压缩感知理论在频率步进探地雷达偏移成像中的应用

该文针对频率步进探地雷达的具体工作过程,利用目标成像空间的稀疏性提出了一种基于压缩感知理论的频率步进探地雷达偏移成像算法,成像过程中首先采用杂波抑制方法在频率域去除直达波,同时利用交叉验证算法来估计成像过程中的正则化参数,最后基于稀疏约束最优化方法实现对地下目标成像,仿真和实验数据表明了该算法的可行性和有效性。     

超宽带探地雷达多目标压缩感知成像研究

压缩感知成像要求信号在某个域上能满足稀疏性要求,地下多目标在空域上降低了信号的稀疏性,导致成像出现散焦和虚像。扩大成像背景保证了稀疏性要求但又使得成像计算量上升,实时性不足。提出一种根据探地雷达回波特征预提取出潜在目标位置的压缩感知成像方法。通过对数据进行去噪、滑动矩阵过滤来确定目标的水平位置,再对水平位置处的几道A-Scan 数据进行极值搜索,从而可以提取出成像区域目标位置信息,进而在建立成像冗余字典时只需考虑目标位置处的字典元素,无目标处字典元素直接剔除,减少字典建立所需的元素,降低了压缩感知求解计算量。该方法由于只对潜在目标区域进行成像,因此在保证成像实时性的同时也保证了成像精度。实验结果表明算法可行、有效。     

基于感知压缩的探地雷达数据压缩采集

 本文提出一种基于压缩感知的探地雷达数据压缩采集方法,实现实时的采样数据压缩,无需采集完所有数据后再压缩,采样与压缩同时进行,从而大大减小了实时采样的存储压力.探地雷达的采样信号被压缩投影到由Mersenne Twister 算法生成随机矩阵,实现压缩.该方法实现了小计算量的实时压缩,并且硬件实现简单.本文使用half-quadric的方法求解感知压缩模型中的l₁凸优化,快速实现数据重构.实验表明,本文方法能将探地雷达数据压缩把到原来的1/15,大大减小实时采样存储压力.     

基于ROMP 的压缩感知算法在雷达成像中的应用

压缩感知理论能够解决大带宽、多通道雷达系统的大数据量存储和传输问题。本文将压缩感知理论应用到雷 达高分辨率成像中,研究了基于正则匹配追踪算法（ROMP）的雷达成像算法,并把它和基于平滑0-范数（SL0）优化 和1-范数优化(L1)的雷达成像算法做了对比。通过对数值仿真实验,验证了这三种成像算法的有效性。仿真结果表 明基于ROMP 的压缩感知雷达成像算法在计算速度方面优于基于SL0 和L1 范数的压缩感知雷达成像算法。     

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。     

脉冲压缩探地雷达

本文给出了一种可有效地对考古学物体进行成象的新型脉冲压缩探地雷达。雷达采用具有高探测性和高分辨率的性调频脉中信号。     

基于压缩感知的随机噪声成像雷达

近年来提出的压缩感知(CS)理论指出可以从很少的采样点中以很大的概率准确重建原始的未知稀疏信号。该文将压缩感知与随机噪声雷达相结合,提出了基于压缩感知的随机噪声雷达,并给出了该雷达系统的基本原理框图,从理论上证明了基于压缩感知的随机噪声雷达的回波观测矩阵具有很好的等容性质,在目标场景稀疏或可以稀疏表示时,基于压缩感知的随机噪声雷达可以采集远小于常规随机噪声雷达成像所需的回波数据并能实现准确成像,最后通过仿真实验验证了该文的结论。     

基于压缩感知的混沌探地雷达空洞检测

城市道路地下空洞检测可有效减少道路塌陷,保证道路安全,是城市建设工作中的重要任务。基于混沌信号的探地雷达相比传统探地雷达具有抗干扰性强,信噪比高,已被证明可以用于空洞检测,但现有混沌探地雷达在确定空洞位置时需要采集大量数据,并对回波信号和延迟后的发射信号进行互相关运算,所需时间较长,给信号的存储和传输也带来很大负担, 不利于实际应用。文中针对混沌探地雷达,提出了一种基于压缩感知的二维成像新方法,并将其用于地下空洞检测,该方法采用混沌脉冲相位调制信号作为信号源,利用压缩感知取代传统混沌信号处理过程中的互相关运算,减少信号采集数据量。仿真和实验结果表明,基于压缩感知的混沌探地雷达成像新方法与传统混沌探地雷达成像方法相比,在保持成像结果的有效性和准确性的同时,只需传统方法采样信号数据量的10％即可准确检测地下空洞目标。     

基于随机滤波的探地雷达成像方法

探地雷达是一种超宽带雷达系统,若按传统的奈奎斯特采样,雷达回波信号需要大量空间存储。压缩感知可以实现利用少量的测量值对稀疏信号进行重构,其中最为关键的是测量矩阵和重构算法的选择。本文将压缩感知应用于探地雷达成像,并利用随机滤波的思想选择测量矩阵,可以有效减少测量矩阵中非零值的个数。利用正交匹配追踪算法对信号进行重构,算法简单,降低了数据的存储量和运算复杂度,该算法同样可以对时间和空间上同时压缩的数据进行成像。最后,本文给出基于时间连续信号的GPR接收机一种CS实现方案。仿真结果表明,本文提出的成像方法可以以少量数据精确地对信号进行重构,并且运算量少。      

