二维匹配滤波实现多角度SAR成像

 多角度SAR图像能够更全面描述目标不同角度下的特征信息,对目标识别具有重要意义.实现多角度SAR成像需要解决两个问题,一是在多角度测量模式下,传统成像算法的远场条件不能满足,成像散焦严重;二是空间采样不连续使得基于傅里叶变换的成像算法产生很高的旁瓣.本文利用二维匹配滤波函数的聚焦功能实现多角度SAR成像.通过调整成像参考点位置构造二维匹配函数,然后将测量数据用匹配函数进行滤波.与传统SAR成像算法相比,本文提出的多角度SAR成像算法突破了空间采样必须均匀和连续的束缚,更具有普适性.实验结果表明本文算法不仅能够实现多角度SAR成像,提高成像分辨率,而且多角度SAR图像能够描述目标散射特征的空间变化.     

基于稀疏贝叶斯正则化的阵列SAR高分辨三维成像算法

阵列合成孔径雷达(Linear Array Synthetic Aperture Radar, LASAR) 3维成像技术是一种具有重要潜在应用价值的雷达成像新体制,但受线阵天线及平台尺寸限制,传统匹配滤波成像算法难以实现LASAR高分辨3维成像。该文利用LASAR回波信号及观测目标的先验分布特性,提出了一种基于快速稀疏贝叶斯正则化重构的LASAR高分辨3维成像算法。该算法先结合贝叶斯估计准则及最大似然估计原理,构造LASAR目标重构的稀疏贝叶斯最小化代价函数;再利用迭代正则化方法求解联合范数最优化问题实现LASAR稀疏目标高分辨3维成像。另外,针对稀疏贝叶斯正则化成像运算量大的问题,结合位置预测快速成像思路,利用阈值分割算法对稀疏粗成像进行强目标提取,进而提升算法运算效率。仿真数据和实测数据验证了该文算法的有效性。      

稀疏重航过阵列SAR运动误差补偿和三维成像方法

该文针对机载交轨阵列SAR下视3维成像模型,采用以巴克码伪随机序列为准则的稀疏重航过采样方式,利用较少飞行次数提高交轨向分辨率。针对重航过采样方式存在的运动误差,利用修正均匀冗余阵列(Modified Uniformly Redundant Arrays, MURA)编码空间调制和3维后向投影(Back Projection, BP)算法获得各航过3维复图像对,基于干涉处理和频域压缩感知(Compressed Sensing, CS)等效实现各航过阵列形变误差补偿。将MURA反码对应回波形成的3维复图像相位作为参考,对各单航过复图像进行相位补偿,以恢复各航过间复图像相位关系。根据单航过阵列SAR3维复图像具备频域稀疏的性质,对各个复图像相干累加,实现稀疏重航过阵列SAR高分辨率下视3维成像。仿真和暗室试验数据处理结果验证了方法的有效性。      

前视阵列SAR回波稀疏采样及其三维成像方法

针对高分辨前视阵列SAR三维成像系统面临的距离采样率高和回波数据量大的问题,本文利用地面散射源在三维空间中的稀疏性,提出距离频域和沿航向时域二维稀疏采样并稀疏重构地面三维图像的方法.从前视阵列SAR角度观察三维地面,地面散射源在距离向和沿航向二维空间中是稀疏的,在该二维方向上联合稀疏采样有望实现最佳的稀疏采样效果.为避免距离向时域稀疏采样造成的三维成像复杂化,提出利用子脉冲结合距离频域稀疏采样的方法来实现距离向稀疏采样.同时,结合地面散射源连续性特点,提出低信噪比情况下稳健的信号重构方法.与传统三维匹配滤波成像方法相比,本方法降低了距离采样率和回波数据量,并直接重构地面散射源信息以实现三维成像.     

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。     

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.     

无先验模型复杂结构设施SAR全方位三维成像方法研究

复杂结构设施的SAR三维成像是SAR成像领域的热点和难点问题。现有SAR三维成像依赖于高程方向的多通道或多次飞行,对雷达系统或数据获取的要求较高。该文提出无先验模型复杂结构设施三维成像方法,仅需一次飞行即可获得先验信息未知区域全场景全方位三维图像。该方法充分利用圆迹SAR的全方位观测、解叠掩和解高程模糊优势,无需目标预先建模和三维成像网格构建,适用于大面积区域复杂结构设施的精细三维成像,在雷达三维成像实用化技术方面取得了重要进展。通过该方法首次获得FAST射电望远镜的雷达全方位三维图像,验证了理论与方法的正确性与有效性。      

