑制欺骗式干扰并实现目标高分辨重建的方法。通过仿真实验，对比了本文提出的新重构算法与传统非均匀采样重构算法，证

2、明了在采样率远低于Nyquist速率的条件下，基于压缩感知的稀疏非均匀SAR采样与成像方法不但可以抑制欺骗式干扰，而且能够在避免信号冗余的情况下实现目标的高分辨成像。关键词：合成孔径雷达；抗干扰；互质采样；嵌套式稀疏采样；频域重构；压缩感知中图分类号：TJ06 TJ823 文献标识码：A 国家标准学科分类代码：4604030Novel nonuniform pulse SAR deception jamming suppressingmethod based on compressive sensingShi Hongyin，Jia Baojing，Qi Zhaolong(School of

3、Information Science and Engineering，Yanshan University，Qinhuangdao 066004，China)Abstract：Aiming at the characteristic of SAR deception jamming，and the problems of SAR imaging quality degradation after traditionaldeception jamming suppressing，high redundancy and low efficiency of effective informatio

4、n extraction in traditional anti-jamming method，this paper propose a novel method，which combines two new sparse sampling methods，iecoprime sampling and nested sparse samplingwith compressive sensing(CS)algorithm to resist deception jamming and achieve SAR image high resolution reconstructionThrough

5、simu-lation experiment，this paper compares the proposed new reconstruction algorithm and traditional nonuniform sampling reconstruction algorithm；and the result proves that under the condition that the sampling rate is much lower than the Nyquist rate，the sparse nonuniformSAR sampling and imaging me

6、thod based on compressive sensing can not only resist deception jamming，but also achieve hi【gh resolutiontarget imaging effectively with much less data than that regularly required under the condition of avoiding signal redundancyKeywords：SAR；anti-jamming；coprime sampling；nested sparse sampling；freq

7、uency domain reconstruction；compressive sensing1 引 言在现代战争中，电子对抗的作用日益彰显。电磁干扰环境下，合成孔径雷达(synthetic aperture radar，SAR)探测目标的能力和成像的质量将会受到很大影响，因而研究干扰环境下高效可行的SAR成像算法具有重要的实际意义。目前针对SAR的干扰方式有很多，根据干扰效果和目的可以区分为压制性干扰和欺骗性干扰两类，因为欺骗收稿日期：201507 Received Date：201507t基金项目：国家自然科学基金(61571388)项目资助干扰的信号在距离向和方位向上都能获得较高的相干累

8、积增益，所以它可以利用较小的干扰功率，在SAR所成图像上生成虚假目标。针对欺骗性干扰，Soumekh M。2 1较早地提出微调信号幅度和调频斜率的对抗方法；文才等人口1利用目标信号与干扰信号极化特性的差异，提出了一种极化-空域联合自适应波束形成的方法，来有效滤除密集欺骗式干扰。随着数字射频存储器(digital radio frequencymemory，DRFM)的发展及其在电子对抗领域中的广泛运用，欺骗式干扰机普遍采用基于DRFM的转发工作模式，这种模式需要干扰机截取SAR的发射信号并分析、获得相万方数据526 仪器仪表学报 第3 7卷关参数，将经过对时延等参数调制后的虚假信号重新转发回雷

9、达。传统随机非均匀脉冲(pulse repetition interval，PRI)作为一种有效的抗干扰方法。2 1，针对转发式干扰需要完全解析雷达的工作参数之后再实施干扰的缺点，可以有效防止敌方对PRI的正确判断，大大地提高雷达的抗干扰能力。如今，高分辨率宽测绘带SAR成像是SAR技术领域发展趋势之一，传统非均匀采样受Nyquist定律的约束，大量的采样数据会带来存储和传输等问题，这无疑增加了信号处理的复杂度和硬件成本。互质采样(coprimesampling)与嵌套式稀疏采样(nested sparse sampling)是近年来提出的两种新的稀疏采样方式，多被应用于DOA估计与功率谱估计

