基于分布式压缩感知的窄带LFMCW旋翼成像方法

针对窄带LFMCW体制雷达旋翼成像问题,研究了一种基于分布式压缩感知(DCS)的窄带LFMCW旋翼ISAR成像方法。在该方法中,根据窄带LFMCW体制雷达成像与传统脉冲体制回波模型上的差异,基于转速参数估计和压缩感知理论,建立了LFMCW体制雷达旋翼回波稀疏基以及稀疏表示模型,在此基础上,研究了相应的ISAR成像方法。在该算法中,首先提取出脉压后旋翼所在距离单元内的回波,通过自相关思想并利用图像熵完成对旋翼目标叶片个数和旋翼转速的估计;然后对于方位欠采样条件时传统方法不适用于LFMCW雷达的旋翼成像问题,根据旋翼转速信息构建出窄带LFMCW分布式稀疏基,将Dechirp后的回波信号通过DSOMP算法进行重构,实现最终成像。仿真结果验证了所研究方法的可行性和有效性。     

压缩感知ISAR成像的全变差优化最小算法

对于逆合成孔径雷达(ISAR)目标成像,从少量压缩测量回波数据重建高分辨率运动目标是不适定问题,且观测噪声也会影响重建结果。在频率步进连续波 ISAR系统回波观测模型基础上,结合压缩感知原理,给出了一种基于全变差正则化的 ISAR压缩感知成像模型,通过将该优化模型转化为一系列简单代理函数进行求解,提出了一种快速优化最小算法。最后在不同回波信噪比条件下进行仿真验证。实验结果表明,当回波信噪比大于10 dB 时,本文方法明显优于距离-多普勒算法和基于L1范数的压缩感知成像方法。     

基于NCS算子的大斜视SAR压缩感知成像方法

该文针对大斜视合成孔径雷达(Synthetic Aperture Radar, SAR)成像进行研究,提出了一种基于非线性频调变标(Non-linear Chirp Scaling, NCS)算子的大斜视SAR压缩感知成像方法。首先在详细分析大斜视SAR回波信号模型的基础上,给出了一种基于全采样数据的NCS成像算法,该算法有效完成了回波数据的走动补偿与解耦合处理,实现了准确成像。其次针对降采样的大斜视SAR回波数据成像问题,提出将上述成像算法构造成NCS算子并基于该算子建立压缩感知重构模型,通过对模型的优化求解直接获得最终的成像结果。该方法对于稀疏性成像场景能够有效降低回波数据采样率实现高质量成像,对于非稀疏成像场景在满采样条件下能够提高成像质量。最后的点目标和面目标的仿真实验验证了该文所提方法的有效性和可行性。      

利用二维结构稀疏信息的调频步进ISAR高分辨成像新方法

针对已有利用压缩感知理论进行逆合成孔径（Inverse Synthetic Aperture Radar,ISAR）成像方法在低信噪比、欠采样率条件下性能下降严重等问题,依托调频步进波形独有特征并充分利用目标分布的二维结构稀疏信息,提出一种"先方位聚焦后距离分辨"的调频步进ISAR高分辨成像新方法.首先,对回波进行子脉冲脉压,在分析调频步进ISAR回波方位向特有的结构稀疏特征基础上,构建方位向的分布式压缩感知稀疏重构模型;其次,采用分布式压缩感知算法对该模型重构,从而获得低信噪比条件下的方位高分辨成像;最后,利用距离维的回波特征构建任意稀疏重构模型,实现距离向快速成像.由于该方法先进行方位聚焦,再进行距离分辨,并充分利用了目标的结构稀疏性,因此不仅具有抗噪性能强、重构精度高以及采样率低等特点,且避免了越距离单元走动对方位聚焦的影响.仿真与实测数据实验验证了本文方法的有效性.     

宽带雷达Chirp回波的正交稀疏表示及其在压缩感知中的应用

信号的稀疏表示在信号处理中具有重要意义。该文给出了宽带雷达Chirp回波在一个正交字典上的稀疏表示。利用矩阵形式重新描述宽带雷达中常用的stretch处理,给出了正交字典。将Chirp回波的正交稀疏表示与压缩感知理论相结合应用,得到了Chirp回波的一种新采样机制:随机抽取。仿真数据实验表明,Chirp回波在正交字典上的稀疏表示效果优于其在Gabor原子组成的冗余字典的情况,同时正交字典上稀疏表示计算效率较高。实测数据实验验证了Chirp回波的随机抽取采样机制的可行性。     

