基于压缩感知的脉间捷变频SAR成像研究

捷变频技术应用到合成孔径雷达系统中会存在多普勒调频率捷变、方位向无法压缩等问题.在分析捷变频SAR回波相位特性的基础上,本文研究了传统的相关法在方位压缩中的应用;针对相关法效率低、旁瓣高等固有缺陷,考虑到回波信号的稀疏性,提出了基于压缩感知的方位压缩算法,并形成了一种距离压缩采用匹配滤波、方位压缩采用压缩感知的捷变频SAR二维成像方案.仿真实验表明,该方案能克服多普勒调频率捷变等问题,实现捷变频SAR二维成像,并具有低旁瓣、高分辨等优点.     

基于压缩转发的协作MIMO雷达成像算法

以实现地面目标的快速、高分辨率成像为目的,本文提出了一种基于压缩感知和协作通信技术的解决方案。在分析压缩感知理论和传统协作MIMO雷达成像算法的基础上,提出了基于匹配滤波器的协作MIMO雷达回波信号的稀疏表示方法和用于恢复重构的基函数,并建立了基于压缩转发的协作MIMO雷达系统模型。该系统主要由收发雷达、转发节点和压缩感知成像处理中心组成,转发节点利用模拟/信息转换(AIC)测量框架将雷达回波数据压缩后转发,压缩感知成像处理中心接收到各转发节点转发的数据后,利用正交匹配追踪算法(OMP)进行距离向压缩和方位向压缩,从而实现快速、高分辨率成像。仿真结果表明,该方法比传统MIMO雷达对各转发节点的传输负荷要求低,成像速度快,目标旁瓣低,成像效果好。      

基于压缩感知的雷达信号处理技术研究

雷达信号具有带宽范围大、分辨率高的特点,但ADC采集速率比DSP处理速率高1~2个数量级,硬件设备为雷达信号的采集和处理带来了一定的困难。采用压缩感知技术打破了奈奎斯特采样定理的限制,利用雷达信号稀疏性的特点,降低了信号采样率和存储传输的代价。文章应用压缩感知技术将高维信号压缩为低维信号,通过信号重构还原雷达信号在距离向和方位向原始信号,实现了超分辨率雷达成像。     

多重测量矢量模型下的稀疏步进频率SAR成像算法

基于压缩感知(Compressed Sensing, CS)的合成孔径雷达(SAR)成像算法可以用低于Nyquist采样率的采样数据完成稀疏目标高分辨成像。然而已有的算法在重构1维距离像时采用的大都是单重测量矢量(Single Measurement Vectors, SMV)模型,存在着重构耗时长、受噪声干扰大的缺点。该文从压缩感知的多重测量矢量(Multiple Measurement Vectors, MMV)模型出发,利用多重测量矢量恢复具有相同稀疏结构的联合稀疏目标信号源,从理论与实验角度分析了基于MMV模型的SAR 1维距离像成像性能,提出了一种距离向基于MMV模型,方位向基于SMV模型的2维SAR成像算法。该算法从耗时上、重构精度上均优于SMV模型下的CS成像算法。通过对仿真数据和地基雷达实测数据的处理,验证了算法的有效性。     

压缩感知在超宽带雷达成像中的应用

利用信号的先验稀疏性,通过压缩感知(Compressive Sensing,CS)方法可以实现从少量的非适应性随机测量数据重建原始信号。将压缩感知理论应用到超宽带雷达高分辨率成像中,提出基于CS理论的二维方位-距离向成像算法,可以显著减少数据采集时间、数据量、处理时间以及节省信号带宽,并利用矢量网络分析仪(Vector Network Analyzer,VNA)测量的实验数据验证了采用时间和空间减采样数据的CS算法可以实现与传统的延迟-求和波束形成方法(Delay-Sum Beamform-ing,DSBF)相当的成像质量和分辨率。     

