基于 ADMM-MFOCUSS 的捷变频雷达扩展目标稀疏重构原理

捷变频雷达是一类脉冲载频在多个频点之间快速跳变的雷达体制。相比固定载频雷达，它可以通过频率跳变合成更宽的等效带宽，从而获得更高的距离分辨能力。同时，由于载频具有随机或准随机跳变特性，捷变频雷达还具有较好的抗干扰能力和低截获特性。

在高分辨雷达场景中，传统意义上的"点目标"假设不再总是成立。对于无人机、小型飞机、舰船、车辆等目标，当雷达距离分辨率足够高时，目标的物理尺寸可能跨越多个高分辨距离单元，甚至跨越多个粗距离门。此时，目标不再表现为单个散射中心，而是表现为多个散射点组成的扩展目标。

这类跨距离门扩展目标会给传统稀疏重构方法带来明显挑战，其中最典型的问题就是：重复重构。

1. 捷变频雷达的高分辨重构思想

捷变频雷达在一个相参处理间隔内发射多个脉冲，每个脉冲的载频不同。假设第 (m) 个脉冲的载频为：

fm=f0+dmΔf f_m = f_0 + d_m \Delta f fm=f0+dmΔf

其中：

f0f_0f0 是初始载频；
Δf\Delta fΔf 是最小跳频间隔；
dmd_mdm 是跳频序列；
mmm 是脉冲序号。

由于不同脉冲对应不同载频，目标回波相位不再是普通固定载频雷达中的线性多普勒形式，而是同时包含距离相位和速度相位。对目标参数估计而言，可以将场景离散成一组距离-速度二维网格，每一个网格对应一个可能存在的散射点。

如果某个网格存在目标散射点，则该网格的稀疏系数非零；如果不存在目标，则对应稀疏系数为零。因此，捷变频雷达的目标参数估计问题可以转化为稀疏重构问题：

y=Φx \mathbf y = \mathbf \Phi \mathbf x y=Φx

其中：

y\mathbf yy 是雷达观测向量；
Φ\mathbf \PhiΦ 是由距离相位因子和速度相位因子构成的字典矩阵；
x\mathbf xx 是待估计的距离-速度稀疏场景向量。

通过求解稀疏向量 x\mathbf xx，就可以得到目标散射点所在的距离和速度。

2. 从点目标到扩展目标：问题为何变复杂

对于单个点目标，目标能量通常集中在某一个粗距离门内。此时，只需要针对该距离门构造观测向量和字典矩阵，就可以完成目标重构。

但扩展目标不同。扩展目标由多个散射点组成，这些散射点可能分布在多个连续距离门中。例如，一个目标可能同时在第 iii、第 i+1i+1i+1、第 i+2i+2i+2 个距离门内存在散射点。

这会带来两个问题。

第一，单距离门观测不足。如果只选取某一个距离门的采样值作为观测数据，那么其他距离门中的散射点可能只表现为旁瓣能量，幅度较弱，容易被噪声淹没，造成漏检。

第二，逐距离门独立重构会产生重复结果。如果对每个距离门分别进行稀疏重构，那么一个真实散射点可能会在多个相邻距离门中被重复估计出来，形成虚假目标。

这正是扩展目标稀疏重构中的核心困难。

3. 重复重构的产生机理

在捷变频雷达中，每个距离网格对应一个距离相位因子。对于某个粗距离门内的第 § 个高分辨距离单元，其距离相位因子可以写成类似形式：

ϕp(i)(m)=exp⁡[−j2πdmΔf(i−12)Ts]exp⁡[−j2πdmΔfpMΔf] \phi_p^{(i)}(m) =\exp \left[-j2\pi d_m \Delta f \left(i-\frac{1}{2}\right)T_s \right] \exp \left[-j2\pi d_m \Delta f \frac{p}{M\Delta f} \right] ϕp(i)(m)=exp[−j2πdmΔf(i−21)Ts]exp[−j2πdmΔfMΔfp]

其中 iii 表示粗距离门编号，ppp 表示该粗距离门内的高分辨距离单元编号。

如果一个散射点真实位于相邻距离门 i+1i+1i+1 中，但在第 iii 个距离门上进行重构，那么它的相位因子与第 iii 个距离门中某个相同高分辨距离索引位置的原子之间可能只相差：

Δϕ=exp⁡(−j2πdmΔfTs) \Delta \phi = \exp(-j2\pi d_m \Delta f T_s) Δϕ=exp(−j2πdmΔfTs)

