基于压缩感知的双基SAR二维高分辨成像算法

双基地合成孔径雷达(SAR)由于收发分置,具有广阔的应用前景,但常规的频域算法不仅面临距离史双根号问题,而且数据采集受Nyquist理论限制,数据量大。近年来提出的压缩感知(CS)理论指出,在一定条件下可以从很少的采样点中以很大的概率重建原始未知稀疏信号。本文将CS理论与双基地SAR模型相结合,提出一种基于CS的双基地SAR二维高分辨成像算法。该算法将二维随机降采样回波数据作为测量值,根据发射信号构造距离向测量矩阵,通过方位向多普勒相位因子构建方位向测量矩阵,利用CS恢复算法对目标进行了分维重建。仿真结果与性能分析表明,该算法在严重欠采样情况下仍能完好的重建原始目标,而且对噪声具有一定的鲁棒性和免疫性。与传统双基SAR成像算法相比,该算法具有更高的分辨率,成像结果峰值更加尖锐,峰值旁瓣比(PLSR)和积分旁瓣比(ILSR)都较低,而且采样率低、数据量少,具有一定的有效性和实用性。      

基于压缩感知的信号重构研究

按照Nyquist采样定理,信号的采样率必须为信号最高频率的2倍以上,这会产生大量的冗余数据。压缩感知是一种新兴的采样理论,对于可以稀疏表示的信号,它能够以远低于Nyquist采样速率对信号进行采样,并通过优化算法实现重构。介绍了压缩感知的基本理论,并分别选取时域稀疏、频域稀疏和图像信号进行了仿真分析,实验结果显示,压缩感知理论能较好的重构原始信号。     

基于压缩感知的偏振光成像技术研究

偏振成像技术是一种基于目标自身辐射或反射信号中所包含的偏振信息获取物体图像的方法,尤其在人工目标的探测和表面识别方面,相对光强度探测方式具有独特的优势。针对传统的偏振成像技术在复杂的成像环境中成像距离短和成像质量差的缺点,提出了一种基于压缩感知的新型偏振光成像技术。阐述了压缩感知理论的基本原理,构造了合适的采样矩阵和重构算法,设计了具体的成像系统,并通过压缩感知偏振成像实验证明了该成像技术的可行性。空气中实验结果表明,该成像系统能够重构出预先放置目标靶的偏振图像。此外在现有的实验条件基础上讨论并提出了几种改进系统成像质量的措施。     

用信道编码构造压缩感知测量矩阵

压缩感知是近年来,针对稀疏信号和可压缩信号的处理而出现的一种信号处理理论。测量矩阵是压缩感知理论中的一个至关重要的环节,它对信号采样和重构算法有着重要的影响。虽然一般传统的随机测量矩阵重建信号效果比较好,但有硬件实现比较困难的问题,并需要大量的存储空间和其他缺陷。确定性测量矩阵的出现,正好弥补了这些缺点。在本文中,基于信道编码中校验矩阵特性的优势,获得了满足有限紧致特性要求的确定性测量矩阵构造方法。把校验矩阵的列向量标准化、线性组合扩展到方阵、置换列向量后构成的矩阵作为确定性测量矩阵。这种方法可以在构造完成一个信道编码校验矩阵后,很容易构造对应的测量矩阵。数值结果表明,在相同重建算法和压缩比下,这种方法的性能和随机测量矩阵大致相若,甚至有所改善。同时,本文提出方法的构造时间较少,重建时只需要运行一次,可以满足实时性需求。为压缩感知算法的实际应用提供了一种有效的测量矩阵构造方法。      

基于行列式随机循环的压缩感知测量矩阵研究

压缩感知理论,从信号的自身特性出发,通过变换作用域和线性投影实现对信号的采样和压缩。测量矩阵是该理论中获得最优测量,实现精确重构的关键。本文在介绍常用测量矩阵的基础上,重点研究了结构化测量矩阵。鉴于测量矩阵设计的最重要的原则是降低矩阵元素间的相干性,本文借鉴循环矩阵和广义轮换矩阵的优点,提出了采用均匀随机数对结构化测量矩阵进行随机循环的构造方法。仿真实验表明新矩阵在信号重建上具有更好的性能。     

基于压缩感知的三孔径毫米波合成孔径雷达侧视三维成像

基于压缩感知,该文研究了交轨向三孔径毫米波合成孔径雷达侧视3维成像问题。利用交轨方向的三孔径天线形成的稀疏阵列结构,获取高程分辨率并实现3维成像。由于交轨方向的采样数较少及非均匀采样,高程分辨率低,传统的基于傅里叶变换的3维成像技术获得的图像质量较差。针对此不足,在交轨向稀疏采样的条件下,该文采用压缩感知方法来实现超分辨成像。利用仿真和实际数据比较了传统成像方法和基于压缩感知的成像方法的性能,并验证了该文方法的有效性。     