10、4。5，考虑到他们同时具备抗干扰的非均匀性与降低数据冗余的稀疏性，本文提出将两种新的稀疏非均匀采样方式应用于SAR抗干扰技术中。非均匀采样得到的目标回波信号在信号频谱中会引入类似白噪声的信号分量，严重影响图像质量，因此需要对其进行重构。目前关于非均匀重构的方法主要分为时域1和频域7 J两种。由于频域重构的精度较高，所以传统的SAR方位向非均匀信号重构优先选择频域重构。而对于稀疏非均匀采样，传统的频域重构算法是无法解决由低采样率引起的方位向模糊这一问题的。DonohoDL等人【81和Candes EJ等人9 J提出的压缩感知理论(compressed sensing，CS)是近几年发展起来的建立

11、在信号稀疏表示和逼近理论基础上的一个全新的研究领域，其充分利用目标信号的稀疏特性，用远低于Nyquist采样率所采集到的信号，较理想地恢复出与全奈奎斯特采样率相近的结果。由于基于cs理论的成像或脉压方法具有高分辨率、低旁瓣以及低采样率的优点，Baraniuk R等人叫设计了采用cs方法实现脉冲压缩的新型雷达系统；Beeguaert M等人o研究了将CS理论应用于包含有限数量散射点的线性调频连续波SAR场景。在国内，也有很多学者将cs理论应用到雷达成像领域。例如将正则化正交匹配追踪算法应用于SAR层析成像中，实现目标的高分辨率三维成像引；将cs应用到SAR旋转微动目标的检测中【1 3 1，利用H

12、ough变换域的稀疏性，用压缩感知理论寻找待检测图像中是否包含旋转目标所成像的几种形式来检测转动目标。为抑制欺骗式干扰，降低数据冗余，并提高SAR成像质量，本文研究了SAR方位向随机非均匀采样和稀疏非均匀采样的采样结构及其抗干扰原理，分析了经典的基于频域精确重构算法1 4I，并构建了稀疏非均匀脉冲SAR的压缩感知测量模型，最后通过仿真验证了本文提出的基于cs算法的SAR稀疏非均匀采样抗干扰方案的有效性。2 SAR信号模型方位向非均匀采样SAR系统空间几何关系如图1所示。设雷达载机水平飞行，在方位向以非均匀PRI对场景中的目标信号作非均匀采样。图中参数为：”为载机速度，p(，Y0)为场景中的一个

13、目标单元；R为雷达到测绘带的最小斜距；R为雷达到测绘带的最大斜距；R。为雷达与目标最短距离；R(t)为t时刻雷达与目标距离。I 疗O一。图1非均匀PRI SAR空间几何模型Fig1 The spatial geometry model of nonuniform PRI SAR若SAR发射的线性调频信号为：Is(下)=Aorect(下一)cos2wfor+私，丁2) (1)式中：A。为信号幅值，t为距离时间，丁，为脉冲时长，五为载频，k，为距离调频率。在采样时刻t，目标单元P(戈。，Y。)处雷达脉冲信号的时间延迟为：Az=2R(t)c (2)式中：c为光速。由上式可得，目标单元p(，Y。)处的

14、雷达回波信号为：S，(下，t)=Aorect(丁一下)rcos2可矗(丁一At)+耵南，(7一r)2) (3)经去载频、距离向压缩后，上式可写为：5，(下，t)=Aexp一j41rR(t)A) (4)式中：A=A。PrJr一2R(t)c，P，(r)为压缩脉冲包络，A为波长。已知雷达与目标的最小斜距为R。，则目标与雷达的距离等式可简化为：R(t)=Ro 2+(vt一戈o)2 (5)式中：为目标方位向坐标。万方数据第3期 史洪印等：基于压缩感知的非均匀脉冲SAR欺骗性干扰抑制方法 5275，(下，t)2 Aexp一j41TR(t)A)=Aexpj4rr、民2+(vt一)2以 (6)根据SAR工作的

15、“走一停”模式，在方位向为慢时间域内的离散采样。设SAR在方位向采样点数为，第71，N个采样时刻用t。表示，则上式可进一步写为：s，(丁，。)=Aexp一j4w民2+(vt。一x0)2A (7)在低斜视角下，若孔径不是很大，距离等式可近似为抛物线5I： R(t。)=压_瓦了一民+掣(8)山儿O由上式可知，距离单元徙动(range cell migration，RCM)的距离弯曲量为坚掣，当R。(优。一粕)，二儿0RCM可以忽略；当RCM不可忽略时，可利用Keystone变换来将其矫正。本文暂不考虑RCM矫正问题，认为方位向与距离向可分开处理。3合成孔径雷达非均匀PRI采样31随机非均匀采样若S

