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...     

基于稀疏贝叶斯方法的脉间捷变频ISAR成像技术研究

传统捷变频成像方法具有高旁瓣、低分辨率的缺点。鉴于捷变频ISAR回波信号的稀疏性,该文基于原始数据的2维压缩感知方案,在贝叶斯原理框架下,用稀疏贝叶斯算法方差成分扩张压缩方法(ExCoV)实现捷变频ISAR像的重建。贝叶斯框架下的稀疏重构算法考虑了稀疏信号的先验信息以及测量过程中的加性噪声,因而能够更好地重建目标系数。作为一种新的稀疏贝叶斯算法,ExCoV不同于稀疏贝叶斯学习(SBL)算法中赋予所有的信号元素各自的方差分量参数,ExCoV方法仅仅赋予有重要意义的信号元素不同的方差分量,并拥有比SBL方法更少的参数,克服了SBL算法参数多时效性差的缺点。仿真结果表明,该方法能克服传统捷变频成像缺点,并能够实现低信噪比条件下的2维高精度成像。     

一种基于压缩感知恢复算法的SAR图像方位模糊抑制方法

方位模糊现象广泛存在于星载合成孔径雷达图像中。当模糊能量较强时,会出现大量的虚假目标,严重影响对图像的判读。由于模糊能量与真实主区能量在时域、频域中均互相混叠,现有的处理方法很难在不损失分辨率的条件下,有效抑制方位模糊所产生的鬼影。该文提出一种基于压缩感知恢复算法的方位模糊抑制方法,通过截断图像的多普勒频谱实现模糊抑制,而后将原始图像作为先验信息、将截断谱作为观测结果,利用压缩感知恢复算法,迭代求解出高分辨率的图像。经过仿真与真实数据验证,该方法可以有效抑制方位模糊能量,而不损失主区目标分辨能力,且对复杂场景同样具有良好的效果。      

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。     

基于压缩感知的下视三维SAR成像新方法

下视3维合成孔径雷达(Synthetic Aperture Radar, SAR)可对平台正下方目标进行3维重构,具有广阔的应用前景。为有效减少线阵天线所需阵元数,该文提出了一种基于稀疏阵列的下视3维SAR成像方法。为了抑制稀疏阵列导致的栅瓣效应,该方法结合压缩感知(Compressed Sensing, CS)理论,实现对下方3维目标的成像。分析了稀疏阵列配置对稀疏信号处理的影响以及3维成像采用稀疏信号处理的可行性。最后通过仿真实验验证了该文分析的正确性及算法的有效性。     

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SAR对多舰船目标成像

提出了一种基于压缩感知(CS,compressive sensing)的SAR对多舰船目标的成像算法.通过将多舰船目标成像转换为在某种基下具有稀疏表示的信号重建问题,从而满足CS理论对信号恢复重构的要求,获得比传统成像方法更高的方位分辨率.实测数据的处理验证了该算法的有效性.     

基于块压缩感知的SAR层析成像方法

基于压缩感知(Compressive Sensing, CS)的SAR层析成像方法(SAR Tomography, TomoSAR),虽然实现了对目标的3维重构,但对于具有结构特性的目标其重构性能较差。针对这一问题,该文提出了采用块压缩感知(Block Compressive Sensing, BCS)算法,该方法首先在CS方法基础上将具有结构特性的目标信号重构问题转化为BCS问题,然后根据目标结构特性与雷达参数的关系确定块的大小,最后对目标进行块稀疏的l1/l2范数最优化求解。相比基于CS的SAR层析成像方法,该方法更好地利用了目标的稀疏特性和结构特性,其重构精度更高、性能更优。仿真数据和Radarsat-2星载SAR实测数据的试验结果验证了该方法的有效性。      

基于压缩感知的多角度SAR特征提取

为提高目标属性散射中心参数估计的精度和鲁棒性,利用多角度SAR数据作为输入,将参数估计问题转化为稀疏向量重构问题,使用分步估计算法提高计算效率,从而实现多角度SAR特征提取.研究内容包括两方面,一是论证多角度SAR的角度和频率分集特性对字典矩阵性能的改善.另外,为提高算法效率,本文提出分步参数估计算法.首先用理想点目标模型得到初步估计的图像表示,然后通过图像分割和能量中心计算估计模型阶次、位置和散射类型,最后以初步估计为先验信息重新构造字典矩阵,得到最终估计.实验验证了算法鲁棒性以及分辨率的改善.     