基于压缩感知的CFAR目标检测算法

该文提出一种基于压缩感知(Compressive Sensing, CS)的恒虚警率(Constant False Alarm Rate, CFAR)目标检测算法,首先分析了目标在距离单元上具有稀疏特性,并构造了目标回波的稀疏字典,设计特定的测量矩阵以及基于CS的CFAR检测结构,然后实现了对回波信号的压缩测量和CFAR检测,无需对回波信号重构。该文提出的算法具有很好的降噪性能并提高了检测效率,可以对低信噪比、低信杂比信号成功检测。仿真结果表明：当信噪比为-14 dB,信杂比为-10 dB时,该算法与传统匹配滤波检测算法相比,减少了一半数据运算量,性能明显优于压缩匹配滤波检测算法。     

基于压缩感知DOA估计的稀疏阵列设计

根据格拉姆(Gram)矩阵优化测量矩阵的方法,给出了一种基于压缩感知波达方向(DOA)估计的均匀线阵的稀疏阵列设计方法.该方法不需要对阵列的输出数据进行压缩采样,直接利用稀疏阵列的输出数据,然后利用稀疏恢复算法求解DOA估计信息.实验仿真证明,相比于原均匀线阵,所提方法在阵元数目较少且信噪比较低的情况下具有更好的DOA估计性能.     

压缩感知技术综述

压缩感知(Compressed Sensing或Compressed Sampling,Cs)理论突破了经典的奈奎斯特采样定理的极限,提出一种全新的采样理论,通过开发信号的稀疏特性,在远小于Nyquist采样率的条件下,用随机采样获取信号的离散样本,然后通过数值最优化问题精确重构出原始信号.本文综述了CS基本原理,介绍了信号稀疏表示、测量矩阵的设计和信号的重构算法等内容以及CS理论研究现状和在相关领域的应用.     

压缩感知理论在探地雷达三维成像中的应用

该文基于探地雷达成像目标空间的稀疏特性,提出了探地雷达中的随机孔径压缩感知3维成像方法,该方法在单道数据获取中应用压缩感知减少采集数据量的同时,在x-y测量平面上随机抽取部分孔径位置进行测量,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,同时该文研究了噪声以及测量矩阵对算法性能的影响。结果表明,随机孔径压缩感知成像算法比传统后向投影算法所需数据量少,成像效果好,目标旁瓣小,对噪声的鲁棒性更好。     

基于压缩传感的太赫兹成像

介绍了一种基于压缩传感理论的THz 成像方式,该理论突破了传统奈奎斯特采样定律的限制,可以以远小于图像总像素数的少量测量值来恢复出原始图像,从而很大程度上缩短了成像时间、提高了内存资源的利用率。通过对该理论的分析可知,变换基、测量矩阵和重构算法是该理论的三个重要因素,通过一系列仿真试验,分别对不同的变换基、测量矩阵和重构算法作了对比,根据对比结果,得到了最适合于文中被成像物体的变换基、测量矩阵以及重构算法。最后,利用离轴抛面镜代替聚乙烯透镜搭建了成像系统,得到了初步的试验结果。     

不同压缩感知重建算法在鬼成像中的性能比较

基于鬼成像(Ghost imaging,GI)与压缩感知(Compressed sensing,CS)理论,研究了CS重建算法对GI成像性能的影响.以离散小波变换为图像的稀疏矩阵、具有高斯线型的热光源强度分布为测量矩阵,分析了基于增广拉格朗日法和交替方向法的全变分最小化算法(TVAL3)、正交匹配追踪算法(OMP)、压缩采样匹配追踪算法(CoSaMP)、梯度投影算法(GPSR_Basic)下的压缩鬼成像的质量.以均方误差、峰值信噪比、匹配度、结构相似性指标等为图像质量客观评价标准,比较了4种重建算法下压缩鬼成像的重建结果.结果表明压缩比为0.5时TVAL3算法还原度最高, CoSaMP算法重建图像失真最严重, GPSR_Basic算法获得的重建性能优于OMP算法.     

基于观测矩阵优化的自适应压缩频谱感知

推导了自适应压缩感知中的重构估算误差,研究了如何降低观测矩阵列向量之间的自相关性,分析了观测矩阵优化对压缩感知重构算法的影响。将观测矩阵优化与压缩感知自适应过程相结合,提出了基于观测矩阵优化的自适应压缩频谱感知算法。仿真结果证实,所提算法比传统算法重构时产生的均方误差(MSE)更低,在同一观测次数下检测概率更高,在达到同等接收操作性能(ROC)时所需观测次数更少。     

