基于自适应子空间追踪的层析SAR成像算法

在对分布式SAR进行数据降采样下会信号的三维处理增加不少难题。其中在解决频域距离弯曲校正时,由于方位向的降采样使数据不再满足奈奎斯特定理,导致在多普勒域计算距离偏移量时会出现数据的混叠。针对该问题,提出了基于LMS估计的距离弯曲校正算法,该方法根据最小均方估计思想估计权值系数完成方位向的插值,有效解决了该条件下的距离弯曲问题。针对高层成像中稀疏阵列导致基线数量有限且不均导致成像分辨率差的问题,提出了基于压缩感知的自适应子空间追踪方法来提高高度维成像的分辨性能,相比于正交匹配追踪算法,它能实现对迭代得到候选解的同步检验,避免了错误结果积累的问题,有效提高了成像的质量。     

基于时变阈值的单比特压缩感知SAR成像

近年来,单比特压缩感知已经被应用于合成孔径雷达(SAR)成像中。现有的单比特压缩感知SAR成像一般是与零阈值比较进行单比特量化,无法保留场景中目标反射系数的幅度信息。因此,时变阈值已经受到关注。文中提出了一种新的基于时变阈值的单比特压缩感知SAR成像模型,将单比特量化视为一个线性分类的过程,采用L1范数正则化的逻辑回归算法重构稀疏目标原始的反射系数。仿真结果表明,该方法可以在远低于Nyquist采样率的前提下准确地恢复出目标原始的反射系数,并且降低了雷达系统硬件的成本和能耗,还有利于SAR 图像的特征提取。     

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。      

一种机载SAR层析三维成像算法

针对机载平台难以同时满足多基线SAR层析3维成像所要求的短基线及大孔径问题,本文提出一种基于稀疏信号表示的机载SAR层析3维成像算法。首先基于高频率SAR目标的多散射中心假设,将目标在第3维成像方向上建模为稀疏分布模型,进而根据观测系统几何及信号频率特征构建了冗余字典,从而实现了成像问题到稀疏信号表示问题的转化,并最终通过求解以稀疏性度量函数为正则项的不适定方程获得成像结果。通过仿真实例的成像结果阐述了算法参数对成像的影响,并通过对SAR层析3维成像的仿真结果证明了算法的有效性。     

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.     

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...     

基于压缩感知的地基MIMO SAR近场层析成像研究

合成孔径雷达(Synthetic Aperture Radar,SAR)层析技术是一种通过多航迹观测,获取目标高程信息,重建目标三维结构的重要手段。目前,层析SAR成像多应用于星载与机载平台,均以远场假设为基础,即认为雷达与目标间的距离远大于目标几何尺寸,此时多航迹观测雷达对目标的视角变化很小,目标的散射特征变化很小。但是在近场构型下,多航迹观测雷达对目标的视角变化大,目标的散射特征变化大,现有基于远场假设的层析处理方法不再适用。为解决这一问题,本文研究了基于压缩感知的地基多输入多输出(Multiple Input Multiple Output, MIMO)SAR近场层析成像方法,主要包含了以下方法创新:(1)基于孤立强点定标完成通道间幅相误差补偿,提高成像质量;(2)基于散射体结构信息与闪烁强点剔除实现高精度多图配准;(3)利用解斜思想与三维空间几何关系估计高程信息。最后,本研究实现了基于Ku频段MIMO SAR的建筑物三维结构反演。      

基于高分三号SAR数据的城市建筑高分辨率高维成像

传统合成孔径雷达(SAR)只能获取方位-距离二维图像,无法准确反映目标的三维散射结构信息.层析合成孔径雷达(TomoSAR)是一种多基线干涉测量模式,它将合成孔径原理扩展至高程向,除了可对目标进行二维成像之外,还可以准确恢复目标的高度向散射信息,真正实现三维成像.差分层析合成孔径雷达(D-TomoSAR)将合成孔径原理...     

