基于压缩感知的二维联合超分辨ISAR成像算法

在ISAR成像中,距离和方位分辨率分别受发射信号带宽和成像积累角的限制。基于压缩感知(CS)理论,该文提出了一种2维联合超分辨ISAR成像算法。首先建立ISAR观测信号模型并构造2维超分辨字典,然后利用ISAR图像的稀疏先验信息将2维联合超分辨成像建模为最小l1范数的优化问题,最后提出一种快速算法求解该优化问题。该方法进行距离维和方位维的联合处理,有效利用了回波数据的2维耦合信息;通过共轭梯度(CG)运算,快速傅里叶变换(FFT),Hadamard乘积等操作,有效提高了算法的实现效率。仿真和实测实验验证了该算法的有效性。     

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STORM超分辨成像与像素的关系

针对基于压缩感知STORM(stochastic optical reconstruction microscopy)超分辨成像效果差的不足,提出采用高分辨相机改善基于PSF测量矩阵性能的方法.该方法能够改善基于PSF测量矩阵的约束等距性(restricted isometry property,RIP),从而达到提高重构效果的目的.实验结果表明,采用高分辨相机后基于PSF(point spread function)测量矩阵的列不相关性更好,重构能力、定位准确度和识别率都得到极大改善.同时探讨了以传统指标体系评价基于压缩感知的超分辨重构质量的优劣和适用性.发现匈牙利法和质心法的组合方案较能反应真实的基于压缩感知的超分辨重构效果.     

基于分布式压缩感知算法的超分辨率成像技术

为解决超分辨率成像技术中图像数据传输与重构效率较低等问题,提出基于分布式压缩感知算法研究新的超分辨率成像方法。首先,基于压缩感知算法压缩成像编码孔径,构建分布式压缩感知编码孔径模型,采用多值模板设计编码孔径;其次,基于IOMPI算法重构超分辨率图像。最后,采用空间光调制器对行、列分布的图像子块进行多次压缩感知采样测量,进行、列两种方式图像重构,取其均值为最终重构图像。实验结果表明:基于分布式压缩感知算法的超分辨率成像技术有效缩短图像重构用时最短为9.06 s,提高了重构效率,重构的图像信噪比在0.75以上,细节清晰、无模糊现象。     

一种基于改进压缩感知的低信噪比ISAR高分辨成像方法

针对低信噪比下基于压缩感知(CS)的ISAR成像方法性能下降甚至失效的问题,该文提出了一种改进CS的成像方法,即用能量门限分离含目标的距离单元和噪声单元,同时在方位向上用相干投影来提高观测数据的信噪比,利用迭代加权的1-范数优化以增强真实散射点能量并且压制噪声。 改进CS算法适用于强噪声的环境下的ISAR成像,并可利用很少脉冲数获得高分辨的目标像。实测数据处理验证了该方法可以有效克服强噪声与杂波。同时,仅用16个回波脉冲就可得到高分辨ISAR图像,验证了该方法在非常有限脉冲条件下的稳健性。     

压缩感知实现快速超分辨荧光显微成像

为了发展能够同时兼顾超分辨、快速成像和视场的荧光显微镜,以促进其在活细胞或微观动态过程成像的应用,将压缩感知应用到超分辨荧光显微镜中,利用投影梯度稀疏重构算法对单帧荧光宽场图像重构,并进行了理论分析、仿真和实验验证。结果表明,该方法能够突破光学衍射极限,成像分辨率达到180nm,相比衍射极限提高1.8倍。此结果说明压缩感知能够实现单帧宽场超分辨荧光显微成像,相比现有的方法在成像速度上有巨大的提升。     

基于压缩感知的无源雷达超分辨DOA估计

波达方向(DOA)信息是目标定位过程中一个非常重要的量。但是在无源雷达中,目标回波通常掩盖在强直达波、多径干扰以及噪声的背景之下,因此很难对其进行DOA估计,特别是在多目标的情况下。该文提出一种基于压缩感知的无源雷达超分辨DOA估计方法,为了消除直达波和多径干扰以及提高目标回波的信噪比,首先进行时域干扰相消和距离-多普勒2维相关处理,最后在目标对应的距离-多普勒单元处进行方位向压缩感知稀疏重构,以获得目标的DOA信息。仿真分析表明,该文方法能够在无源雷达中进行有效的超分辨DOA估计。     

