基于压缩感知的干涉逆合成孔径雷达成像研究

为解决传统运动目标逆合成孔径雷达图像不能对目标定位的问题,提出了一种基于压缩感知技术的干涉逆合成孔径雷达运动目标成像方法.介绍了将压缩感知理论引入到运动目标逆合成孔径雷达成像模型中的方法,研究了压缩感知逆合成孔径雷达复图像的相位误差和信噪比的关系,在此基础上,给出了基于压缩感知的干涉逆合成孔径雷达运动目标干涉测角定位方法实施流程.通过计算机仿真和实际数据处理结果验证了所提方法对运动目标成像定位的有效性.本文的研究成果扩展了压缩感知理论在逆合成孔径雷达中的应用前景。     

基于半正定规划的压缩感知线阵三维SAR自聚焦成像算法

线阵合成孔径雷达(Linear Array Synthetic Aperture Radar, LASAR)3维成像技术是一种具有重要潜在应用价值的新体制成像雷达,压缩感知稀疏重构是近几年实现LASAR高分辨3维成像的热点研究之一。但相对于传统2维SAR,受线阵稀疏分布及阵列-平台2维联动,压缩感知LASAR成像面临回波数据欠采样、多维度高阶相位误差等问题,传统SAR自聚焦算法难以适用于压缩感知LASAR 3维稀疏自聚焦成像。为克服欠采样条件下多维度高阶相位误差对LASAR成像的影响,该文提出了一种基于半正定规划的压缩感知LASAR自聚焦成像算法。首先,结合压缩感知成像理论、图像最大锐度及最小均方误差准则,构造欠采样条件下稀疏目标的相位误差估计模型;其次,利用松弛半正定规划方法估计相位误差;最后,利用迭代逼近方法提高相位误差估计精度,实现压缩感知LASAR高精度稀疏自聚焦成像。另外,通过主散射目标区域提取,仅采用主散射区域进行相位误差估计,进一步提高自聚焦算法运算效率。仿真数据和实测数据验证了该文算法的有效性。      

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。      

基于扰动的结合Off-grid目标的层析SAR三维成像方法

层析合成孔径雷达(TomoSAR)通过组合在不同高度上获取的多基线二维SAR数据,实现合成孔径雷达的三维成像.TomoSAR的求解本质是一维谱估计问题,基于压缩感知的方法可以在非均匀分布的少量基线观测下实现求解,逐渐成为了主流的成像方式.在经典的压缩感知算法流程中,需要将连续的高程向划分成固定的网格,并且假定目标正好位...     

一种基于逆问题的差分干涉SAR层析成像方法

高度-速率维成像时,差分干涉层析成像合成孔径雷达获取的观测数据在基线-时间平面非均匀分布。若直接对观测数据进行两维傅里叶变换来恢复散射体高度-速率维像,则因强副瓣存在,成像效果不理想。该文将差分干涉层析成像合成孔径雷达高度-速率维成像问题归结为2维积分方程的逆问题,提出了一种采用Backus-Gilbert算法实现差分干涉SAR层析成像的新方法,并使用Tikhonov正则化获得逆问题的正则解。仿真结果表明该文提出的方法能够克服基线时间不均匀造成的影响,获得较好的成像结果。     

基于压缩感知的探地雷达成像算法研究

压缩感知理论通过从一系列非自适应线性测量中求解一个凸L_1最小化问题,从而对稀疏信号进行重构。该文基于压缩感知理论对宽带合成孔径雷达成像,利用空间目标信号成像的稀疏性,提出了一种全新的低采样率数据采集重构算法。此算法在获取雷达信号原始数据时采用压缩感知的算法,减少了原始信号数据的采样量,并且用少量的测量数据和测量孔径获得重建测量目标的信息。最后将此算法与传统的反投影成像进行了比较,其仿真试验数据表明,基于压缩感知的探地雷达成像算法比传统反向投影算法成像效果好,且所需数据量少。     

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。     

层析SAR地表参数信息提取研究进展

传统的合成孔径雷达(SAR)成像是将现实中的三维场景投影到方位-斜距向二维平面的一系列处理过程,损失了三维空间的高度维信息.随着SAR系统及处理技术的发展,层析SAR系统通过沿高度向的多个数据获取构造高度维合成孔径,利用阵列信号处理方法实现目标高分辨率三维成像,对观测场景进行三维重建,获取地面目标的垂直结构信息,对植被...     