文本类型气象雷达原始回波数据的无损压缩

本文对气象雷达原始回波文本类型数据进行无损压缩算法研究,根据文本类型数据的特点,设计了位图压缩 半字节压缩 双Huffman压缩的混合压缩算法。采用设计的混合压缩算法对实测数据在C环境下进行压缩和解压实验,结果表明:混合压缩算法的压缩性能优于通用压缩软件WinRar、WinZip的压缩性能。     

基于回波数据压缩的MIMO-SAR成像方法

针对多发多收合成孔径雷达(MIMO-SAR)高分辨成像的回波数据量过大问题,提出了一种基于数据压缩的MIMO-SAR成像方法。通过对MIMO-SAR回波数据的分析,补偿了由于MIMO雷达收发分置导致的相位误差;其次利用距离徙动算法(RMA)对回波数据进行预处理并分析了其稀疏性;然后针对预处理后的回波数据进行压缩传输,在接收端利用压缩感知重构算法获得回波数据在距离多普勒域的稀疏表示并进行成像处理。仿真结果表明,所提方法可以在大幅压缩MIMOSAR回波数据的基础上实现准确成像。     

基于迭代近端投影的二维欠采样合成孔径雷达成像

合成孔径成像雷达(SAR)具有数据量大、采样率高等特点,针对传统压缩感知(CS)的SAR成像存在精度低及抗噪性能差的问题,该文提出一种基于迭代近端投影(IPP)的2维欠采样合成孔径雷达成像重建方法。即通过对雷达回波构建为距离频域-方位多普勒域的2维稀疏表示模型,在此基础上将成像问题转化为距离向和方位向压缩感知稀疏重构问题,利用迭代近端投影算法的函数优化模型来表示合成孔径雷达成像中的稀疏表示,最后采用平滑削边绝对偏离(SCAD)罚函数获得近端算子以求解该模型并进行成像。仿真与实测数据处理结果表明,所提方法成像效果更好。     

基于时分MIMO的地基雷达高分辨率成像研究

基于时分多输入多输出(MIMO)的地基雷达成像有许多很好的应用价值,比如替代合成孔径雷达成像在山体滑坡监测方面的应用。针对基于时分MIMO的地基雷达高效高分辨率成像,该文提出一种基于逆傅里叶变换脉冲压缩和波束形成的成像算法。雷达通过步进频连续波技术获得高距离向分辨率,利用MIMO技术获得高方位向分辨率。通过逆傅里叶变换法实现雷达数据距离向压缩,采用波束形成算法实现雷达数据方位向压缩。同时该算法还针对MIMO天线阵列所引起的回波信号相位不连续问题进行了适当的校正,在保持算法高效性的同时提高了成像质量。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成像算法的可行性,应用在山体滑坡监测上理论效果良好。     

基于压缩感知的探地雷达成像算法研究

压缩感知理论通过从一系列非自适应线性测量中求解一个凸L_1最小化问题,从而对稀疏信号进行重构。该文基于压缩感知理论对宽带合成孔径雷达成像,利用空间目标信号成像的稀疏性,提出了一种全新的低采样率数据采集重构算法。此算法在获取雷达信号原始数据时采用压缩感知的算法,减少了原始信号数据的采样量,并且用少量的测量数据和测量孔径获得重建测量目标的信息。最后将此算法与传统的反投影成像进行了比较,其仿真试验数据表明,基于压缩感知的探地雷达成像算法比传统反向投影算法成像效果好,且所需数据量少。     

基于压缩感知的多发多收高分辨SAR成像算法研究

压缩感知理论指出,稀疏信号可以通过以低于奈奎斯特采样的测量数据重建出原始信号。针对高分辨率SAR成像在奈奎斯特理论下所面临的高速A／D采样、大数据量存储、传输等问题挑战。本文提出了一种基于压缩感知理论的多发多收高分辨率SAR二维成像算法。该算法减轻了高分辨率SAR成像的压力,采用压缩感知处理降低了A／D采样速率、数据量...     