16、AR在方位向为随机非均匀采样，其采样时间t。可用下式表示：t。=nT+d。，1 d。lTd (9)式中：71为均匀采样周期，出。为在区间一乃，Td上均匀分布的随机变量(均值为0，标准差为盯)，咒为脉冲抖动的最大值。在均匀采样时，为了避免方位向因采样频率过低而引入假频，造成方位向模糊，频率过高引起距离向模糊，一般要求方位向采样周期满足以下条件：2RmaxT_l (10)C Z式中：Z为雷达天线方位向尺寸。在SAR方位向非均匀采样时，要求任意两个相邻采样点的时间间隔满足以下条件：卜。警 (11)综上可得，出。的取值范围为“：。lT一2Rmax (12)32稀疏非均匀采样图2为互质采样的结构图，S(

17、t)表示SAR原始信号，Js。(t)与s：(t)分别为S(t)经两组不同间隔的均匀降采样得到的稀疏信号，其中丁为Nyquist采样间隔，A与B互为质数，最终得到的互质采样稀疏信号S。(t)为S。(t)与S：(t)的叠加。对于互质采样来说，平均采样率可用下式估计：1 1 1工c2寿+亩寺 (13)图3是以N。=2，2=3为例的二维嵌套式稀疏采样结构，其中l与2互为质数。该采样方式由非均匀采样与均匀采样两种不同的结构组成，其中均匀采样的时间间隔为(l+1)r，非均匀采样的采样点位置如图3所示。第一个J吉j角S2(t)I L：l ，0 B 2B 3B nB图2互质采样Fig2 Coprime sam

18、pling0 l 2 3 6 9 l! 5 18 21 24 f+IW 2(N，+I)N，图3嵌套式稀疏采样Fig3 Nested sparse sampling对于嵌套式稀疏采样来说，平均采样率可用下式估计：L=揣1一南+由寺 (14)r =一一十一一 l l，“4 (，+ )，丁 r。，r r 、 由式(13)与(14)可知，两种稀疏非均匀采样方式的采样率都远低于奈奎斯特采样率。33非均匀PRI的干扰抑制性能若SAR系统利用非均匀PRI对目标信号进行采样，雷达系统就具备了抗欺骗式干扰的能力。因为对干扰方来说，只能截获并存储SAR系统已发射脉冲信号的PRI参数，而下一个雷达脉冲信号的发射时刻

19、是未知的。在这种情况下，如果干扰机仍然根据前面截获的PRI参数发射干扰信号，则会造成干扰信号在方位向与雷达信号不匹配而影响干扰效果。R 7 一n广7一 干扰脉l。71 水一一1 7蕾 斓 国 圜图4 雷达fn i：扰饥脉；IfI关系乐意图Fig4 Schematic diagram of radar pulse and jamming pulse万方数据528 仪器仪表学报 第3 7卷图4中雷达脉冲为传统随机非均匀脉冲，在这种情况下，对SAR进行欺骗式干扰，由于干扰机无法准确预测雷达脉冲发射时刻，因此只能以r为周期发射干扰信号，如图4中干扰脉冲所示。设SAR非均匀PRI脉冲信号发射时刻如式(9

20、)所示，干扰机信号脉内特性和式(1)所示的雷达信号一样，由图4中所示雷达和干扰机脉冲关系可知，在第几个采样时刻，雷达系统接收到的干扰信号的延迟时间为：Jrdn=rj+nTt。=丁，一dt。 (15)式中：丁，为干扰信号传播时间。因此可得雷达接收到的干扰信号为：S，(r，t)=A，rect(丁一_r：)r (16)COS(2，Irfo(下一下：)+1T矗，(丁一下：)2)式中：A，为干扰信号强度。干扰信号经去载频和距离向压缩后，可表示为：S(丁，t)一Am(7一下：)exp(一j2氓Jr：) (17)式中：Pi(7一丁：)为线性调频信号距离向压缩结果。由线性调频信号压缩特性可知，上式信号经压缩后

