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。     

稀疏随机矩阵有限等距性质分析

稀疏随机矩阵由于具有存储容量小、编码和重构复杂度低、易于更新等优良特性而适用于分布式应用。为确保稀疏随机矩阵可作为压缩感知观测矩阵,该文证明了稀疏随机矩阵的有限等距性质(RIP)。首先,证明了测量矩阵满足有限等距性质等价于其子矩阵的格拉姆矩阵特征值分布于1附近;在此基础上,证明了当测量值个数满足特定条件时,稀疏随机矩阵以接近于1的概率满足有限等距性质。仿真实验表明,稀疏随机矩阵在保证稀疏信号精确重建的同时,大大节约了测量和重建所需的时间。     

一种基于复合混沌映射的压缩感知测量矩阵构造方法研究

针对常用随机测量矩阵存在硬件实现困难的不足,提出一种基于复合混沌映射的压缩感知确定性测量矩阵构造方法.首先基于Logistic映射和Tent映射构造随机性和初值敏感性更强的复合混沌映射,然后将复合混沌迭代序列经大间隔采样后进行线性变换得到的结果作为拟构造测量矩阵中的元素,并从理论上证明了该矩阵元素具有非常低的相关性.同时理论证明了所构造复合混沌测量矩阵能以高概率满足压缩感知约束等距性.实验结果表明,所构造复合混沌测量矩阵的性能优于Toeplitz测量矩阵及Logistic映射测量矩阵,与高斯随机测量矩阵的性能相仿.     

稀疏随机矩阵的观测次数下界

压缩感知理论中的稀疏重构问题,要将一个高维信号从它的低维投影中恢复出来,通常选用稠密随机矩阵作为观测矩阵来解决这一问题。而某些稀疏随机矩阵作为观测矩阵也可以达到这一目的。稀疏随机矩阵的特点是,在编码和重构过程中都具有较低的计算复杂度,更新方便,且对存储容量的要求较低。该文基于压缩感知理论,分别对列重固定、行重固定以及一般的稀疏随机矩阵进行了研究,当这些稀疏随机矩阵满足有限等距性质时,推导了观测次数应满足的下界条件,并对三种矩阵的性能进行了分析。以二值稀疏随机矩阵为特例,进行了仿真实验。实验结果显示,结论给出的观测次数下界是比较紧的,并验证了列重固定、行重固定的稀疏随机矩阵作为观测矩阵的可行性和实用性。      

压缩感知在超宽带雷达成像中的应用

利用信号的先验稀疏性,通过压缩感知(Compressive Sensing,CS)方法可以实现从少量的非适应性随机测量数据重建原始信号。将压缩感知理论应用到超宽带雷达高分辨率成像中,提出基于CS理论的二维方位-距离向成像算法,可以显著减少数据采集时间、数据量、处理时间以及节省信号带宽,并利用矢量网络分析仪(Vector Network Analyzer,VNA)测量的实验数据验证了采用时间和空间减采样数据的CS算法可以实现与传统的延迟-求和波束形成方法(Delay-Sum Beamform-ing,DSBF)相当的成像质量和分辨率。     

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。     

基于分布式压缩感知的全极化雷达超分辨成像

基于分布式压缩感知理论,提出了一种全极化逆合成孔径雷达超分辨成像算法,联合各极化通道进行超分辨处理.首先,建立全极化信号模型及超分辨字典,利用各极化通道信号的联合稀疏性将全极化超分辨成像建模为最小L2,1范数的优化问题,运用一种快速算法求解该优化问题.由于利用联合稀疏约束,多极化通道联合成像相比于单通道成像能够获得更好的超分辨性能和噪声抑制能力,最终有效提高图像极化融合的效果.同时,采用快速傅里叶变换操作提升了算法的运算效率.基于backhoe的仿真数据实验验证了该算法的优越性.     

压缩感知鬼成像中观测矩阵构造

为了提高压缩感知鬼成像(CSGI)的成像效果,解决 现阶段观测矩阵存在的稳定性差、数据庞大和不 满足非负性等问题,对观测矩阵的构造方法进行研究。首先,介绍确定性随机序列 的产生方法和 性质,可以用作观测矩阵,满足有限等距要求。针对光强的非负性,提出利用偶次幂的余弦 函数产生确定 性随机序列的方法,构造观测矩阵并证明其性质;然后,通过仿真验证该观测矩阵的正确性 ,研究了序列 的初始值和函数的幂对矩阵重构性能的影响;最后,搭建实验平台,对比常用的高斯随机矩 阵(GM),分析本文方 法的适用性和优缺点。实验结果表明,在鬼成像中,利用本文所构造的随机矩阵,重 构图像峰值信 噪比(PSNR)与GM相当,但存储的数据量大大 减少,可满足鬼成像系统的快速高效、简单方便和成本低等要求。     

