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。     

基于跨航向稀疏阵列的机载下视MIMO 3D-SAR三维成像算法

基于阵列天线的SAR 3维成像技术是实现SAR 3维高分辨成像的重要方式之一.该文通过沿飞行平台跨航向稀疏地布置多个收发天线阵列单元,构造了跨航向稀疏下视阵列天线构型的MIMO(多发多收)机载3D-SAR,并分析了跨航向稀疏下视阵列MIMO机载3D-SAR的成像几何、3维回波信号模型,提出了适用于跨航向稀疏下视阵列MIMO机载3D-SAR的3维成像算法,最后通过仿真实验验证了算法的有效性并对结果进行了分析.     

机载交轨稀疏阵列天线雷达的下视三维成像处理

该文研究了机载交轨稀疏阵列天线雷达的下视3维成像处理问题。将稀疏阵列天线布设在载机交轨向,采用频分正交信号实现多发多收以提高发射功率,利用多相位中心孔径综合原理将稀疏阵换成满阵,采用与空间位置相关的匹配滤波器使不同子带信号孔径综合后相位中心的空间位置相同,进一步将子带信号合成宽带信号以提高距离分辨率实现下视3维成像。为了扩大观测幅宽,提出将ScanSAR模式与SweepSAR模式相结合的扫描方式,以降低雷达系统的脉冲重复频率。分析了机载交轨稀疏阵列天线雷达的系统参数,通过仿真验证了该文方法的有效性。     

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...     

基于压缩感知的脉间捷变频SAR成像研究

捷变频技术应用到合成孔径雷达系统中会存在多普勒调频率捷变、方位向无法压缩等问题.在分析捷变频SAR回波相位特性的基础上,本文研究了传统的相关法在方位压缩中的应用;针对相关法效率低、旁瓣高等固有缺陷,考虑到回波信号的稀疏性,提出了基于压缩感知的方位压缩算法,并形成了一种距离压缩采用匹配滤波、方位压缩采用压缩感知的捷变频SAR二维成像方案.仿真实验表明,该方案能克服多普勒调频率捷变等问题,实现捷变频SAR二维成像,并具有低旁瓣、高分辨等优点.     

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。     

利用多角度SAR数据实现三维成像

利用多角度SAR数据实现目标高分辨率3维成像对雷达自动目标识别具有重要价值。该文在目标散射稀疏性前提下提出了基于压缩感知的多角度SAR 3维成像方法。文章首先论证多角度SAR测量能够改善测量矩阵的互不相关性。然后根据互不相干影响因素分析,合理选择目标离散间隔构造多角度SAR测量矩阵。最后利用分段正交匹配追踪算法实现目标向量的稀疏重构。该文算法不仅改善了高度分辨率,而且克服了多角度SAR空间采样不连续导致的高旁瓣问题。实验验证了该算法的可行性和稳定性。     

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.     

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。     

Pilot design for sparse MIMO-OFDM channel estimation with generalized shift invariance property

Compressed sensing (CS) based channel estimation is greatly bound by the measurement matrix according to CS theory. We design pilot patterns by minimizing the mutual coherence of the measurement matrix with the generalized shift invariance property (GSIP). GSIP and a corollary are firstly proposed. Then two pilot pattern design schemes termed pilot design with GSIP (PDGSIP) and tradeoff pilot design with GSIP (TPDGSIP) are put forward to design orthogonal pilot patterns based on GSIP for a multiple-input multiple-output orthogonal frequency division multiplexing system. In PDGSIP, a collection of pilot patterns are firstly obtained and then pilot patterns having large mutual coherence are replaced with new ones generated with optimal pilot patterns. TPDGSIP directly produces new pilot patterns based on GSIP to fully exploit the pilot distance of the obtained pilot pattern as soon as one pilot pattern is obtained. Simulation results have shown that, the proposed pilot pattern design schemes are able to obtain the best pilot patterns in comparison to existing methods from the perspective of mutual coherence. Channel estimation performance using pilot patterns designed by proposed schemes precedes that using pilot patterns designed by existing schemes in terms of normalized mean square error and bit error rate.     

基于频域稀疏压缩感知的星载SAR稀疏重航过3维成像

星载合成孔径雷达(SAR)稀疏重航过3维成像技术通过交轨向的多次飞行观测,获得观测场景的第3维分辨。该文给出了单颗卫星SAR稀疏重航过轨道分布,为有效缩短重访时间,同时给出了编队双星SAR轨道分布,对应的交轨向等效孔径长度为20 km。提出了一种基于干涉处理和频域压缩感知(CS)的稀疏3维成像方法,利用稀疏重航过中的部分回波形成参考3维复图像,对待重建SAR 3维图像信号进行干涉处理,使信号在频域具备稀疏性。在大轨道分布范围下,建立频域距离向-交轨向线性测量矩阵,利用CS理论联合求解稀疏表征下的图像频谱,避免交轨向和距离向的回波信号耦合。将求解所得频谱逆变换至空间域,可得到观测场景的3维图像重建结果。仿真结果表明,该文方法在稀疏采样率74.4%条件下,仍可获得与满采样成像性能相当的结果,验证了干涉处理频域稀疏方法在星载SAR 3维成像中的有效性。