当采样间隔满足：

Ts=1Δf T_s = \frac{1}{\Delta f} Ts=Δf1

则有：

Δϕ=exp⁡(−j2πdm)=1 \Delta \phi = \exp(-j2\pi d_m) = 1 Δϕ=exp(−j2πdm)=1

这意味着：相邻粗距离门中相同高分辨距离索引位置的字典原子可能高度相关，甚至在相位结构上难以区分。

因此，一个真实散射点不仅会在它所在的距离门中被重构出来，也可能在相邻距离门中的相同高分辨距离索引、相同速度索引处被重复重构。

重复重构结果通常具有两个特点：

位置重复性：出现在相邻距离门中相同的高分辨距离-速度网格位置；
幅度较弱：由于它来源于旁瓣泄露或非主距离门采样，其幅度通常小于真实散射点所在距离门的重构幅度。

ADMM-MFOCUSS 正是利用这两个特点来抑制重复重构。

4. ADMM 的作用：获得稳定的初始稀疏解

ADMM，即交替方向乘子法，是一种常用于凸优化问题的迭代求解方法。在稀疏重构中，常见的优化模型为：

min⁡x12∣y−Φx∣22+λ∣x∣1 \min_{\mathbf x} \frac{1}{2} |\mathbf y - \mathbf \Phi \mathbf x|_2^2 + \lambda |\mathbf x|_1 xmin21∣y−Φx∣22+λ∣x∣1

其中，第一项表示数据拟合误差，第二项表示稀疏约束，λ\lambdaλ 是正则化参数。

这个模型的含义是：在尽量解释观测数据的同时，希望重构结果尽可能稀疏。

ADMM 通过引入辅助变量，将原问题拆分成几个更容易处理的子问题，并交替更新稀疏解、辅助变量和拉格朗日乘子。其优势在于：

收敛性较好；
对大规模问题适应性强；
可以稳定获得一个初始稀疏解；
相比贪婪类算法，不容易在低信噪比条件下因早期错误选原子而严重偏离。

在扩展目标重构中，可以先对多个距离门分别使用 ADMM，得到每个距离门上的初始稀疏解。将这些结果按距离门排列起来，就得到一个多距离门稀疏解矩阵：

XADMM=[xADMM(1),xADMM(2),⋯ ,xADMM(NA)] \mathbf X_{\text{ADMM}} =[ \mathbf x_{\text{ADMM}}^{(1)}, \mathbf x_{\text{ADMM}}^{(2)}, \cdots, \mathbf x_{\text{ADMM}}^{(N_A)} ] XADMM=[xADMM(1),xADMM(2),⋯,xADMM(NA)]

矩阵中的每一列对应一个距离门，每一行对应同一个高分辨距离-速度网格位置。

这个矩阵为后续的重复结果抑制和支撑集选择提供基础。

5. 跨距离门重复结果抑制

由于重复重构具有位置重复性，可以在多个距离门之间对同一网格位置的重构结果进行联合判断。

具体思想是：对于稀疏解矩阵中的每一行，也就是同一个高分辨距离-速度网格位置，比较其在所有距离门中的幅度。如果某个位置在多个距离门中均出现非零重构结果，则只保留幅度最大的那个，其余位置置零。

这一过程可以表示为：

b∗=arg⁡max⁡b∣XADMM(a,b)∣ b^* = \arg\max_b |\mathbf X_{\text{ADMM}}(a,b)| b∗=argbmax∣XADMM(a,b)∣

然后只保留：

Xprocessed(a,b∗)=XADMM(a,b∗) \mathbf X_{\text{processed}}(a,b^*) = \mathbf X_{\text{ADMM}}(a,b^*) Xprocessed(a,b∗)=XADMM(a,b∗)

其他相同网格位置的结果被抑制。

这个步骤的物理含义很明确：真实散射点在其主距离门中能量最大，而在相邻距离门中的重复重构通常来自旁瓣泄露，幅度较小。因此，保留最大幅度项，能够在多数情况下保留真实目标，同时压制重复虚假目标。

6. 基于能量累计分布的支撑集选择

经过跨距离门重复抑制后，稀疏结果中仍可能存在由噪声、旁瓣或字典相关性引起的小幅伪峰。因此，还需要进一步筛选可靠支撑集。

所谓支撑集，就是稀疏向量中非零元素的位置集合。在目标重构中，支撑集对应被认为存在散射点的距离-速度网格。

ADMM-MFOCUSS 采用能量累计分布进行自适应支撑集选择。对于每个距离门，先计算稀疏系数的能量：

Ej=∣xj∣2 E_j = |x_j|^2 Ej=∣xj∣2

然后将能量从大到小排序，计算前 (k) 个元素的累计能量占比：

rk=∑j=1kE(j)∑j=1NEj r_k = \frac{ \sum_{j=1}^{k} E_{(j)} }{ \sum_{j=1}^{N} E_j } rk=∑j=1NEj∑j=1kE(j)