基于多测量向量模型的极化探地雷达成像算法

针对极化探地雷达( GPR)工作过程中目标成像空间的联合稀疏性,提出了一种基于多测量向量模型的极化探地雷达成像算法。在建立极化探地雷达回波信号模型的基础上,利用各极化通道测量数据的联合稀疏性将各个极化通道的测量数据等效成多测量向量( MMV ),通过多任务贝叶斯压缩感知( MT-BCS)算法对各个极化通道的测量数据进行联合处理从而实现各个极化通道对应的探测场景反射率的重建。基于时域有限差分( FDTD)法的仿真数据处理结果表明所提成像算法在目标位置重建的准确性和背景杂波抑制能力上均优于单测量向量( SMV)模型的极化探地雷达成像算法。     

基于压缩感知的二维雷达成像算法

压缩感知理论能够有效地降低高分辨率雷达成像系统的数据率。该文通过对复基带雷达回波信号模型的稀疏性分析,提出了一种具有保相性的压缩感知距离压缩算法。在此基础上建立了距离向采用压缩感知距离压缩算法,方位向采用传统的雷达成像算法处理的雷达2维成像方案。通过对仿真和实测逆合成孔径雷达数据的成像处理验证了方案的有效性。     

压缩感知雷达成像技术综述

压缩感知理论突破了传统Nyquist采样定理的限制,它基于信号的稀疏性、测量矩阵的随机性和非线性优化算法完成对信号的压缩采样和重构。这种全新的信号处理理论为克服传统雷达固有缺陷,解决传统高分辨雷达面临的高采样率、大数据量和实时处理困难等问题提供了可能。本文概述了压缩感知基本理论,详细讨论了基于压缩感知的雷达成像技术,对压缩感知在高分辨雷达成像领域中的研究现状进行了归纳和分析,应用对象包括SAR/ISAR、穿墙雷达、MIMO雷达、探地雷达等,充分体现了压缩感知在简化雷达硬件设计、弥补雷达数据缺陷、改善雷达成像质量等方面的巨大潜力,明确了研究中存在的问题,阐述了有待进一步研究的方向,并总结了压缩感知用于雷达成像的优势和缺陷。      

基于压缩感知的稀疏阵列MIMO雷达成像方法

针对MIMO雷达对空目标单次快拍成像时天线数目较多问题,该文提出了一种稀疏阵列MIMO雷达的成像方法。首先分析了MIMO雷达天线的稀疏布阵方式,其次结合压缩感知理论具体阐述了稀疏阵列MIMO雷达的成像方法。该方法不仅能够对运动目标实现单次快拍成像,避免了目标机动带来的运动补偿难题,同时又能够大幅减少MIMO雷达的天线规模,便于工程实现。最后利用仿真实验验证了所提方法的有效性。     

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。     

基于压缩感知的阅卷系统手写汉字识别算法

针对阅卷系统中手写汉字识别率和识别精度低的问题,文中提出一种基于压缩感知理论的阅卷系统手写汉字识别算法。该算法首先对阅卷系统手写汉字图像进行随机采样得到其特征;然后对其进行稀疏表示,并最小化其l1范数以得到样本的稀疏解;最后利用该稀疏解的系数判别测试样本的类别。该方法用对信号的随机采样替代了传统的特征提取方法,简化了算法的实现过程,同时用现有的训练样本组成训练字典,避免了复杂的训练过程。该算法在手写汉字数据库ETL9B上的识别率达到99.1%。     

基于压缩感知的雷达信号处理技术研究

雷达信号具有带宽范围大、分辨率高的特点,但ADC采集速率比DSP处理速率高1~2个数量级,硬件设备为雷达信号的采集和处理带来了一定的困难。采用压缩感知技术打破了奈奎斯特采样定理的限制,利用雷达信号稀疏性的特点,降低了信号采样率和存储传输的代价。文章应用压缩感知技术将高维信号压缩为低维信号,通过信号重构还原雷达信号在距离向和方位向原始信号,实现了超分辨率雷达成像。     

基于无网格压缩感知的雷达通信一体化系统目标参数估计方法研究

本文基于一种基于正交频分复用（Orthogonal Frequency Division Multiplexing,OFDM）的雷达通信一体化系统,利用目标时延与多普勒在时频域优良的稀疏性,提供了多种基于无网格的二维时频联合估计方法以解决传统稀疏恢复方法字典失配导致的性能较差的问题,有效提高了动目标参数估计性能,并提供了多测量向量（Multiple measurement vector,MMV）模型,可有效解决低信噪比下目标参数估计性能差的问题。同时,针对基于矢量二维原子范数计算量较大的问题,本文利用半正定规划（SDP）将传统方法的高维Toeplitz矩阵解耦为两个低维Toeplitz矩阵,可将计算复杂度降低几个数量级,同时保留原子范数在超分辨性能的优势,可适应于OFDM多子载波与多符号数波形体制。仿真结果证明该方法保持了原子范数类算法的估计性能优势,并显著减少了计算量。     

基于压缩感知的认知雷达参数估计

为了改善基于压缩感知技术的认知雷达(CR)目标参数估计的性能,研究了CR闭环反馈中的感知矩阵更新和稀疏目标场景重构.首先,根据等角紧框架和复Gram矩阵,构造胖矩阵情况下感知矩阵更新的目标矩阵;然后,将测量矩阵优化设计的最小二乘问题展开,利用Kronecher积推导测量矩阵更新的一步迭代公式;最后,引入阈值收缩函数去除迭代重加权最小二乘估计值中的无关小量,进而去除重构场景中的伪峰.计算机仿真实验验证了该算法的有效性.     

一种应用于探地雷达信号处理的自适应脉冲压缩滤波器

本文介绍了一种用于探地雷达信号处理的自适应脉冲压缩滤波器，并对ＬＭＳ算法做了改进，计算机仿真结果表明，该滤波器对目标回波具有良好的跟踪特性，明显提高探地雷达的垂直分辨力。