21、峰值位置由_r：决定，而由式(15)易知，由于出。的影响，下：也是一个在一定范围内随机变化的量。也就是说，在距离向压缩后，干扰信号的峰值会在一定范围内随机变化。根据相干脉冲雷达理论，SAR干扰脉冲在距离向位置随机抖动，在方位向不相干，造成干扰脉冲在方位向压缩中无法聚焦，这意味着欺骗式干扰无法产生特定的虚假目标，并且很容易在SAR成像中将干扰识别出来，不仅失去了其干扰的作用和意义，更容易暴露干扰机所在位置。对于稀疏非均匀采样，由于采样方式的复杂性，干扰方很难获取PRI等重要参数，所以同样也会造成干扰信号在方位向压缩中无法聚焦而不能成像，其抗干扰的原理与随机非均匀采样相似。4 SAR方位向非均匀采

22、样重构图5为均匀PRI、随机非均匀PRI和稀疏非均匀PRI条件下SAR信号方位向压缩的结果。通过比较可以看出，在随机非均匀PRI条件下，尽管SAR信号仍然能够实现压缩，但压缩信号的旁瓣与均匀PRI条件下的旁瓣相比有明显的升高。而对于稀疏非均匀采样，从图5(C)可以看出，其不但带来了旁瓣高的问题，还带来了由于采样率过低引起方位向模糊的问题，在这种情况下，有必要对非均匀PRI条件下的SAR信号进行处理和重构。罩毯随方位向，m(b)随机非均JPRI(b)Random non-uniforill PR；一 ：5 30 35 40 45 50 5j方位向恼(c)稀疏非均匀PRI(c)Sparse non

23、-uniform PR!图5 目标图像方位向剖面图Fig5 Azimuth profile diagram of the target image41频域重构算法文献14中提出了一种基于频域精确重构的非均匀采样重构算法，该算法主要针对传统周期非均匀采样的带限信号进行重构，从频域对信号进行精确估计。对于一个带限信号戈()，如果其周期非均匀采样序列为咒(t。)，则采样时刻t。可表示为：t。=(kM+，n)71+df(村+。) (18)式中：出。是一个周期为M的采样序列：dtkM+。=dt。；忍(一，)，m0，M一1 (19)假设戈(t)的频带范围为(一r，订r)，当M为偶数时，信号x(t)的非均匀

24、采样频谱可表示为：1-12以(甜)=(专)A(矗)墨山一k(21rMr)(20)式中：X，(cJ)为信号频谱，而且有：Xd()=z(tn e叫“1A(忌)=(击)三M-I e-j2枞Me书诎删(21)(22)万方数据第3期 史洪印等：基于压缩感知的非均匀脉冲SAR欺骗性干扰抑制方法 529对于021rMT内的任意一个频率值。，信号z(t)均匀采样的频谱可由下式得到：xC(oD。)=A。1XD(。) (23)式中：嬲()=A=五铀一明xc Eo【】0一r+(2瓜JMT)xc Eo一衫r+2(2-trMT)置一IrT+(M一1)(27rMT)A呼) AOW2一”A(-警+1)A呼+D A哆) A(

25、-警+固A(-警+力A碍+1)A(-警+3)； i ；A哆舭1)A呼舭驴叫一等)XD(too)=蜀兄+(27rMT)瓦+2(27rMT)五+(M一1)(2，rrMT)函数g(k，n)以及距离压缩后的信号S，来共同构造，其中：g(k，n)=expj4，r扣丽_二i_A(29)则相关算法的方位压缩模型可以表示为s。(丁，南)=Js，(Jr，t。)*g(矗，n) (30)n=1式中：为方位点数，由于散射点的判定条件为k=(24) argmaxl 5。(7，k)l，即判定茗。处存在散射点，因此，式(30)可实现SAR方位向压缩。对于某一距离单元r=f。，s。、的第k个元素表征s删川与参考位置的参考信号

