本文提出一种新基于迭代自适应（IAA）算法的缺失数据ISAR成像算法，具体创新性可说明如下：

1） 首先在回波随机缺失的情况下使用IAA算法估计ISAR方位像上的多普勒谱，进而得到清晰且有较高分辨率的缺失数据成像结果。

2）本文所用方法解决了传统FFT的处理缺失数据的谱泄露问题，相比于主流的压缩感知方法，该方法恢复效果更好。

研究目的：

常规的FFT处理方法会导致图像模糊和高旁瓣等问题，为解决缺失数据下的ISAR成像问题，本文提出一种基于迭代自适应方法（IAA）的ISAR缺失数据成像算法。该算法具有全局收敛性，不需要预先设置参数，能得到清晰的成像结果。

研究方法：

1）对回波数据进行解线性调频处理，对其得到的每一个一维距离像进行运动补偿消除平等分量。

2）从缺失数据的回波中提取出有效时刻对应的一维距离像，作为有效数据。

3）将有效数据中每一个距离单元内的方位向数据视为一个非均匀采样信号，使用IAA算法应用加权最小二乘估计来获得非均匀采样信号的频谱，将其作为方位向压缩的结果，从而得到清晰的成像结果。

结果：

1）文中进行了针对一维线谱数据的缺失数据仿真实验，说明了IAA算法对于缺失数据频谱估计的精确性。

2）文中使用IAA算法及OMP算法进行了仿真MIG-25和Yak-42数据的缺失数据成像实验，实验结果说明，IAA算法能够在随机丢失数据的情况下获得清晰的目标图像。

3）文中将使用IAA算法的MIG-25 缺失成像实验数据与OMP算法实验数据进行了定量对比，说明了IAA算法的优越性。

结论：

本文提出的基于迭代自适应算法的ISAR缺失数据成像方法应用加权最小二乘估计来获得非均匀采样信号的频谱。 仿真MIG-25和Yak-42的结果表明，该算法能够在随机丢失数据的情况下获得清晰的目标图像。

关键词：迭代自适应，缺失数据，ISAR