主从模式编队卫星SAR压缩感知成像算法

为减轻主从模式编队卫星SAR对稀疏目标场景回波信号的采集与传输负担,提出了编队卫星SAR的回波信号稀疏方法。在研究编队卫星SAR回波信号特征的基础上,构建了编队卫星SAR距离向和方位向的稀疏基、测量矩阵和重构矩阵。针对主从模式编队卫星SAR与地面的数据传输特点,提出了低传输负荷下的主从模式编队卫星SAR压缩感知成像方法,并借助于正交匹配追踪算法 (Orthogonal Matching Pursuit,OMP) 对稀疏后的回波信号进行了恢复重构,获得了高质量的编队卫星SAR图像。仿真结果表明,针对稀疏目标场景,本文提出的压缩感知成像方法利用较少的回波数据便能重构出原始目标场景,实现了低负荷下的编队卫星SAR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。     

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。     

一种基于二维信号稀疏重构的互质采样星载SAR成像处理方法

互质采样星载SAR通过方位互质采样代替传统方位均匀采样,可有效缓解空间分辨率与有效成像宽度之间的相互制约,提升SAR系统的对地探测性能。然而,方位向互质采样使得回波信号呈现方位欠采样及非均匀采样特性,导致传统SAR成像处理方法无法实现互质采样星载SAR的有效成像处理。该文提出一种基于2维信号稀疏重构的互质采样星载SAR成像处理方法。该方法在距离向脉冲压缩后,根据各距离门的多普勒参数截取2维观测信号并构造相应的稀疏字典,然后通过改进的2维信号稀疏度自适应匹配追踪算法完成方位聚焦处理。该方法不仅可以补偿SAR回波信号的距离方位2维耦合,还可以消除成像参数随距离空变对稀疏重构造成的影响,从而实现全场景的精确重构。点目标及分布目标仿真实验结果验证了所提算法可在远低于奈奎斯特采样率的情况下实现稀疏场景的有效重构。      

一种低秩张量约束的下视稀疏线阵SAR三维成像算法

为了解决3维稀疏数据处理中向量化或矩阵化带来的原始空间结构破坏与计算复杂度高的问题,该文针对下视稀疏线阵3维SAR成像几何模型和回波信号特点,构建了张量空间信号模型,提出了一种基于低秩张量补全的3维SAR稀疏成像算法。该算法首先利用回波张量的低秩性,通过张量补全重构稀疏回波中的丢失元素,再对补全后的全采样信号张量进行3维成像,从而获得高效率、低旁瓣、高分辨率3维图像。基于X波段下视稀疏线阵3维SAR点目标回波进行了3维成像仿真实验,比较了在不同信噪比和采样率条件下的成像性能,并基于实测数据进一步验证了该算法的有效性和优势。     

一种低秩张量约束的下视稀疏线阵SAR三维成像算法

为了解决3维稀疏数据处理中向量化或矩阵化带来的原始空间结构破坏与计算复杂度高的问题,该文针对下视稀疏线阵3维SAR成像几何模型和回波信号特点,构建了张量空间信号模型,提出了一种基于低秩张量补全的3维SAR稀疏成像算法.该算法首先利用回波张量的低秩性,通过张量补全重构稀疏回波中的丢失元素,再对补全后的全采样信号张量进行3维成像,从而获得高效率、低旁瓣、高分辨率3维图像.基于X波段下视稀疏线阵3维SAR点目标回波进行了3维成像仿真实验,比较了在不同信噪比和采样率条件下的成像性能,并基于实测数据进一步验证了该算法的有效性和优势.     