基于压缩感知的捷变雷达距离-速度估计北大核心CSCD

在目标识别探测领域,毫米波雷达发挥着至关重要的作用。其中抗干扰能力和检测精度是衡量雷达性能的两项重要指标。为提高雷达抗干扰能力,改善雷达的信号处理效果,提升雷达的距离-速度检测精度,本文采用相参处理时间（CPI）间载频捷变与脉间脉冲重复频率（PRF）捷变相结合的雷达信号,利用压缩感知（CS）模型进行频谱生成,并设计了新型雷达距离-速度分析法进行目标检测,建立了一套完整的雷达信号处理算法。对算法的各个环节进行理论分析和仿真实验,仿真结果证明,本文设计的基于压缩感知的捷变雷达距离-速度估计方法,增强了雷达的抗干扰能力,同时提升了雷达的距离-速度检测精度。     

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。     

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。      

基于分布式压缩感知的高分宽幅SAR动目标成像技术

高分宽幅SAR动目标成像对目标跟踪具有重要的意义,常规天基多通道SAR技术要实现高分宽幅动目标成像需要通道数量巨大,系统复杂度过高,而且图像在方位向存在成对回波,形成虚警。针对上述问题,该文提出了一种基于分布式压缩感知的高分宽幅SAR动目标成像技术,在通道数量较大时,通道数量相比常规高分宽幅动目标成像构型通道数量约降低1倍,利用动目标稀疏特性和杂波背景非稀疏特性构建分布式压缩感知观测模型,采用先方位1维分布式压缩感知重建再距离方位2维分布式压缩感知重建,实现杂波背景和稀疏动目标的重建,并抑制多通道SAR动目标成像中的成对回波。结合RADAR-SAT数据的仿真试验结果验证了该技术的有效性。      

捷变频雷达信号处理仿真

随着电子对抗的日益加剧,传统体制雷达受到越来越大的限制,而捷变频雷达由于信号载频不断变化,具有诸多优点,因此得到日益广泛的应用.首先分析了捷变频雷达信号的时域、频域特性,然后详细讨论了捷变频雷达信号的处理方法中各主要模块的原理及功能,最后用仿真验证了捷变频雷达信号的时频域图以及信号处理各节点的波形,验证了各模块的有效性...     

基于压缩感知的SAR图像目标识别

提出一种基于压缩感知的合成孔径雷达图像目标识别方法,将目标识别问题转化为稀疏表示的近似求解问题。该方法利用测试样本在全体训练样本基下的稀疏性,实现样本间的近似稀疏表示。通过考察稀疏系数主要集中于样本真实类别之上的分布特性,研究了稀疏系数本身对目标类别具有的可区分能力,最后基于稀疏系数的分布特性设计分类算法完成目标识别。基于MSTAR数据中三类目标的实验证明,与目前已有的几种典型方法相比,该方法可以取得更高的识别率,是一种有效的合成孔径雷达图像目标识别方法。     

基于压缩感知的间歇采样转发干扰方法

针对现代雷达信号带宽大、频率高,相干干扰实现困难的问题,提出了基于压缩感知的间歇采样转发干扰方法.研究了压缩感知基本原理及其对模拟信号处理的实现方法,分析了压缩感知对线性调频信号的间歇采样实现方法及其转发干扰效果.仿真结果表明,压缩感知理论对宽带雷达信号间歇采样具有较好的适用性,对宽带雷达能够实现较好的干扰效果.     

频率捷变对目标阵列精位控制的影响

在阵列式射频仿真系统中,采用射频天线阵列模拟目标信号角度运动,其控制原理是基于辐射信号的幅相合成。当工作频率发生捷变时,由于阵列控制器件的频响等因素,目标阵列角位置的模拟精度将发生变化。本文从目标阵列的角位置模拟原理出发,以二元组为例分析了频率捷变对射频仿真目标阵列精确位置控制系统的影响,为研究捷变频状态下目标阵列的精位控制技术提供了依据。     

基于压缩感知的线性调频信号频率估计

基于压缩感知理论,测量了在不重构情况下线性调频信号的频率。算法根据信号的稀疏表示建立原子库,利用AIC(Analog-to-Information Conversion)技术完成对信号的压缩采样,在压缩域利用正交匹配追踪的算法进而优化重构稀疏系数,寻找出系数最大值所在的位置,而原子库中该位置原子的频率参量即为线性调频信号的频率参量。该方法在保证频率估计高成功率的前提下,大大减少了采样过程中的冗余和浪费,节省了存储空间,实验仿真验证表明该方法的可行性。     

基于压缩感知的矩阵型联合SAR成像与自聚焦算法

模型准确情况下,压缩感知在合成孔径雷达成像中得到良好应用;但在实际情况中,模型会存在一定误差,这些误差造成图像偏离真实位置、引起散焦降低成像质量.本文提出一种矩阵型联合CS-SAR成像与自聚焦算法,该算法在CS-SAR成像重构方法方面,基于光滑l₀范数方法提出了矩阵型正则化光滑l₀范数重构方法,该方法具有较强容错能力并能直接重构矩阵型信号,能克服现有联合CS-SAR成像与自聚焦算法在计算效率方面的缺陷.最后,通过仿真验证了所提算法的有效性.