稀疏采样数据大转角高分辨ISAR成像技术研究

针对方位向稀疏采样条件下,大带宽大转角ISAR高分辨成像时,转动分量引起的一维距离像中目标散射点的距离走动和空变二次相位问题,研究了一种稀疏采样数据ISAR高分辨成像方法。对于方位向稀疏采样数据,该方法在包络对齐和相位补偿后,将Keystone变换和稀疏恢复相结合,实现方位向稀疏采样数据距离走动校正和缺失采样位置一维像重建,接着采用基于LVD变换的二阶相位估计方法对二阶转动相位进行估计并补偿,完成高分辨成像。计算机仿真和暗室测量数据验证了该方法的有效性。     

基于压缩感知的稀疏采样数据大转角ISAR 成像研究

针对方位向稀疏采样条件下,大带宽大转角逆合成孔径雷达(ISAR)高分辨成像时,一维距离像中目标散射点的距离徙动问题,提出了基于贝叶斯压缩感知的稀疏ISAR 成像方法。对于方位向稀疏采样数据,该方法在包络对齐和相位补偿后,通过傅里叶变换将数据变换到距离频率域,对每一距离单元数据,根据方位向稀疏采样的位置构造相应的Keystone基矩阵,利用贝叶斯压缩感知算法重建目标在各距离频域单元的多普勒域系数,最后,通过距离向逆傅里叶变换和方位向自聚焦完成ISAR 成像。计算机仿真验证了该方法的有效性。     

基于小波稀疏表示的压缩感知SAR成像算法研究

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。该文对条带式体制下的SAR成像,提出基于场景方位向小波稀疏表示的压缩感知成像方法。该方法首先沿方位向进行随机稀疏采样得到降采样的原始数据,然后在距离向采用传统匹配滤波方法实现脉冲压缩处理,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。所提算法在方位向严重降采样下仍能够实现无模糊的SAR成像,实测数据成像结果表明所提算法具有较好的有效性和一定的实用性。     

相变图在稀疏微波成像变化检测降采样分析中的应用

相变图是稀疏微波成像雷达性能评估的一种重要方式,它可以准确刻画出雷达成像性能随稀疏度、采样比和信噪比3个参数的变化趋势,给出不同参数组合下场景准确重建的概率值。稀疏微波成像变化检测中,由于场景的变化相对于整个观测区域是稀疏的,利用分布式压缩感知方法可以在采样比组合满足一定条件下准确提取场景变化量。该文在场景稀疏度和信噪比不变的情况下,研究前后观测数据的采样比对变化检测结果的影响,绘制稀疏微波成像变化检测相变图,并利用相变图分析变化检测结果随前后两次观测的采样比参数的变化趋势,确定可以实现准确重建的采样比参数组合范围。最后通过仿真和实验验证相变图用于分析稀疏微波成像变化检测结果的可行性和有效性,为实际稀疏微波成像系统降低数据采集量和系统设计复杂度提供依据。     

基于RIPless 理论的稀疏微波成像波形分析方法

稀疏微波成像回波数据可以建模为Toeplitz 矩阵与地面场景的乘积,Toeplitz 矩阵中的行向量为发射信号的时延。由于难于验证Toeplitz 矩阵是否符合经典的稀疏信号处理中RIP 等重建条件,因而分析稀疏微波成像采样数与发射波形的关系十分困难。近年提出的RIPless 理论表明如果矩阵的行向量是对一个概率分布的随机抽取,并且该概率分布满足一定的条件,那么可以从少量的采样数据中恢复稀疏信号。Toeplitz 矩阵适用于RIPless 理论。该文首先介绍稀疏微波成像中观测矩阵的构造,然后利用稀疏信号处理中的RIPless 理论分析波形中信号脉宽、带宽和信号形式与稀疏微波成像采样数的关系,进而比较不同波形对稀疏微波成像中的性能,最后通过仿真验证了该方法的有效性。      

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。     

稀疏微波成像研究进展(科普类)

稀疏微波成像是将稀疏信号处理理论系统性地引入微波成像并有机结合形成的微波成像新理论、新体制和新方法。该文阐述了稀疏微波成像中稀疏表征与变换域映射、稀疏观测约束、以及非模糊重建等关键科学问题;在此基础上介绍了稀疏微波成像的主要研究进展以及原理样机的机载飞行实验,实验结果表明了稀疏微波成像原理和方法的可行性和有效性;另外,该文还讨论了稀疏微波成像在3 维雷达成像、逆合成孔径雷达、探地雷达等领域的应用。      

结合MD自聚焦算法与回波模拟算子的快速稀疏微波成像误差补偿算法

稀疏微波成像是将稀疏信号处理理论引入微波成像中,利用系统的稀疏约束突破传统合成孔径雷达(SAR)成像中系统复杂度的瓶颈,是微波成像的新理论、新体制和新方法。在传统的机载SAR成像中都会面临非理想运动带来的回波相位误差问题,可通过基于回波数据的自聚焦算法加以解决;但在机载稀疏微波成像中,因稀疏微波成像采用稀疏重建算法取代了传统SAR中基于匹配滤波的信号处理方法,传统的基于回波数据的自聚焦算法难以直接应用。现有基于稀疏重建的自聚焦算法主要基于两步迭代方法,收敛速度慢、运算量大。该文以基于回波模拟算子的快速稀疏微波成像算法为基础,将子孔径相关(MD)自聚焦算法引入,与之结合构建了新的MD-回波模拟算子自聚焦算法。该方法继承了基于回波模拟算子算法快速重建的优势,并利用MD自聚焦算法实现了回波2次相位误差的正确补偿,与现有基于两步迭代的稀疏微波成像自聚焦算法相比,收敛速度快,并可以实现较好的自聚焦效果。      