合成孔径雷达运动目标谱图二维压缩与重构方法

在完成合成孔径雷达(SAR)双通道回波数据对消处理的基础上,提出一种基于压缩感知的运动目标谱图二维压缩与重构方法。通过构造二维观测矩阵对SAR谱图在距离和慢时间方向上分别进行压缩,接收端设计二维正交匹配追踪法来重构原始谱图信息,进一步得到目标高分辨二维像。该方法可大幅降低SAR运动目标谱图数据量,并在稀疏度估计值不小于应有稀疏度值且两者比较接近的条件下,准确重构出原始谱图信息,同时得到高质量的运动目标二维像。仿真验证了方法的有效性。     

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NCS算子的大斜视SAR压缩感知成像方法

该文针对大斜视合成孔径雷达(Synthetic Aperture Radar, SAR)成像进行研究,提出了一种基于非线性频调变标(Non-linear Chirp Scaling, NCS)算子的大斜视SAR压缩感知成像方法。首先在详细分析大斜视SAR回波信号模型的基础上,给出了一种基于全采样数据的NCS成像算法,该算法有效完成了回波数据的走动补偿与解耦合处理,实现了准确成像。其次针对降采样的大斜视SAR回波数据成像问题,提出将上述成像算法构造成NCS算子并基于该算子建立压缩感知重构模型,通过对模型的优化求解直接获得最终的成像结果。该方法对于稀疏性成像场景能够有效降低回波数据采样率实现高质量成像,对于非稀疏成像场景在满采样条件下能够提高成像质量。最后的点目标和面目标的仿真实验验证了该文所提方法的有效性和可行性。      

分布式小卫星合成孔径雷达的空间编队构形研究

合理的空间编队构形是实现分布式小卫星SAR系统功能的基础.着重讨论分布式小卫星合成孔径雷达(SAR)空间编队构形的设计问题.分析了实现三维地形成像、提高空间分辨率和动目标检测三种系统功能时,空间编队构形设计所需解决的问题,提出了进行分布式小卫星SAR空间编队构形设计的三个最优化准则,给出了空间编队构形的评估方法,并对现有的几种分布式小卫星SAR的空间编队构形进行分析.最后根据分布式小卫星SAR的空间编队构形,通过与单颗星载SAR回波信号相比较,分析了分布式小卫星SAR回波信号的特点,为其数据处理提供参考.     

基于压缩感知的星载SAR差分层析高分辨成像

城区建筑的四维成像是合成孔径雷达差分层析的重要应用领域之一。此种应用背景下,如何利用空间-时间二维平面内稀疏分布的观测数据,在保持方位向-距离向分辨率的同时实现高程向-形变速率向的高分辨成像是合成孔径雷达差分层析面临的难点问题。压缩感知为该问题提供了有效的解决方案。首先,对压缩感知在差分层析中应用的可行性进行了理论分析。随后,利用仿真实验验证了基于压缩感知的星载合成孔径雷达差分层析成像的高程向和形变速率向的分辨能力。最后,使用Envisat-ASAR数据进行了实测数据处理实验,取得了理想的成像结果。基于压缩感知的星载合成孔径雷达差分层析高分辨成像方法的有效性和实用性得到了验证。      

基于小波包算法的压缩传感SAR 成像方法

压缩传感SAR 成像能够大量减小采样率和数据量,但只对稀疏场景有效。该文提出基于小波包训练稀疏表示基的压缩传感SAR 成像方法。该方法通过对同类型的SAR 图像进行小波包训练,在小波包库中选择能够稀疏表示该类SAR 场景的稀疏表示基,并通过求解l1 范数最小化问题重构SAR 场景反射系数。文中提出的方法在严重降采样下仍能够实现无模糊的SAR 成像,仿真数据成像结果表明该文方法具有较好的效果。      

分布式小卫星SAR系统地面运动目标检测方法

本文研究了分布式小卫星SAR系统的地面运动目标检测(GMTI)方法,并解决了小天线带来的距离/多普勒模糊,以及超稀疏阵带来的高旁瓣问题.本文方法的主要思想是利用空时自适应处理(STAP)把地面运动目标谱与杂波谱分离开,然后再利用SAR成像处理对分离开的地面运动目标谱进行聚焦.针对超稀疏阵的高旁瓣模糊问题,提出通过导向扫描空时平面来克服盲速影响.     

