基于改进正交匹配追踪算法的压缩感知雷达成像方法

运算复杂度高是基于压缩感知(CS)的雷达成像方法走向实用亟待克服的难题。该文利用雷达目标散射率分布的稀疏性,研究了基于改进正交匹配追踪(OMP)算法的2维联合压缩成像方法。首先建立了步进频雷达回波的稀疏表示模型,根据稀疏字典和压缩测量的2维可分离特性,提出一种改进的OMP算法用于雷达图像形成,大大提高了计算效率,并很容易扩展到其他贪婪类算法中。从理论上对几种CS成像算法的性能及资源需求进行了分析比较,表明所提供的算法相比常规的CS算法在存储量和计算量上均具有显著的优势,仿真及暗室数据实验验证了所提成像算法的有效性。     

基于贝叶斯检验模型的压缩感知算法及应用

针对正交匹配追踪(OMP)算法需设置冗余的支撑集,导致信号重构时运算量变大、抗噪性能和重构性能变差等问题,提出了一种基于贝叶斯模型的OMP(BOMP,bayesian orthogonal matching pursuit)算法。首先利用贝叶斯检验模型和OMP算法合理去除支撑集中的冗余部分,得到相等或略大于信号真实稀疏度的支撑集;其次构建BOMP的信号重构算法;最后将算法应用于ISAR成像。仿真和实测数据结果表明,由于本文算法可近似估计到信号的真实稀疏度,因此具有更好的抗噪性能以及重构精度,相应的运算量也明显减少。     

一种深度欠采样的快速SAR成像算法

以减少SAR成像所需数据量,缩短成像时间为目的,本文构建了深度欠采样回波信号的模型,提出了一种二维脉冲压缩算法,该算法利用OMP和BCS算法对欠采样回波做距离向和方位向压缩,实现了二维SAR快速成像。通过对点目标模型SAR回波的仿真验证了方案的有效性。     

基于混合匹配追踪算法的MIMO雷达稀疏成像方法

多输入多输出(MIMO)雷达作为一种新型的雷达体制,其成像兼具高分辨率与实时性的优点。由于观测区域的稀疏性,MIMO雷达成像可以用压缩感知的方法进行处理。而现有的MIMO雷达稀疏成像的贪婪恢复算法中,正交匹配追踪算法(OMP)存在成像图像有伪影的缺点,子空间追踪算法(SP)则受到低分辨率的困扰。针对上述问题,该文提出一种称为混合匹配追踪算法的压缩感知贪婪算法以实现MIMO雷达稀疏成像。通过将两种贪婪恢复算法结合起来,利用OMP 算法选择基信号的正交性和SP 算法具有基信号选择的回溯策略,来重构出高分辨率且没有伪影的雷达图像。仿真实验验证了所提算法的有效性。     

基于压缩感知OMP改进算法的图像重构

正交匹配追踪(OMP)算法中迭代次数严格依赖信号的稀疏度K值,迭代次数选取适当会重构出高精确的图像,反之则会对图像重构质量造成严重影响.针对这一问题,提出了一种根据残差值的相对极差来确定最佳迭代次数的新方法.该方法要求在同一次迭代中对一幅图像的所有列同时进行迭代计算,根据极差的相对差值与门限值比较来确定最佳迭代次数,从而达到提高重构精度,消除对稀疏度K值依赖的目的.理论分析和仿真结果表明,改进的OMP算法比原有算法有更理想的重构效果,有更高的重构精度.     

时分MIMO滑坡雷达稀疏成像算法

针对现用于成像的MIMO山体滑坡雷达均匀线性阵列数目过多、数据处理复杂度高的问题，引入稀疏阵列时分地基MIMO雷达模型，提出一种基于逆傅里叶变换和混合匹配追踪算法的成像方法。首先通过对雷达回波信号作逆傅里叶变换实现距离向压缩，并进行近似相位补偿，然后采用一种基于时延补偿因子稀疏基的压缩感知算法实现方位向压缩。同时针对多目标成像的伪影点问题，方位向数据压缩引入子空间追踪算法和正交匹配追踪算法的结合算法重构出高分辨率且没有伪影的二维图像。根据真实的山体滑坡监测成像场景参数，通过数值仿真验证了该方法能够在低于传统均匀阵列的天线数目情况下实现目标高质量成像，且具有一定的抗噪性。     

基于压缩感知理论的图像重构技术

通过CS理论在工程应用上典型的正交匹配追踪算法,实现了一维信号和二维图像的精确重构,针对该方法中出现对整幅图像进行采样计算时需要大量的观测矩阵存储空间,并且重构过程中耗费了大量的时间等问题,提出了一种基于OMP算法的改进方案,将图像进行分块压缩感知。通过实验分析,以上问题得到了解决,重构图像的质量在没有增加计算复杂度的前提下也得到了提高。     