利用缺失数据幅度相位估计提取多角度SAR特征

提取多角度SAR特征对雷达目标识别具有重要价值。该文利用缺失数据幅度相位估计提取多角度SAR特征,本质上是缺失数据情形下的参数估计问题。该算法无需利用目标参数化模型,是一种数据驱动的自适应估计方法;同时,它无需填充缺失数据,避免了因插值导致的误差。实验表明该算法不仅能够提高目标位置和幅度估计精度、实现超分辨成像,而且对噪声和模型失配具有鲁棒性,实验同时验证了多角度SAR重构目标轮廓的优势。     

SARMV3D-1.0:SAR微波视觉三维成像数据集

三维成像是合成孔径雷达技术发展的前沿趋势之一,目前的SAR三维成像体制主要包括层析和阵列干涉,但面临数据采集周期长或系统过于复杂的问题,为此该文提出了SAR微波视觉三维成像的新技术思路,即充分挖掘利用SAR微波散射机制和图像视觉语义中蕴含的三维线索,并将其与SAR成像模型有效结合,以显著降低SAR三维成像的系统复杂度,...     

Analysis and Design of Multi-aspect SAR System for Compressive Sensing-Based 3D Imaging

This paper focuses on the analysis and design of Multl-aspect SAR （MuSAR） system for Compressive sensing-based （CS-based） 3D imaging. For this purpose,the Point ambiguous function （PAF） is proposed to analyze the factors that dominate the Mutual coherence （MC） of MuSAR sensing matrix. The PAF contacts with the parameters and configuration of MuSAR system directly and is easy to manipulate. With PAF, the present study analyzes the factors that dominate the performance of CS-based MuSAR 3D imaging. First of all, the stochastic waveform is an excellent selection. Second, the angular-frequency-diversity can improve the robustness of 3D imaging. Finally, the finer sampling of received data could improve the robustness of MuSAR 3D imaging. Simulation experiments show the validity of conclusion.     

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。     

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。     

随机间距稀疏三元循环相位掩膜矩阵可压缩成像

可压缩成像是一种新兴的基于压缩感知理论的新成像技术,其核心思想是如果空间场景是稀疏或可压缩,那么它可以用远少于经典的Nyquist采样数目的测量值捕获的足够信息重构原场景;构建合适的测量矩阵并易于使用物理实现压缩感知理论中对于图像的随机线性测量是可压缩成像理论实用化的关键之一。该文在研究Bernoulli和Circulant矩阵的基础上,提出一种新的随机间距稀疏三元循环相位掩膜矩阵。模拟实验结果表明,在可压缩双透镜成像系统单次曝光下,与Bernoulli和Bernoulli-Circulant相位掩膜矩阵相比,新相位掩膜矩阵的成像信噪比与之相当;但是该文提出的矩阵随机独立变元个数和非零元个数显著减少,易于数据存储与传输;更重要的是物理上更容易实现,重构时间是只有原来的约20%~50%。新的相位掩膜矩阵的研究对于可压缩成像理论的实际应用具有重要的意义。     

基于压缩感知的双通道SAR地面运动目标检测方法研究

针对目前双通道SAR地面运动目标检测(GMTI)方法采样数据量过大的问题,该文提出一种基于压缩感知的双通道SAR运动目标检测方法。该方法首先沿方位向进行随机稀疏采样得到双通道原始回波数据,然后通过匹配滤波方法实现距离向聚焦,并利用压缩感知技术实现方位聚焦,最后运用传统相位中心偏置天线(DPCA)技术进行杂波抑制。通过公式推导从理论上分析了该算法利用双通道方位稀疏采样数据实现杂波抑制的可行性,同时详细分析了运动参数对目标成像的影响。仿真与实测数据实验表明该算法在方位向欠采样情况下仍具有良好的杂波抑制性能。     

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。     

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。     

结合字典学习技术的ISAR稀疏成像方法

鉴于稀疏ISAR成像方法的成像质量受到待成像场景的稀疏表示不准确的限制,该文将字典学习(DL)技术引入到ISAR稀疏成像中,以提升目标成像质量。该文给出基于离线DL和在线DL两种ISAR稀疏成像方法。前者通过已有同类目标ISAR图像进行学习,获得更优稀疏表示,后者在成像过程中从现有数据中通过优化获得稀疏表示。仿真和实测ISAR数据成像结果表明,结合离线DL和在线DL的成像方法均可获得比现有方法更优的成像结果,离线DL成像优于在线DL成像,而且前者计算效率优于后者。