26、孙。，的相关性大小。此时换一个角度思考，则可将方位压缩信号S删川的第i个元素看作是S州1)在基g(川)(1)，g+1)(k)，1“ ，g+。)()下的坐标，如式(31)所示：厶J，S，(。I)=g+。S。(。1) (31)式(31)即可作为方位压缩的信号模型。另外，为将S删川降到低维空间上，需要构造非相干测量矩阵咖M。采样的非均匀使稀疏基gm。，的行向量是非相干的，因此咖村。，为选取单位矩阵J。中M个行向量组成的矩阵，则A=面(肘圳木g(圳满足非相干性。中M。(26) 选取方法可以是连续选取或随机选取，分别实现短相干处理间隔成像和随机少量观测视角成像。此时，方位压缩等效的压缩感知模型为：SAR

27、系统中所用的线性调频信号为有限时长的信号，而且其信号能量几乎全部集中在一定频率范围内，因此对于随机非均匀采样的SAR信号，可用周期非均匀采样带限信号的重构算法进行近似重构。42基于压缩感知的SAR重构方法压缩感知的重要前提和理论基础是信号的稀疏性或可压缩性，设X c C“在某组基型。上是稀疏的，即可表示为XM=螺。S川，若系数矩阵SM中有K(KN)个非零元素，那么信号x就是K稀疏的。如果系数矩阵S中大系数数目很少，则称信号x在基矩阵蕈。上是可压缩的。在压缩感知理论中，信号x要通过非相关测量投影到维数更低的测量矩阵中肼。上，即Y=哇k。XM，其中MN，若同时x为K稀疏的，则可表示为：Y=西M。N

28、。I=dk。峨v。SM=AM。uS川 (27)式中：A为感知矩阵。CS理论表明，当测量次数M满足M0(Kl094N)，且所选择的感知矩阵A满足受限等距特性(restricted isometry property，RIP)条件1时，通过求解如下式(28)的优化方程，即可重构原始信号x：S=argmin 11 S忆 st IlyAS Il 2占 (28)式中：s限定了数据中的噪声量。本文研究的SAR非均匀采样主要影响方位向旁瓣，因此仅利用cs对其方位向进行压缩。通过分析，方位压缩模型可以利用不同方位时刻t。和不同参考位置瓤生成的参考Y 2中(f。)g+(。)S。()2 A(村。)S。() (32

29、)对于某一距离单元下=TO，根据压缩感知模型，通过求解下述1范数最小化问题得到该距离单元方位压缩结果S删川：S。=argmin 0 s。0。 st |I J，一A&II 2s(33)选用OMP算法，将所有距离单元L遍历，即可得到全场景的方位压缩结果s洲川。5计算机仿真分析为了验证本文算法的可行性，设计如下仿真实验：仿真中所用的SAR系统主要参数为：载频53 GHz，脉冲宽度5 US，信号带宽75 MHz，雷达天线方位向长度4 in，载机速度150 ms，雷达与照射场景中心距离20 000 rfl，场景中心的目标为图6所示的一个光学图像的战船仿真模型。图6舰船目标光学图像Fig6arship o

30、ptical image万方数据530 仪器仪表学报 第3 7卷51 非均匀采样干扰抑制性能图7为均匀PRI条件下对SAR欺骗式干扰的战船成像，当SAR系统在方位向均匀采样时，干扰机较容易获得SAR在方位向的参数，因此干扰信号可以在方位向保留与SAR回波信号一致的相干性，在方位向匹配滤波中获得与SAR回波信号一样的处理增益，从而在SAR图像中形成逼真的虚假目标。图7对目标的欺骗干扰Fig7 The result of deception jamming to the target图8为非均匀PRI条件下对SAR欺骗式干扰的战船成像，其中图8(a)为随机非均匀采样成像，图8(b)为参数A=3，B

31、=4，采样率约为58的互质采样，图8(C)为参数N=2，N2=3，采样率约为56的嵌套式稀疏采样。从图中可以观察到，若干扰机仍以均匀PRI发射干扰信号，而SAR系统以非均匀PRI采样，则虚假目标会因方位向无法实现相干积累而不能成像。虽然非均匀PRI有抑制干扰的性能，但若对非均匀信号直接进行压缩处理，由图8可以分析得出，随机的非均匀采样会使方位向旁瓣处于一个较高的水平，有些弱反射目标可匀采样信号，传统频域重构算法是无法解决由于采样率过低引起的方位向模糊问题的，如图9(b)、9(12)所示。(a1随H：均0 J采佯 h)fi匝震f Ic)嵌入式果样a)Random nonuniforfa samp