基于随机滤波的探地雷达成像方法

探地雷达是一种超宽带雷达系统,若按传统的奈奎斯特采样,雷达回波信号需要大量空间存储。压缩感知可以实现利用少量的测量值对稀疏信号进行重构,其中最为关键的是测量矩阵和重构算法的选择。本文将压缩感知应用于探地雷达成像,并利用随机滤波的思想选择测量矩阵,可以有效减少测量矩阵中非零值的个数。利用正交匹配追踪算法对信号进行重构,算法简单,降低了数据的存储量和运算复杂度,该算法同样可以对时间和空间上同时压缩的数据进行成像。最后,本文给出基于时间连续信号的GPR接收机一种CS实现方案。仿真结果表明,本文提出的成像方法可以以少量数据精确地对信号进行重构,并且运算量少。      

基于Kronecker压缩感知的宽带MIMO雷达高分辨三维成像

在宽带多输入多输出(MIMO)雷达3维成像中,MIMO雷达收发阵元数量和空间分布的限制会导致图像的2维横向分辨率难以满足实际需求。该文利用压缩感知(CS)理论来实现图像在2维横向上的超分辨。考虑到对信号的每一维分别进行超分辨会损失各维间的耦合信息,提出一种基于Kronecker CS(KCS)的2维联合超分辨方法;为解决KCS在多维高分辨应用中存储量大、计算效率低的问题,进一步提出了一种基于低分辨3维图像先验信息的降维KCS方法。仿真和实测数据实验验证了方法的有效性。     

基于压缩感知的稀疏阵列MIMO雷达成像方法

针对MIMO雷达对空目标单次快拍成像时天线数目较多问题,该文提出了一种稀疏阵列MIMO雷达的成像方法。首先分析了MIMO雷达天线的稀疏布阵方式,其次结合压缩感知理论具体阐述了稀疏阵列MIMO雷达的成像方法。该方法不仅能够对运动目标实现单次快拍成像,避免了目标机动带来的运动补偿难题,同时又能够大幅减少MIMO雷达的天线规模,便于工程实现。最后利用仿真实验验证了所提方法的有效性。     

前视SAR压缩感知成像算法

以进一步提高前视SAR成像的分辨率为目的,提出了一种基于压缩感知的前视SAR成像算法。前视SAR是一种可以实现对飞行路线正前方的区域进行成像的工作模式,通过分析德国宇航局提出的前视SAR系统——视景增强的新型区域成像雷达(SIREV)可知,由于SIREV系统天线长度的限制,使得等效的合成孔径长度较短,从而导致成像的分辨率较低。而基于压缩感知的前视SAR成像算法可以在方位向等效得到一个较长的虚拟天线,因此可以在同样长度天线的情况下获得更高的成像分辨率。仿真结果表明,该方法可以实现对点目标、分布目标和面目标的成像,并且提高了成像的分辨率。     

基于压缩感知的二维雷达成像算法

压缩感知理论能够有效地降低高分辨率雷达成像系统的数据率。该文通过对复基带雷达回波信号模型的稀疏性分析,提出了一种具有保相性的压缩感知距离压缩算法。在此基础上建立了距离向采用压缩感知距离压缩算法,方位向采用传统的雷达成像算法处理的雷达2维成像方案。通过对仿真和实测逆合成孔径雷达数据的成像处理验证了方案的有效性。     

基于空间谱域填充的MIMO雷达成像研究

 雷达成像需要获得目标空间谱域一定范围和密度的采样以重建目标图像,目标空间谱域的填充方式与雷达成像的质量有直接关系.论文首先阐述了MIMO(Multiple-Input Multiple-Output)雷达收发信号模型的空间卷积效应,基于电磁逆散射原理,推导出一种MIMO雷达成像方法,详细论述了成像性能与空间谱域填充的关系.讨论了收/发阵列配置对空间谱域填充的影响,得到阵列排布的基本准则,最后对成像算法的有效性和理论分析结果进行仿真验证.     

基于MIMO雷达的高分辨成像方法

以实现对空中目标的高分辨成像为目的,文章提出了基于MIMO雷达的技术解决方案.首先分析了MIMO雷达的工作原理和实现形式,而后建立了MIMO雷达成像模型,并推导出MIMO雷达多通道回波与目标空间频谱的对应关系.通过分析目标空间频谱的支撑区分布,论证了MIMO雷达阵列方位向的高分辨成像能力.最后进行了成像仿真实验.结果表明:在同等接收阵列条件下,MIMO阵列与实孔径阵列相比方位分辨率能够得到数倍的提高.