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...     

PR-based SAR reconstruction algorithm for phase noise mitigation based on the hidden convexity

The performance of synthetic aperture radar (SAR) reconstruction is significantly deteriorated by the random phase noises arising from the atmospheric turbulence or frequency jitter of the transmit signal. Recently, the emerging phase retrieval (PR) technique is gradually extended to the SAR reconstruction problem via the phase-corrupted data attributing to its alluring potential for phase noise mitigation. In this paper, a novel PR-based SAR reconstruction algorithm for phase noise mitigation is proposed by jointing alternating direction method of multipliers (ADMM) and Kolmogorov spectral factorization (KoSF). Owing to the exploiting of the hidden convexity of PR-based SAR reconstruction problem and the structure advantage of the quadratic magnitude measurement, the proposed algorithm acquires better robustness for the complex-valued Gaussian white noises and the random phase noises than the existing PR-based SAR reconstruction algorithms. In the experiments, the synthetic scene data and the moving and stationary target recognition Sandia laboratories implementation of cylinders (MSTAR SLICY) target data are provided to verify the validity of the proposed algorithm.     

基于迭代近端投影的二维欠采样合成孔径雷达成像

合成孔径成像雷达(SAR)具有数据量大、采样率高等特点,针对传统压缩感知(CS)的SAR成像存在精度低及抗噪性能差的问题,该文提出一种基于迭代近端投影(IPP)的2维欠采样合成孔径雷达成像重建方法。即通过对雷达回波构建为距离频域-方位多普勒域的2维稀疏表示模型,在此基础上将成像问题转化为距离向和方位向压缩感知稀疏重构问题,利用迭代近端投影算法的函数优化模型来表示合成孔径雷达成像中的稀疏表示,最后采用平滑削边绝对偏离(SCAD)罚函数获得近端算子以求解该模型并进行成像。仿真与实测数据处理结果表明,所提方法成像效果更好。     

Compressed sensing of complex-valued data

Compressed sensing (CS) is a recently proposed technique that allows the reconstruction of a signal sampled in violation of the traditional Nyquist criterion. It has immediate applications in reduction of acquisition time for measurements, simplification of hardware, reduction of memory space required for data storage, etc. CS has been applied usually by considering real-valued data. However, complex-valued data are very common in practice, such as terahertz (THz) imaging, synthetic aperture radar and sonar, holography, etc. In such cases CS is applied by decoupling real and imaginary parts or using amplitude constraints. Recently, it was shown in the literature that the quality of reconstruction for THz imaging can be improved by applying smoothness constraint on phase as well as amplitude. In this paper, we propose a general l_p minimization recovery algorithm for CS, which can deal with complex data and smooth the amplitude and phase of the data at the same time as well has the additional feature of using a separate sparsity promoting basis such as wavelets. Thus, objects can be better detected from limited noisy measurements, which are useful for surveillance systems.     

基于压缩感知理论的稀疏孔径ISAR成像

在基于压缩感知理论的逆合成孔径雷达成像过程中,利用正交匹配追踪算法进行信号重构时存在重构精度较低、运算速度较慢的缺点,针对上述问题,提出了一种利用改进正交匹配追踪算法进行信号重构的稀疏孔径高分辨成像方法。首先,构造数据选择矩阵作为测量矩阵模拟回波缺失情况,然后利用稀疏基矩阵对回波信号进行稀疏表示,最后采取一种改进正交匹配追踪算法进行图像重构,相比于正交匹配追踪算法同时提高了运算速度和成像质量。通过仿真实验,在稀疏孔径数据随机缺失的情况下,改变数据缺失率,将该算法与距离-多普勒算法和正交匹配追踪算法的成像结果进行对比,验证了该算法的有效性和优越性。     