基于压缩感知的超分辨率图像重建

针对传统的超分辨率(SR)图像重建方法需要多幅亚 像素图像配准带来的配准误差以及高成本问题,本文将目前迅速发展的压缩感知(CS)理论 引入SR成像,利用大多数自然图像普遍具有的稀疏性,提出一种基于CS的单幅图像SR重建方 法, 不需要其它任何额外的信息采集,可以在单次拍摄条件下捕获的充分数据实现图像 的SR重建。模拟实验表明,本文提出的方法在重建效果和重建时间方面显著优于耦合字典学 习(CDT)方法,在主观视觉质量及其客观信噪比(SNR)度量 方面都具有优势,且实现方法较为简单,具有重要的应用前景。     

基于压缩感知的图像处理与重构方法

针对图像修复和插值等图像处理问题进行研究,通过将图像修复和插值模型在压缩感知(CS)理论的框架下进行转换,建立了新的图像修复和插值模型,该模型与CS理论中的重构模型相对应。对此转化得到的重构问题,基于图像在复数小波变换上的稀疏性,利用迭代硬阈值方法求解重构模型,进而获得重构图像。仿真和实测数据处理结果验证本文方法的有效性。     

基于单通道MIMO雷达的毫米波安检成像

毫米波多入多出（MIMO）雷达是一种前沿的安检成像技术。然而,由于采用了大量的发射/接收通道,MIMO雷达的成本和复杂度大大高于传统的单通道雷达。为了研制低成本、低复杂度的毫米波MIMO安检成像雷达,引入了双重码分复用技术。该方法可通过单发射/接收通道实现与传统多通道MIMO雷达相似的成像性能,对安检成像领域的发展和应用具有重要意义。此外,设计了基于失配滤波器理论的解复用码,其可在干扰条件下实现最大码分集增益。进行了仿真与实验以验证所提出方法的正确性与有效性,得到了满意的结果。     

Frequency selective millimeter‐wave channel estimation based on subspace enhancement algorithms

In millimeter wave (mmW) communication systems, hybrid architecture, including the analog‐digital precoder and combiner matrices, is employed to take advantage of the multistream transceiver. In practice, mmW channel is assumed to be frequency‐selective, since the signal bandwidth is larger than the coherence bandwidth. Hence, orthogonal frequency‐division multiplexing signaling can be remedial. So far, most of the previous works on the frequency‐selective channel estimation have focused on the single measurement vector (SMV) form, whereas finding and exploiting the proper multimeasurement vector (MMV) model can improve upon the estimation procedure based on compressive sensing (CS) concepts. In fact, the estimation procedure based on the MMV model has a faster convergence speed than the SMV method specially, when the training frames are small. In this paper, we first extract the MMV model of the channel. In this model, the rank‐deficiency occurs as the number of training frames is less or equal to the sparsity level. Thus, the conventional estimation methods fail to provide the desirable performance. To overcome this issue, we propose two rank‐aware algorithms based on the enhancement of the observed signal subspace. The first algorithm assumes to know the sparsity level, while the second faces to the lack of knowledge about the sparsity level. The simulation results corroborate the fact that the proposed methods outperform the conventional CS algorithms such as Simultaneous Orthogonal Matching Pursuit.     

基于IAA的毫米波人体三维高分辨成像算法

针对利用三维合成孔径技术成像的毫米波人体安检设备成像分辨力低的问题,提出一种将迭代自适应(IAA)技术与合成孔径成像技术相结合的波数域IAA成像算法。波数域IAA技术能估计出每个潜在位置所对应的信号源能量,具有分辨力高、旁瓣低且适合单快拍估计等优点。通过理论模型分析和仿真运算,将重构效果图与传统的匹配滤波方法重构效果图进行对比分析,验证了该算法的有效性;同时随着计算能力的提高,该算法的性能也得到提高。     

基于块稀疏度与自适应迭代的压缩感知方法

针对分块压缩感知算法在平滑块效应时损失了大量的细节纹理信息,从而影响图像的重构效果问题,提出了一种基于块稀疏信号的压缩感知重构算法。该算法先采用块稀疏度估计对信号的稀疏性做初步估计,通过对块稀疏度进行估算初始化阶段长,运用块矩阵与残差信号最匹配原则来选取支撑块,再运用自适应迭代计算实现对块稀疏信号的重构,较好地解决了浪费存储资源和计算量大的问题。实验结果表明,相比常用压缩感知方法,所提算法能明显减少运算时间,且能有效提高图像重构效果。     

频率选择表面结构吸波体的电磁特性研究

采用时域有限差分法(FDTD)计算了蝶形和方环形FSS单元图形的反射与传输特性以及反射信号与入射信号的相位关系,并对计算结果进行了分析.结果表明电磁波的干涉相消是FSS吸波体吸波的主要原因,并且当反射电磁波满足2nπ的相位关系时才能达到最佳吸波效果;FSS吸波体的中心频率随介质层厚度的增加而下降;介质层厚度为5 mm时...