《压缩感知雷达成像技术综述》是由国防科技大学电子科学与工程学院空间电子信息技术研究所的刘记红、徐少坤、高勋章、黎湘、庄钊文合作撰写，发表于《信号处理》期刊2010年第26卷第1期的一篇综述性论文。该论文系统梳理了压缩感知（Compressed Sensing, CS）理论在雷达成像领域的研究进展，重点探讨了其在简化硬件设计、提升分辨率、弥补数据缺陷等方面的应用潜力。

论文主题与背景

压缩感知理论由Donoho、Candes、Tao等人于2006年提出，突破了传统Nyquist采样定理的限制，通过利用信号的稀疏性、测量矩阵的随机性和非线性优化算法，实现对信号的压缩采样与重构。这一理论为高分辨雷达成像中面临的高采样率、大数据量、实时处理困难等问题提供了新的解决思路。雷达成像的本质是通过回波信号反演目标电磁散射特性，而高频区雷达目标的散射中心稀疏特性与CS理论对稀疏性的要求高度契合，因此CS在雷达成像中具有天然的应用优势。

主要观点与论据

1. 压缩感知理论框架及其三要素

论文指出，CS理论的核心包括三个关键要素：
- 稀疏表示：信号需在某个基（如傅里叶基、小波基）或冗余字典上具有稀疏性。例如，高频区雷达目标可由少数散射中心表征，满足稀疏性前提。
- 非相干测量：需设计满足RIP（Restricted Isometry Property）准则或不相干条件的测量矩阵（如高斯随机矩阵、部分傅里叶矩阵）。论文提到，随机滤波和随机卷积是适用于雷达成像的通用测量体系。
- 重构算法：包括凸优化（如基追踪BP）、贪婪算法（如OMP、CoSaMP）和组合算法。作者特别指出，贪婪算法在计算效率与采样效率间取得平衡，但需改进自适应性和抗噪性。

支持证据：文献引用Donoho和Candes的原始理论，并通过雷达成像中的散射中心模型验证稀疏性假设的合理性。

2. CS在雷达成像中的关键技术挑战

• 稀疏基设计：复杂目标（如非合作机动目标）的稀疏性需结合先验信息构造冗余字典。例如，通过发射波形和回波模型设计波形匹配字典。
  
• 测量矩阵构造：多站雷达中，测量矩阵受几何配置影响，需优化波形设计和降采样方案。例如，随机慢时间降采样可减少脉冲重复频率（PRF）需求。
  
• 算法实时性与稳健性：现有算法对模型误差敏感，需开发动态更新算法（如稀疏自适应匹配追踪SAMP）以应对实际噪声和运动补偿误差。
  

支持案例：文献引用Rice大学的Baraniuk团队首次将CS引入雷达成像的研究，以及多站SAR（合成孔径雷达）中联合处理子孔径图像的实验。

3. CS雷达成像的应用进展

论文分类总结了CS在以下场景的应用：
- ISAR（逆合成孔径雷达）与穿墙雷达：通过距离-多普勒空间稀疏性，减少数据量并提升分辨率。例如，压缩采样步进频雷达（CS-SFR）仅需少量子脉冲即可达到传统SFR的分辨率。
- MIMO（多输入多输出）雷达：利用角度-多普勒-距离空间的稀疏性，实现超分辨联合估计。美国Drexel大学的研究表明，分布式MIMO雷达可通过随机节点布局降低采样需求。
- 探地雷达（GPR）：针对地下目标的稀疏性，CS可减少带宽要求并改善成像质量。例如，通过离散化空间生成字典元素，逆投影算法的重构误差显著降低。

实验验证：文中展示了基于雅克-42飞机实测数据的成像结果，证明CS方法在稀疏孔径数据下仍能保持聚焦性能（见图1）。

4. 现存问题与未来方向

论文指出当前研究的局限性：
- 模型简化：多数仿真假设目标为点散射体，实际复杂场景（如各向异性散射）的稀疏性建模尚不完善。
- 硬件实现：随机采样在雷达系统中的工程化仍面临挑战，如信噪比损失和波形设计优化。
- 评价标准缺失：缺乏统一的CS成像质量评估体系。

未来方向：建议结合深度学习优化稀疏表示、开发自适应采样策略，并建立多模态数据融合框架。

论文价值与意义

该综述首次系统归纳了CS雷达成像的技术脉络，为后续研究提供了方法论参考。其科学价值在于：
1. 理论层面：阐明了稀疏性、测量矩阵与重构算法的协同关系，推动信息采样范式变革。
2. 应用层面：为简化雷达硬件（如取消匹配滤波器）、提升分辨率（如超分辨SAR）提供了可行路径。
3. 跨学科影响：促进了稀疏信号处理与雷达遥感、医学成像等领域的交叉融合。

亮点：
- 全面覆盖CS在ISAR、MIMO、GPR等雷达子领域的研究进展。
- 提出“混合多尺度CS”等创新思路，兼顾计算效率与成像质量。
- 指出从“信号重构”转向“直接特征提取”的未来趋势，具有前瞻性。

该论文是CS雷达成像领域的里程碑式综述，兼具理论深度与工程指导意义。