32、lingb)(optime samplingc)Nested sampling图9频域重构Fig9 Frequency domain reconstruction53 CS重构为了评估cs算法对SAR稀疏非均匀采样信号的重构性能，本实验分别对互质采样、嵌套式稀疏采样的SAR信号进行CS重构，其中设定互质采样的参数为A=3，B=4以及A=4，B=11，嵌套式稀疏采样的参数为N，=2，N2=3，以及N。=3，N，=8。CS重构成像结果如图10所示，与图9频域重构算法相比，CS算法不但彻底解决了方位向严重欠采样引起的模糊问题，而且重构后的图像方位向旁瓣得到了明显的抑制，成像质量得到很大程度的改善，随

33、着采样数据的减少，尽管图像清晰度会有所降低，但所成图像仍能够准确的反映目标的主要特征，实现无模糊的SAR成像。(a)互质果样(月=3，B=4) (b)匾质采样(。4=4，口=(a)随机非均匀采样 (b)瓦质采样 (c)嵌入式采样al Random nonuniform sampling(b)Coprime sampling(c)Nested sampling图8抗欺骗式干扰Fig8 Antideceptive jamming52非均匀采样频域重构图9为非均匀采样后的目标经频域重构后的成像结果。由图9(a)可见，将随机非均匀SAR信号重构后再压缩，方位向旁瓣会得到明显的抑制，SAR成像质量得到提

34、高，因此，传统的频域重构算法可以将随机非均匀采样SAR方位向旁瓣抑制在一个稳定的水平。对于稀疏非均(c)嵌入式采样(。=2，M=3) (d)嵌入式采佯(M=3，虬=8)c)Nested sampling(Nl=27：=31 (d1Nested sampling(N；=3N：=8图lO CS重构Fig10 CS reconstruction54实际数据成像分别利用互质采样、嵌套式稀疏采样及压缩感知重建算法对实际数据进行成像处理，其中设定互质采样的参数为A=7，B=9，以及A=17，B=19，嵌套式稀疏采样的参数为N。=6，N2=11，以及N，=15，=23。实验数据来源于文献15附带的RADAR

35、SAT1原始数据光盘，本文将利万方数据第3期 史洪印等：基于压缩感知的非均匀脉冲SAR欺骗性干扰抑制方法 531用图1 1白色方框内的4艘船舶图像作为实验数据。图1 1 RADARSAI-1精细模式Fig1 1 RADARSAT-1 fine mode实验参数如表1所示。表1 RADARSAT-1参数Table 1 RADARSAT-1 parameters参数 数值SAR工作频率发射脉冲时宽雷达速度距离调频率方位调频率多普勒中心频率图12(a)为奈奎斯特采样下RD算法对目标的成像，图12(b)为随机抽取25的实际数据进行压缩感知处理后的成像结果，图12(c)为互质采样在参数分别为A=7，B=

36、9(采样率25)的情况下经压缩感知压缩后的成像结果，图12(d)为嵌套式稀疏采样在参数分别为N=6，N2=ll(采样率25)的情况下经压缩感知重构后的成像结果。(a)原始数据的RD算法成像a)Imaging result by RDA withb)随机采样，采样率25(b)Random sampling withc)互质采样，采样率25 (d)嵌入式采样，采样-q#25ic)Coprime sampling with (d)Nested sampling withsampling rate 25 sampling rate 25图12实际数据成像结果Fig1 2 Imaging results

37、 of the real data从实测数据的处理结果上来看，本文提出的方法，在数据量大大减少后(采样率25)，且在目标相邻的情况下，虽然成像结果没有奈奎斯特采样下明亮，但仍可以较好地实现目标的清晰重建，而且能够在一定程度上降低目标旁瓣，实现高分辨率成像。另外，互质采样和嵌套式稀疏采样属于有规律采样，实际应用中比较容易实现。6结 论在SAR抗欺骗干扰方面，使用非均匀采样比均匀采样有着更为明显的优势，但是传统的随机非均匀采样会产生较大的数据冗余，使得SAR系统面临着采样率过高、数据量过大及处理困难等问题，而且传统的非均匀采样也可能会造成方位向旁瓣过高导致成像质量下降，虽然传统频域重构算法在一定程