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...     

星载SAR 成像处理算法综述

该文首先回顾了欧美等国家星载SAR 卫星技术的发展历程及发展趋势,介绍了各国在轨卫星及未来卫星发射计划等相关情况,在此基础上对星载合成孔径雷达卫星成像处理算法进行了总结和分析。论文具体分析了各主要成像算法的优缺点并指出其适用范围和应用现状,进而阐述了星载合成孔径雷达成像处理算法的发展趋势,重点介绍了基于压缩感知理论和基于新模式的成像处理算法,并给出了仿真结果。      

基于时变阈值的单比特压缩感知SAR成像

近年来,单比特压缩感知已经被应用于合成孔径雷达(SAR)成像中。现有的单比特压缩感知SAR成像一般是与零阈值比较进行单比特量化,无法保留场景中目标反射系数的幅度信息。因此,时变阈值已经受到关注。文中提出了一种新的基于时变阈值的单比特压缩感知SAR成像模型,将单比特量化视为一个线性分类的过程,采用L1范数正则化的逻辑回归算法重构稀疏目标原始的反射系数。仿真结果表明,该方法可以在远低于Nyquist采样率的前提下准确地恢复出目标原始的反射系数,并且降低了雷达系统硬件的成本和能耗,还有利于SAR 图像的特征提取。     

一种基于压缩感知的稀疏孔径SAR成像方法

 高分辨大场景合成孔径雷达(SAR)成像给数据存储和传输系统带来沉重负担.本文针对条带式SAR成像,提出一种基于压缩感知技术的稀疏孔径SAR成像方法.该方法沿方位向以部分子孔径采样的方式获取降采样的原始数据,然后在距离向采用传统匹配滤波方法实现脉冲压缩处理,在方位向则利用小波基作为场景散射系数的稀疏基,并通过求解最小l₁范数优化问题重构方位向散射系数.该方法在存在多普勒参数误差情况下,能够有效实现多普勒参数估计,具有良好稳健性.仿真和实测数据成像结果表明所提算法在方位向严重降采样条件下仍能够实现无模糊的SAR成像,具有较强的有效性与实用性.     

基于压缩感知理论的稀疏孔径ISAR成像

在基于压缩感知理论的逆合成孔径雷达成像过程中,利用正交匹配追踪算法进行信号重构时存在重构精度较低、运算速度较慢的缺点,针对上述问题,提出了一种利用改进正交匹配追踪算法进行信号重构的稀疏孔径高分辨成像方法。首先,构造数据选择矩阵作为测量矩阵模拟回波缺失情况,然后利用稀疏基矩阵对回波信号进行稀疏表示,最后采取一种改进正交匹配追踪算法进行图像重构,相比于正交匹配追踪算法同时提高了运算速度和成像质量。通过仿真实验,在稀疏孔径数据随机缺失的情况下,改变数据缺失率,将该算法与距离-多普勒算法和正交匹配追踪算法的成像结果进行对比,验证了该算法的有效性和优越性。     

分布式小卫星SAR宽域和高方位分辨率处理方法

用多个分布式小卫星构成星座．可以完成多项雷达探测任务，如地面动目标检测(GMTI)、地面高程测量等。其探测性能可比单个卫星明显提高。分布式小卫星也可用来提高SAR的横向分辨率，主要是解决高横向分辨率与宽测绘带的矛盾。小卫星用横向孔径小的天线(为提高横向分辨率)和较低的重复频率(为加宽测绘带)，其回波信号会产生多普勒模糊，但多个小卫星的空间自由度可用来解模糊，从而可以实现宽域(宽观测条带)和高方位分辨率SAR成像。本文对分布式卫星解多普勒模糊的方法进行了讨论，并提出了对卫星星座构形的要求。如果星座构形已定，则应微调脉冲重复频率以满足解多普勒模糊的要求。