稀疏带状测量矩阵在压缩感知ISAR成像中的应用

将压缩感知（CS）理论用于逆合成孔径雷达（ISAR）成像,可以有效利用缺损的雷达回波数据,解决了因数据缺损造成成像质量下降的问题。目前压缩感知中常用的高斯或伯努利等随机测量矩阵独立随机元数目过多,存储空间过大,从而导致硬件实现成本过高。所构造的稀疏带状测量矩阵,通过将测量矩阵进行带状循环移位置零稀疏化,可大幅减少测量矩阵中非零元素数目,降低系统采样要求,节约硬件实现成本,使得压缩感知ISAR成像工程化更容易实现。最后通过仿真和微波暗室实验数据验证了点目标模型下稀疏带状测量矩阵进行ISAR成像的可行性和有效性。     

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。     

一种ISAR二维压缩感知成像的运动补偿方法

 通过发射一组具有随机脉冲重复间隔(PRI)的线性调频信号,并对经过去斜率(Deramp)处理的回波信号随机下采样,可以得到目标的二维随机观测回波数据.本文通过分析该类回波信号的模型和信号的稀疏性,针对ISAR(Inverse Synthetic Aperture Radar)二维压缩感知成像技术提出了一种运动补偿算法.实测数据处理结果表明,本文提出的算法可以有效地针对ISAR二维随机观测回波数据实现运动补偿.     

基于随机调频步进信号的高分辨ISAR成像方法

为充分利用随机调频步进逆合成孔径雷达回波所具有的联合稀疏特征,提高成像性能,该文提出一种基于分布式压缩感知理论的随机调频步进逆合成孔径雷达高分辨成像方法。首先构建随机调频步进信号回波的联合稀疏表示模型,并完成子脉冲的脉冲压缩处理;其次,基于每组子脉冲的随机方式(组与组之间的随机方式不同),构建相应的随机量测矩阵,获取回波的压缩感知信号模型,并利用分布式压缩感知理论实现距离向联合高分辨重构;最后结合回波在方位向的稀疏性,采用快速稀疏重构算法实现方位向高分辨成像。理论分析和仿真结果表明由于充分利用了随机调频步进信号回波的随机性与联合稀疏特征,所提出方法具有重构精度高、距离向采样率低、抗噪性能强等特点。     

基于压缩感知的CFAR目标检测在机会雷达中的应用

提出一种基于压缩感知(CS)技术在机会雷达系统中进行恒虚警率(CFAR)目标检测的算法,根据目标回波在距离单元上的稀疏性,采用压缩感知技术对目标回波进行压缩采样;设计了一种新的建立在压缩域上的CA-CFAR检测器,它能在不恢复原始信号的条件下,快速完成目标回波的检测;进行了检测门限理论分析,设计出一种适用于压缩域检测的门限选定方法;给出系统检测结果与接收机的性能曲线。仿真结果表明,本算法可以实现低信噪比下雷达信号的直接检测,无需信号重构,节省了运算量。     

线性正则域抑制频谱弥散干扰方法

频谱弥散干扰（SMSP）是一种对抗线性调频脉冲压缩雷达的新型干扰样式。自卫式干扰条件下,目标回波与干扰信号时频域重叠,传统抗干扰手段难以有效抑制。针对该问题,分析了目标回波和干扰信号线性正则域（LCT域）特征,依据特征差异提出了两种LCT域干扰抑制方法,分别为窄带滤波法和稀疏重构法,其中窄带滤波方法通过LCT域遮盖处理,滤除干扰分量,而稀疏重构方法首先利用Pei型DLCT核矩阵构造正交字典,然后基于压缩感知理论重构真实回波。仿真表明,所提两种方法均具有一定的干扰抑制效能,恢复信号与真实回波高度相似,且幅度高于真实回波,使干扰信号成为标的。      