38、度上可以抑制方位向旁瓣，但图像质量并不高。本文针对以上问题，考虑到回波信号的稀疏性，提出了对稀疏非均匀采样的SAR信号距离向压缩使用匹配滤波，方位向压缩采用cs算法重构的成像方案。并通过仿真实验证明了结合稀疏非均匀采样和压缩感知技术，不但可以抑制欺骗式干扰，而且能够实现目标的低旁瓣、高分辨率成像。参考文献1 邓云凯，郑远，胡英辉合成孔径雷达转发式干扰分析J电子与信息学报，2010，32(1)：6974DENG Y KZHENG Y，HU Y HAnalysis of syntheticaperture radar repeater jammingJJournal of Electron-ics

39、Information Technology，2010，32(1)：69-742 SOUMEKH MSAR-ECCM using phaseperturbed LFMChirp signals and DRFM repeat jammer penalizationJIEEE Transactions on Aerospace&Electronic Systems2006，42(1)：191-2053文才，王彤，吴亿锋，等极化一空域联合抗机载雷达欺骗式主瓣干扰J电子与信息学报，2014，36(7)：15521559WEN C，WANG T，WU Y F，et a1Deceptive mainlo

40、bejamming suppression for airborne radar based on joint processing in polarizational and spatial domainsJJournalof ElectronicsInformation Technology，2014，36(7)：155215594 VAIDYANATHAN P P，PAL PSparse sensing withcoprime samplers and arraysJIEEE Transactions onSignal Processing，2011，59(2)：537-5865PAL

41、P，VAIDYANATHAN P PNested arrays：A novelapproach to array processing with enhanced degrees offreedomJIEEE Transactions on Signal Processing，2010，58(8)：41674181m眺眦姚m眦引謇姗m似547nI二一万方数据532 仪器仪表学报 第3 7卷678910121314WILEY R GRecovery of band limited signals from unequally spaced samplesJIEEE Transactions on

42、 Com-munications，1978，26(1)：135137JOHNSTON S LRadar electronic counter countermeasuresJIEEE Transactions on Aerospace and ElectronicSystems，1978，14(1)：109117DONOHO D LCompressed sensingJIEEE Transactions on Information Theory，2006，52(4)：12891306CANDES E JWAKIN M BAn introduction to compressive sampl

43、ingJIEEE Signal Processing Magazine，2008，25(2)：21-30BARANIUK R，STEEGHS PCompressive radar in,agingCRadar Conference2007：128133BECQUAERT M，CRISTOFANI E，VANDEWAL MOnthe applicability of compressive sensing on fmcw syntheticaperture radar data for sparse scene recoveryCRadarConference，2013：9-12闵锐，杨倩倩，皮

44、亦鸣，等基于正则化正交匹配追踪的SAR层析成像J电子测量与仪器学报2012，26(12)：10691073MIN R，YANG Q Q，PI Y M，et a1SAR tomography ima-ging based on regularized orthogonal matching pursuitJJournal of Electronic Measurement and Instrument，2012，26(12)：10691073史洪印，赵欣悦基于Cs的SAR旋转微动目标检测方法研究J仪器仪表学报，2015，36(6)：1342一1349SHI H YZHAO X YStudy Of

45、f rotational micromotiontarget detection based on compressive sensing for SARsystemJChinese Journal of Scientific Instrument，2015，36(6)：1342-1349JENQ Y CPerfect reconstruction of digital spectrumfrom nonuniformly sampled signalsJIEEE Transac-tions on Instrumentation Measurement，1997，46(3)：649-65215

46、CUMMING L G，WONG F H合成孑L径雷达成像M北京：电子工业出版社，2012：75169CUMMING L G，WONG F HDigital processing of syntheticaperture radar data algonthms and implementationMBering Publishing House of Electronics Industry，2012：7516916孙炳章合成孔径雷达干扰及抗干扰方法研究D北京：北京航空航天大学，2011SUN B ZHSynthetic aperture radar electronic eountermeasure and electronic countercounter measure methods f DBeijing：Beihang University，201 1作者简介neefing，Yanshan University in 2015；and she majors in radarimaging and radar countermeasure万方数据