当累计能量占比达到某个阈值，例如 (90%)，就认为前 kkk 个元素对应的网格构成可靠支撑集。

这一方法的好处是：它不需要预先精确知道目标散射点数量，而是根据重构结果的能量分布自适应选择主要散射点。强目标散射点通常贡献了大部分能量，而噪声伪峰能量较小，会被排除在支撑集之外。

7. MFOCUSS 的作用：在可靠支撑集上精修幅度

ADMM 给出的初始解具有较好的稳定性，但由于 (\ell_1) 正则化本身存在幅度收缩效应，重构出的幅度可能偏小。同时，ADMM 更强调全局稀疏性和稳定性，对支撑集内部的幅度精细恢复未必最优。

MFOCUSS 是一种基于迭代加权思想的稀疏重构方法，常用于求解非凸稀疏优化问题。它通过不断更新权矩阵，使较大的系数得到强化，较小的系数被进一步压制，从而获得更聚焦的稀疏解。

在 ADMM-MFOCUSS 中，MFOCUSS 并不是直接作用于完整字典，而是只作用于前面筛选出的可靠支撑集。这样做有两个优点：

降低陷入局部错误解的风险

由于支撑集已经由 ADMM 和能量筛选给出，MFOCUSS 不需要在整个字典中重新搜索目标位置。
减少运算量并提高稳定性

只在少量可靠原子上进行迭代精修，可以降低字典相关性和噪声伪峰的影响。

MFOCUSS 的核心思想可以概括为：在可靠支撑集上，通过迭代加权最小二乘进一步调整稀疏系数幅度，使最终结果更加集中、准确。

8. ADMM-MFOCUSS 的整体流程

ADMM-MFOCUSS 可以理解为一个"先稳健定位，再去重筛选，最后精细恢复"的过程。

整体流程如下：

多距离门建模

对扩展目标所在的多个连续距离门分别构造观测向量和字典矩阵。
ADMM 初始重构

对每个距离门分别求解稀疏重构问题，得到初始稀疏解。
跨距离门重复抑制

利用重复重构的位置重复性和幅度差异，在多个距离门之间保留同一网格位置上的最大幅度结果，抑制其余重复项。
能量累计支撑集选择

对每个距离门的稀疏结果进行能量排序，根据累计能量占比选择可靠支撑集。
MFOCUSS 幅度精修

在可靠支撑集上使用迭代加权方法进一步优化稀疏系数，得到最终的扩展目标重构结果。

代码开源链接：https://github.com/hjHe-ee/Sparse-Reconstruction-Algorithms-for-Frequency-Agile-Radar-Extended-Targets

9. 方法的核心优势

ADMM-MFOCUSS 的优势来自 ADMM 和 MFOCUSS 的互补性。

ADMM 的优势在于稳定性。它能够在噪声条件下给出一个较可靠的初始稀疏解，为后续处理提供基础。

MFOCUSS 的优势在于聚焦性。它能够在支撑集确定后进一步压制弱伪峰，并改善目标散射点的幅度估计。

跨距离门重复抑制则是该方法面向扩展目标的关键设计。传统点目标稀疏重构算法通常只关注单个距离门，缺少对多距离门之间重复结果的联合判别机制。而 ADMM-MFOCUSS 显式利用扩展目标在相邻距离门中的重复重构规律，从而更适合跨距离门扩展目标场景。

因此，该方法主要解决了三个问题：

降低相邻距离门重复重构；
抑制由噪声和旁瓣引起的虚假目标；
提高扩展目标距离-速度参数估计的可靠性。

10. 总结

捷变频雷达依靠频率跳变实现高分辨距离-速度重构，但在扩展目标场景下，多个散射点跨距离门分布会导致传统逐距离门稀疏重构产生重复结果和虚假目标。

ADMM-MFOCUSS 的核心思想是：先利用 ADMM 获得稳定的多距离门初始稀疏解，再根据跨距离门的位置重复性和幅度特性抑制重复重构，随后通过能量累计分布选择可靠支撑集，最后利用 MFOCUSS 在支撑集上进行幅度精修。

从方法逻辑上看，它不是简单地把 ADMM 和 MFOCUSS 串联起来，而是针对扩展目标跨距离门分布这一物理特性，引入了重复重构抑制和支撑集筛选机制。因此，该方法更适合处理高分辨捷变频雷达中的扩展目标稀疏重构问题。