Restricted Structural Random Matrix for compressive sensing

Compressive sensing (CS) is well-known for its unique functionalities of sensing, compressing, and security (i.e. equal importance of CS measurements). However, there is a tradeoff. Improving sensing and compressing efficiency with prior signal information tends to favour particular measurements, thus decreasing security. This work aimed to improve the sensing and compressing efficiency without compromising security with a novel sampling matrix, named Restricted Structural Random Matrix (RSRM). RSRM unified the advantages of frame-based and block-based sensing together with the global smoothness prior (i.e. low-resolution signals are highly correlated). RSRM acquired compressive measurements with random projection of multiple randomly sub-sampled signals, which was restricted to low-resolution signals (equal in energy), thereby its observations are equally important. RSRM was proven to satisfy the Restricted Isometry Property and showed comparable reconstruction performance with recent state-of-the-art compressive sensing and deep learning-based methods.     

压缩感知中确定性测量矩阵构造算法综述

测量矩阵在压缩感知中起着关键性的作用,其性能会影响原始信号的压缩与重构。现有的测量矩阵多数为随机的,它们在实际应用中有存储量大、效率低等缺点,且在硬件上难以实现,故构造确定性测量矩阵对压缩感知理论的推广与应用具有重要的意义。本文回顾了国内外学者在确定性测量矩阵构造方面的研究,着重对目前已有的构造算法进行详细的介绍和分类,最后根据多种指标综合评述了各种算法的性能。     

压缩感知理论中的广义不相关性准则

压缩感知理论（Compressed Sensing, CS）是对信号压缩的同时进行感知的新理论,而如何分析观测矩阵（Sensing Matrix）的稳定性是压缩感知理论中的一个非常重要研究方向。不相关性（Incoherence）准则是分析观测矩阵稳定性的一个重要准则,该准则的研究需要假设观测矩阵行向量是一组标准正交基的子集,这大大限制了不相关性准则的应用。本文针对这一局限性,提出了广义不相关性准则,即仅要求观测矩阵行向量是一组普通基的子集。首先推广了相关度定义,称为广义相关度;然后提出了广义不相关性准则,即推导并证明了压缩观测值（Compressive Measure）个数与广义相关度之间的满足某一关系式时,信号能够完全重构;最后把不相关性准则应用到高斯随机观测矩阵和随机±1构成的Rademacher矩阵的稳定性分析。数值仿真表明高斯随机观测矩阵和随机±1构成的Rademacher矩阵具有较好的稳定性。      

太赫兹成像雷达技术发展与制导应用探讨

太赫兹波是频段介于红外光和毫米波之间的电磁辐射,处于电子学向光学的过渡区域,兼顾了微波穿透特性和红外线成像分辨力高的特点,在雷达、宽带通信、安全探测和遥感侦察等军事领域具有巨大的潜在应用前景。本文介绍了太赫兹成像雷达的技术特点,结合导弹制导的应用要求和技术发展现状,重点分析了太赫兹成像雷达技术应用于制导的可行性,并对相关问题进行了初步探讨。     

编队卫星合成孔径雷达空时二维压缩感知成像

以减小编队小卫星数据传输负荷,加快编队小卫星合成孔径雷达(SAR)成像速度为目的,提出了一种基于空时二维压缩感知(CS)理论的解决方案。通过对编队小卫星SAR回波信号模型稀疏性的研究与分析,提出了一种基于该回波模型的空时二维压缩算法。在此基础上建立了编队小卫星SAR的回波稀疏模型和目标信息的重构矩阵,并用最小l1范数算法对压缩后的数据进行了时间维和空间维的恢复重构,实现了编队小卫星的低负荷、快速成像。通过仿真分析,验证了该方案的有效性。     

宽带随机混沌雷达高速目标速度估计与成像

随机混沌具有真随机性、对初值敏感、易于产生和控制等特点,频率步进信号易于工程实现和处理,结合两者的优势,提出了一种载频随机步进的随机混沌信号(RSCFSCS)模型,用于高速目标的速度估计和距离维高分辨成像。首先,通过非周期函数激励非线性系统,产生不可预测的随机混沌信号(SCS),经频率调制后用作基带子脉冲。同时,将SCS通过映射变换得到跳频编码(FHC),用来决定调频脉冲串的载频步进。RSCFSCS 速度估计包括粗搜索和精搜索,粗搜索采用固定步长,保证速度偏差小于速度分辨单元,而精搜索采用黄金分割搜索算法可得到精确的速度估计。最后,子脉冲经相干合成形成宽带信号,实现高分辨距离成像。数值仿真表明提出的信号模型和处理算法性能良好。     

超宽带穿墙雷达成像技术研究现状

介绍了国内外超宽带穿墙雷达(Ultra Wide-Band Through the Wall Radar,UWB-TWI)装备研制现状,重点放在穿墙雷达成像算法上,包括逆散射成像算法、后向投影算法、时间反转镜方法、压缩感知成像方法等,以期为相关研究人员提供参考.