Efficient 3D imaging method of MIMO radar for moving target

When compressive sensing (CS) was used to achieve sparse imaging of moving targets,the Doppler frequency caused by motion will increase the processing dimension,change the center frequency of echo and worsen the mutual coherence property of measurement matrix.In order to improve the three-dimensional (3D) imaging performance of MIMO radar for moving targets,an efficient method was proposed.In each dimension,the distribution information of targets was searched respectively and a new low-dimensional measurement matrix was reconstructed accordingly,so the targets’ area was narrowed down.At the same time,in order to optimize the mutual coherence property of measurement matrix,Bayesian method was used to optimize the velocity-dimensional projection matrix to reduce the strong mutual coherence brought by sampling of Doppler frequency,then the efficient sparse imaging could be achieved.The simulation results show that proposed method can improve the efficiency,accurate imaging performance with efficient.     

一种基于特征值分解的测量矩阵优化方法

测量矩阵是压缩感知中一个很重要的部分,为了减小测量矩阵与稀疏变换矩阵的互相干性,从而改善重建质量,本文首先通过测量矩阵和稀疏变换矩阵的乘积构造得到一个Gram矩阵,然后定义了一种基于Gram矩阵非对角线元素的整体互相干系数,推导出整体互相干系数与Gram矩阵特征值之间的关系。在此基础上,我们提出了一个最优化模型,在不改变Gram矩阵特征值和的前提下,让每个大于零的特征值的大小都为它们和的平均值,使得测量矩阵和稀疏变换矩阵的整体互相干系数达到最小,从而优化了测量矩阵的性能。将该方法用在一些已知的测量矩阵上,实验结果中矩阵的优化速度快,并且用优化矩阵所得的图像的PSNR有所提高,表明本文优化测量矩阵的方法在重建效果和优化速度方面都有一定的优势。      

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。     

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。      

联合感知矩阵优化的穿墙MIMO阵列稀疏成像方法

采用压缩感知理论的穿墙稀疏成像恢复算法需要感知矩阵满足有限等距性质(RIP),最直接的验证方法是判定感知矩阵的相干系数是否较小。针对现有的穿墙多输入多输出(MIMO)阵列稀疏成像方法没有验证感知矩阵是否满足RIP 性质而容易出现重构失败并导致成像模糊的问题,提出一种联合感知矩阵优化的穿墙MIMO阵列稀疏成像方法。该方法首先依据配置指标将阵元配置为两端发中间收和分时复用的模式,既能使感知矩阵的相干系数最小,又能获得均匀而不冗余的等效虚拟阵元;然后,从中选取部分能够满足感知矩阵相干系数最小的虚拟阵元组合,使用可分离逼近结构稀疏恢复算法充分考虑扩展目标信号的结构稀疏先验信息对其进行稀疏成像重构;最后,选取成像性能指标较好的一组作为成像结果。仿真和实验结果表明,该方法降低了运算量和虚拟阵元间的干扰,节约了硬件成本,提高了算法的稀疏重构性能,获得了高分辨的穿墙扩展目标成像。     

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。     

An Orthogonal Method for Measurement Matrix Optimization

Compressive sensing theory states that signals can be sampled at a much smaller rate than that required by the Nyquist sampling theorem, because the sampling of a signal in the former is performed as a relatively small number of its linear measurements. Thus, the design of a measurement matrix is important in compressive sensing framework. A random measurement matrix optimization method is proposed in this study based on the incoherence principle of compressive sensing, which requires the mutual coherence of information operator to be small. The columns with mutual coherence are orthogonalized iteratively to decrease the mutual coherence of the information operator. The orthogonalization is realized by replacing the columns with the orthogonal matrix \(\mathbf {Q}\) of their QR factorization. An information operator with smaller mutual coherence is acquired after the optimization, leading to an improved measurement matrix in terms of its relationship with the information operator. Results of several experiments show that the improved measurement matrix can reduce its mutual coherence with dictionaries compared with the random measurement matrix. The signal reconstruction error also decreases when the optimized measurement matrix is utilized.     

压缩感知SAR成像中的运动补偿

由于其具有压缩采样特性,压缩感知在高分辨SAR成像技术中得到了广泛应用。然而作为一种参数化的成像方法,基于压缩感知的成像方法对位置误差非常敏感。位置误差会造成图像偏离真实位置、散焦、甚至根本不能成像。该文针对SAR压缩成像系统中存在的运动误差,分析了平台非理想运动对回波信号的调制机理和运动相位误差对信号稀疏表征的影响,提出了基于传感器测量数据进行运动补偿的压缩感知SAR成像方法,通过在稀疏矩阵中引入附加项完成空不变运动误差的补偿。该方法不仅能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而且能有效降低运动误差对成像质量的影响,实现高分辨成像。