     

一种压缩感知重构算法

为提高压缩感知重构精度,该文提出一种分段弱阈值修正共轭梯度追踪算法。该算法修正了方向追踪算法的方向,明确给出了搜寻原子下标的停止迭代准则,利用搜寻所得下标集通过最小二乘法得到稀疏信号的估计值。仿真结果表明在同等稀疏的条件下实现精确重构,该算法与匹配追踪(MP)算法和分段正交匹配追踪FDR阈值算法(StOMP-FDR)相比,所需的观测值个数少20%;在处理2维图像信号时,其重构精度比分段正交匹配追踪FAR阈值算法(StOMP-FAR)和贝叶斯算法(BCS)高1%。     

COMPRESSED SPEECH SIGNAL SENSING BASED ON THE STRUCTURED BLOCK SPARSITY WITH PARTIAL KNOWLEDGE OF SUPPORT

Structural and statistical characteristics of signals can improve the performance of Compressed Sensing (CS).Two kinds of features of Discrete Cosine Transform (DCT) coefficients of voiced speech signa...     

基于块稀疏的空间碎片群目标成像方法

针对星载雷达空间碎片群目标回波无法分离问题,该文利用回波在距离向表现出的块聚集特性,提出一种基于块稀疏的高分辨ISAR成像方法。基于块稀疏压缩感知理论,通过利用空间碎片群目标特性,抽取出各个碎片的高分辨1维距离像数据,并结合平动补偿和距离多普勒(RD)算法得到各碎片的ISAR像。在小样本条件下,该方法能够有效实现空间碎片的数据分离和高分辨ISAR成像。仿真实验表明,该方法的重构精度以及运算速度均优于非结构类的稀疏ISAR成像方法。     

一种提高SAR图像分割性能的新方法

针对传统小波变换域SAR图像分割存在边缘保持和方向分辨率较差的不足,该文提出了一种在非下采样Brushlet变换域提取图像灰度共生概率特征的新方法。该方法在Brushlet的不同方向系数块中利用自适应窗口的Gabor滤波器提取灰度共生概率特征,有效地解决了实际操作中的最优窗口尺寸的选取问题,并利用压缩感知来对冗余的特征进行压缩,降低了聚类复杂度。最后使用模糊C均值聚类,得到分割结果。实验结果表明：该文方法与其它方法相比在边缘保持和方向分辨上有明显优势,获得了更好的分割结果。     

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。     

Downward looking sparse linear array 3D SAR imaging algorithm based on back-projection and convex optimization

Downward Looking Sparse Linear Array Three Dimensional SAR （DLSLA 3D SAR） is an important form of 3D SAR imaging,which has a widespread application field.Since its practical equivalent phase centers are usually distributed sparsely and nonuniformly,traditional 3D SAR algorithms suffer from low resolution and high sidelobes in cross-track dimension.To deal with this problem,this paper introduces a method based on back-projection and convex optimization to achieve 3D high accuracy imaging reconstruction.Compared with traditional SAR algorithms,the proposed method sufficiently utilizes the sparsity of the 3D SAR imaging scene and can achieve lower sidelobes and higher resolution in cross-track dimension.In the simulated experiments,the reconstructed results of both simple and complex imaging scene verify that the proposed method outperforms 3D back-projection algorithm and shows satisfying cross-track dimensional resolution and good robustness to noise.     

COMPRESSED SPEECH SIGNAL SENSING BASED ON THE STRUCTURED BLOCK SPARSITY WITH PARTIAL KNOWLEDGE OF SUPPORT

Structural and statistical characteristics of signals can improve the performance of Com-pressed Sensing (CS). Two kinds of features of Discrete Cosine Transform (DCT) coefficients of voiced speech signals are discussed in this paper. The first one is the block sparsity of DCT coefficients of voiced speech formulated from two different aspects which are the distribution of the DCT coefficients of voiced speech and the comparison of reconstruction performance between the mixed program and Basis Pursuit (BP). The block sparsity of DCT coefficients of voiced speech means that some algorithms of block-sparse CS can be used to improve the recovery performance of speech signals. It is proved by the simulation results of the mixed program which is an improved version of the mixed program. The second one is the well known large DCT coefficients of voiced speech focus on low frequency. In line with this feature, a special Gaussian and Partial Identity Joint (GPIJ) matrix is constructed as the sensing matrix for voiced speech signals. Simulation results show that the GPIJ matrix outperforms the classical Gaussian matrix for speech signals of male and female adults.