基于频域信息融合和稀疏贝叶斯学习的高分辨ISAR成像

为了在ISAR成像中更好地压制噪声,消除条纹干扰,提高成像分辨率,本文提出一种基于双向插值处理和频域信息融合的稀疏贝叶斯学习算法,称之为BI?FF SBL算法。该方法首先对回波信号分别进行径向和横向插值预处理,将预处理得到的两份数据通过LA?VB算法进行ISAR成像;然后将得到的两幅ISAR图像通过二维傅里叶变换进入频域,并将两个二维频谱进行信息融合处理,以消除噪声和条纹干扰的相关信息并保留目标结构信息;最后对融合处理后的频谱进行二维傅里叶逆变换,得到最终的ISAR图像。为了验证BI?FF SBL算法的ISAR成像效果,本文进行了基于仿真数据和实测数据的成像实验,并将实验结果与R?D算法、L1?BP算法、LA?VB算法进行对比,发现BI?FF SBL算法在压制噪声和去除条纹干扰方面具有明显的优势,且能提供分辨率更高的ISAR图像。当实验数据信噪比降到0 dB时,BI?FF SBL算法依然能够提供清晰的ISAR图像,明显优于其他三种算法。测试超分辨重构误差的实验结果表明,相比于L1?BP算法和LA?VB算法,BI?FF SBL算法的重构误差更低,在实验数据信噪比为0 dB时,重构信噪比可以达到13.55 dB。     

基于随机PRI压缩感知雷达的速度假目标识别方法

当存在有源速度假目标干扰时,随机脉冲重复间隔（Random Pulse Repetition Interval,RPRI）压缩感知雷达的回波稀疏性将被破坏,其目标检测与测速性能无法正常发挥.考虑到干扰机通常无法保证在相位调制时实时准确地更新雷达随机脉冲重复间隔,这将导致其生成的虚假目标信号与真实目标信号在不同的字典上稀疏.本文利用这一特性,在压缩感知框架下提出速度假目标识别算法,该算法通过建立联合字典实现真/假目标的稀疏表示与分离.通过分析不同随机模式下联合字典的自相干性及其对分离结果的影响,给出了本算法的适用范围,仿真结果验证了本算法的有效性.     

压缩感知机动目标ISAR成像新方法

基于Fourier基的压缩感知（Compressed Sensing,CS）算法已被成功应用于平稳运动目标的逆合成孔径雷达（Inversed Synthetic Aperture Radar,ISAR）成像。但由于建模时对ISAR回波方位相位高次项的忽略,Fourier基矩阵对机动目标回波数据方位信息的稀疏表示失效,导致对机动目标的成像在方位向模糊。鉴于时频分析技术良好的时频局部化特性,将其引入到雷达回波方位向分析中,以改进用于表示雷达回波数据的稀疏基,实现对选定时间切片内回波数据多普勒频率的稀疏表示。改进后的基矩阵在通过CS技术解析回波在时间切片内方位信息的同时,又保证了利用有限数据成像的分辨率。与基于Fourier基CS成像等现有方法相比较,新方法在方位向的成像质量上有较大改进。仿真实验验证了算法的有效性。     

基于压缩感知的超分辨目标散射中心估计

针对雷达目标识别中散射中心特征提取需求,提出一种基于压缩感知理论(CS)的超分辨散射中心估计算法。通过设计一字典,将脉压波形进行稀疏表示,进而将重构问题引入CS 理论框架之下,利用仿真数据验证了散射中心重构算法的可行性。基于实录数据,将80 MHz 宽带信号滤波成20 MHz 窄带信号,利用窄带20 MHz 脉压波形重构高分辨散射中心,进而恢复宽带80 MHz 脉压信号。恢复信号与真实80 MHz 宽带脉压信号的对比分析结果表明,在一定误差范围内,CS算法可实现目标散射中心重构。     

Implementation of compressive sensing in ECG and EEG signal processing

The purpose of this paper is to exploit compressive sensing(CS)method in dealing with electrocardiography(ECG)and electroencephalography(EEG)signals at a high compression ratio. In order to get sparse data of ECG and EEG signals before being compressed, a combined scheme was presented by using wavelet transform and iterative threshold method; then, compressive sensing is executed to make the data compressed. After doing compressive sensing, Bayesian compressive sensing(BCS)is used to reconstruct the original signals. The simulation results show that compressive sensing is an effective method to make data compressed for ECG and EEG signals with high compression ratio and good quality of reconstruction. Furthermore, it shows that the proposed scheme has good denoising effects.     

基于自适应chirplet变换的ISAR瞬时成像的快速算法

在逆合成孔径雷达(ISAR)瞬时成像中,针对自适应chirplet分解方法运算量大,对信号的逼近精度有限等问题,提出了一种瞬时成像快速算法。该方法在参数粗搜索的基础上,将多维参数搜索过程转化为超越方程的求解问题。与传统方法比较,该方法不仅运算速度快,计算量小,而且参数估计精度高。仿真和真实雷达数据用此方法均能成出质量较好的ISAR图像。因而此快速算法是一种有效的ISAR瞬时成像的快速算法。