一种基于幅度和相位迭代重建的四维合成孔径雷达成像方法

4维合成孔径雷达获取的观测数据在基线-时间平面非均匀分布。若采用传统成像方法来获取目标散射体的高度-速率维像,则因强副瓣存在,成像效果不理想。当信号具有稀疏性时,压缩感知技术能够利用少量的信号投影值就可实现信号的准确或近似重构。然而标准的压缩感知成像方法是针对实数据进行处理,4维合成孔径雷达成像处理的数据为复数据。因此该文提出了一种基于幅度和相位迭代重建的4维合成孔径雷达成像方法。将4维合成孔径雷达高度-速率成像问题转化为目标复散射系数的幅度和相位联合重建问题,通过在成像过程中引入相位信息来改善成像质量。仿真结果验证了该算法的有效性。      

基于压缩感知的二维联合超分辨ISAR成像算法

在ISAR成像中,距离和方位分辨率分别受发射信号带宽和成像积累角的限制。基于压缩感知(CS)理论,该文提出了一种2维联合超分辨ISAR成像算法。首先建立ISAR观测信号模型并构造2维超分辨字典,然后利用ISAR图像的稀疏先验信息将2维联合超分辨成像建模为最小l1范数的优化问题,最后提出一种快速算法求解该优化问题。该方法进行距离维和方位维的联合处理,有效利用了回波数据的2维耦合信息;通过共轭梯度(CG)运算,快速傅里叶变换(FFT),Hadamard乘积等操作,有效提高了算法的实现效率。仿真和实测实验验证了该算法的有效性。     

基于压缩感知理论的雷达成像技术与应用研究进展

压缩感知理论基于信号稀疏性,将对信号采样转换为对信息自由度的采样,可大大降低采样率。而将压缩感知理论应用于雷达成像时有望在以下几个方面得到改善:增强成像性能,简化雷达硬件设计,缩短数据获取时间,减少数据量和传输量等。该文从压缩感知的稀疏性,压缩采样,无模糊重建3个关键步骤与成像雷达有机结合的角度,对近年来基于压缩感知理论的雷达成像技术研究现状进行系统综述,重点论述场景稀疏性与成像关系, 压缩采样方法(包括硬件)设计,场景图像快速高精度重建以及成像系统体制应用等方面,最后探讨了压缩感知理论应用尚需解决的问题和进一步发展方向。     

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。     

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。     

基于贝叶斯压缩感知的合成孔径雷达高分辨成像

基于压缩感知(CS)的合成孔径雷达成像方法可以显著减少数据采样时间、数据量以及节省信号带宽。然而,基于CS的方法对噪声和杂波相当敏感,在信噪比较低的时候,成像质量较差。该文结合CS理论提出了合成孔径雷达中的随机孔径贝叶斯压缩感知(BCS)高分辨2维成像方法。在距离向应用CS减少采样数据的同时,在方位向随机抽取部分孔径位置发射和接收信号,以少量的测量孔径和测量数据获得重建目标空间的足够信息。基于贝叶斯的分析方法由于考虑了成像场景中的杂波以及压缩采样过程中的加性噪声,因而能够更好地重建目标空间。仿真结果表明,基于贝叶斯方法得到的图像比基于FFT方法得到的图像更加尖锐,比基于CS方法得到的图像更加稀疏,因而具有更高的分辨率。     

Binned progressive quantization for compressive sensing

Compressive sensing (CS) has been recently and enthusiastically promoted as a joint sampling and compression approach. The advantages of CS over conventional signal compression techniques are architectural: the CS encoder is made signal independent and computationally inexpensive by shifting the bulk of system complexity to the decoder. While these properties of CS allow signal acquisition and communication in some severely resource-deprived conditions that render conventional sampling and coding impossible, they are accompanied by rather disappointing rate-distortion performance. In this paper, we propose a novel coding technique that rectifies, to a certain extent, the problem of poor compression performance of CS and, at the same time, maintains the simplicity and universality of the current CS encoder design. The main innovation is a scheme of progressive fixed-rate scalar quantization with binning that enables the CS decoder to exploit hidden correlations between CS measurements, which was overlooked in the existing literature. Experimental results are presented to demonstrate the efficacy of the new CS coding technique. Encouragingly, on some test images, the new CS technique matches or even slightly outperforms JPEG.     

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。