基于压缩感知的星载SAR差分层析高分辨成像

城区建筑的四维成像是合成孔径雷达差分层析的重要应用领域之一。此种应用背景下,如何利用空间-时间二维平面内稀疏分布的观测数据,在保持方位向-距离向分辨率的同时实现高程向-形变速率向的高分辨成像是合成孔径雷达差分层析面临的难点问题。压缩感知为该问题提供了有效的解决方案。首先,对压缩感知在差分层析中应用的可行性进行了理论分析。随后,利用仿真实验验证了基于压缩感知的星载合成孔径雷达差分层析成像的高程向和形变速率向的分辨能力。最后,使用Envisat-ASAR数据进行了实测数据处理实验,取得了理想的成像结果。基于压缩感知的星载合成孔径雷达差分层析高分辨成像方法的有效性和实用性得到了验证。      

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。     

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。     

基于幅相不一致准则的建筑物SAR层析成像

传统的谱分析和压缩感知(CS)等层析合成孔径雷达(TomoSAR)成像技术由于解斜处理需要估计得到精确的垂直雷达视线(PLOS)方向的垂直有效基线。为了避免此操作该文采用沿PLOS向进行搜索的空域波束形成(BF)方法进行层析聚焦。由于高分辨率SAR图像中城区建筑物结构复杂,不同航过SAR图像间存在观测视角差异,并且存在相干斑噪声影响,SAR图像中的所有同源点不能在相同的像素点同时进行精确地配准。为了从幅度和相位两个方面找出BF聚焦时最相关的像素点,提出了一种联合参考像素窗口中邻域像素点的幅度和相位来提取目标像素点的不一致性准则。根据不一致性准则的最小化提取出相应的同名像素点,以实现对层析成像的精确聚焦。利用仿真数据和高分辨X波段重复航过机载SAR系统录取的实测数据进行实验。实验结果中,利用传统方法聚焦得到的散射轮廓峰值位置在15.63 m而该文所提方法得到峰值位置在16.88 m,峰值位置更加接近建筑实际高度18 m。表明该方法能有效提高散射体在PLOS方向的聚焦能量,并精确提取建筑物的3维轮廓。      

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。     

基于距离走动校正的星载SAR成像算法

该文提出一种适合大距离徙动星载SAR的成像算法,该算法首先要对回波信号的距离走动进行校正,因而距离向和方位向的耦合度大大减小,成像质量得到提高。文中详细地推导出了该算法。然后对距离多普勒域的调频斜率的近似误差进行了分析,并与普通的斜视算法进行了比较。最后通过点目标成像仿真和实际数据成像仿真,验证了该算法的有效性。     

SAR图像压缩采样恢复的GPU并行实现

压缩采样(CS)技术被尝试应用于合成孔径雷达(SAR)图像的压缩。然而,高分辨SAR图像数据量大,导致压缩采样后的恢复过程计算量大,传统的中央处理器(CPU)无法实时成像。为解决这一问题,该文在图形处理器(GPU)平台上设计了CS的并行方法,并实现了SAR图像压缩。实验结果表明,在保证SAR图像压缩性能的前提下,该文设计的GPU并行处理速度能够提高到CPU串行处理的8.8倍。     

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。     

三维目标曲线SAR成像的降维搜索算法

曲线合成孔径雷达(CurviLinear Synthetic Aperture Radar,CLSAR)利用雷达平台的单条曲线轨迹就可形成三维成像所需的曲线合成孔径。由于CLSAR采集的数据在三维频率空间是稀疏的,简单地采用非参数化方法所获得的图像几乎无法使用,所以有价值的目标三维像必须采用参数化方法来获得。该文提出一种新的适用于CLSAR的目标三维成像算法。该算法巧妙地利用了接收数据中距离方向与垂直距离方向参数间的弱耦合性,将高维优化问题解耦为低维优化问题,并顺序地估计出相应参数,最后采用一个迭代过程进行参数求精。仿真实验表明,新算法是一种适用于CLSAR的有效的目标三维成像算法。