Sparse representation-based algorithm for joint SAR image formation and autofocus

Inaccuracies in the observation model of the synthetic aperture radar (SAR) due to inaccuracies of the velocity and position of the platform or atmospheric turbulence cause degradations in reconstructed images which necessitate the use of autofocus algorithms. In this paper we propose a novel signal processing algorithm for joint SAR image formation and autofocus in a synthesis dictionary based sparse representation framework. Proposed algorithm can be applied broadly to scenes that exhibit sparsity with respect to any dictionary. This is done by extending our previously developed sparse representation-based SAR imaging framework to joint SAR image formation and autofocus. To this end, the phase error vector is separated from the unknown phase of the complex-valued back-scattered field. Phase error vector is estimated using a MAP estimator and compensated through an iterative algorithm to produce focused images. We demonstrate the effectiveness of the proposed approach on synthetic and real imagery.     

雷达成像技术研究与仿真实现

在介绍合成孔径雷达的基本概念、成像原理和技术的基础上,针对舰载合成孔径对目前探测成像问题,运用压缩感知技术在给定仿真条件下,对其目标探测成像进行了仿真。其结果表明,在减少数据采集量的同时,采用CS算法的目标成像效果更好,由此也验证了CS算法的有效性。     

基于聚合型涡旋电磁波束的三维SAR成像

合成孔径雷达(synthetic aperture radar, SAR)能够突破天线孔径对分辨率的限制,因而得到了广泛应用. 本文提出了一种基于聚合型涡旋电磁波束的三维SAR成像方法,通过设计合适的成像几何构型,利用涡旋电磁波的相位特性实现对高度维的分辨,并推导得到高度维分辨率与模式数及雷达参数之间的关系. 考虑到回波信号中引入的涡旋相位项,对后向投影算法进行改进,实现对观测区域的三维成像,并引入稀疏重构算法减少对模式数的需求. 仿真结果表明,利用多模式聚合型涡旋电磁波束能够对分布在不同高度的目标进行准确重构,利用稀疏重构算法能够用少数模式实现高分辨三维成像. 本文提出的方法为新体制雷达成像研究提供了一定的参考.     

基于改进多重测量向量模型的SAR成像算法

近年来,基于压缩感知(Compressed Sensing, CS)理论的稀疏场景SAR成像成为研究热点。在CS理论中,对于具有相同稀疏结构的联合稀疏目标信号源,多重测量向量(Multiple Measurement Vectors, MMV)模型可以获得优于单重测量矢量(Single Measurement Vector, SMV)模型的重构性能。然而,在距离徙动(Range Migration)不可忽略的应用场景,SAR各脉冲回波1维距离像具有不完全相同的稀疏结构,这使得无法在SAR应用中直接引入MMV模型。该文针对MMV模型与SAR距离徙动的矛盾,提出一种改进的MMV模型。在该模型下,各方位向位置对应的1维距离像的稀疏结构不要求完全相同,而是符合距离徙动特性。论文所提出的RM-OMP算法根据符合距离徙动特性的稀疏结构搜索稀疏信号支撑集,可以准确地重建稀疏信号源。论文采用仿真数据和实测数据实验验证了所提模型和算法的有效性。     

一种基于压缩感知的稀疏孔径SAR成像方法

 高分辨大场景合成孔径雷达(SAR)成像给数据存储和传输系统带来沉重负担.本文针对条带式SAR成像,提出一种基于压缩感知技术的稀疏孔径SAR成像方法.该方法沿方位向以部分子孔径采样的方式获取降采样的原始数据,然后在距离向采用传统匹配滤波方法实现脉冲压缩处理,在方位向则利用小波基作为场景散射系数的稀疏基,并通过求解最小l₁范数优化问题重构方位向散射系数.该方法在存在多普勒参数误差情况下,能够有效实现多普勒参数估计,具有良好稳健性.仿真和实测数据成像结果表明所提算法在方位向严重降采样条件下仍能够实现无模糊的SAR成像,具有较强的有效性与实用性.     

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。