机动目标ISAR超分辨成像的分产辨能力研究

机动目标ISAR超分辨成像须考虑三维转动赞成多普勒频率的时变性质,同时,成像质量也受到信号模型误差的影响,如包络对齐误差和自聚焦误差。采用误差参数和目标特片参数联合估计可显著提高机动目标成像的分辨率。本文将误差参数和目标参数联合建模,对信号模型解的不唯一性提出一种约束条件,引入分辨能力的概念,综合分析了存在这些因素时成像分辨率所受到的限制。     

超材料压缩感知成像技术

基于超材料和压缩感知理论设计了一套简便的快速成像系统,可用于毫米波及太赫兹(THz)成像,具有结构简单,成像速度快,在不同频段移植性强等优点。系统采用超材料结构互补(CELC)单元设计单通道成像口径,实现了对信息的物理层压缩。基于口径在不同频率辐射特性的不相关性,构造测量矩阵,以扫频方式实现对目标场景的稀疏测量,最后采用两步迭代阈值(TwIST)算法实现对目标场景的重构。已完成K波段、THz波段成像口径设计,以及K波段成像仿真实验,40 cm成像口径理论上具备4.6 cm的距离分辨力和1.3°的角度分辨力。     

基于多测量矢量压缩感知的超分辨荧光显微成像研究

在超分辨荧光显微成像技术中,单分子定位显微方法是被广泛应用的技术之一。根据荧光显微成像原理构造多测量矢量压缩感知模型（Multiple Measurement Vector-Compressed Sensing, MMV-CS）,并采用多重稀疏贝叶斯学习算法进行求解,来实现超分辨荧光图像重建。分析了有效像元大小、荧光分子生成的光子数和背景信号泊松化噪声对重建结果的影响,以及在图像进行分块处理时算法运行时间的分析。模拟和实验计算分析表明,当点扩展函数的标准差在160 nm时,有效像元大小在120、160、200 nm能取得较好的重构效果,而在60 nm时效果较差。探测器收集的光子数越多,重构效果越好,随着背景信号光子数增加时,离得越近的样品结构越不能分辨。在同样的分块处理情况下,MMV-CS比同伦算法(L1-Homotopy, L1-H）和凸优化算法(CVX)分别快一个数量级和三个数量级,因此,在研究三维超分辨荧光显微成像时,MMV-CS算法在运行时间上具有更大的优势。     

一种基于SVM的超分辨成像算法研究

为了提高逆合成孔径雷达(ISAR)成像分辨力,提出了一种基于支持向量机(SVM)的ISAR成像算法,通过适当地选择核函数的参数,可以在小观测角度的情况下,获得大观测角度图像,提高了ISAR成像的分辨力,实现了ISAR的超分辨成像.引入图像质量指数,仿真结果表明:基于SVM的超分辨方法在小转角条件下得到的目标像,具有和大转角实测数据下的目标像一样的图像质量,提出的方法可靠有效.     

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。     

一种基于宽带MIMO雷达时域成像的阵列布阵模型

多输入多输出(MIMO)霄达足近几年发展起来的一种新慨念雷达体制.为了进一步降低宽带MIMO雷达的阵列规模和硬件复杂度,使MIMO雷达成像技术实用化成为可能,结合改进型后向投影(BP)成像算法,提出了一种非均匀线阵成像系统阵列布阵模型.提出的阵列布阵模型通过成像系统方位向分辨率婴求和目标方位向成像场景大小确定阵元间距,使得系统的阵列规模和硬件复杂度显著降低.同时,时域成像算法的使用避免了频域算法存在的采样定理限制,有效增强了阵列设计的灵活性,并使得成像阵列规模和硬件复杂度得到进一步降低.最后仿真实验验证了该成像系统布阵模型的正确性和有效性.     

基于HH变换的非平稳运动目标的ISAR成像

ISAR时频分析法成像与传统的成像处理算法相比,将二维的距离-多普勒矩阵变成了三维的时间-距离-多普勒矩阵,在一定程度上改善了成像质量,但对于非平稳运动目标的成像效果并不非常显著.应用Hilbert-Huang变换,对非平稳运动ISAR目标进行成像处理,并与经典的Wigner-Ville分布算法所得图像进行比较.成像试验结果表明:该算法明显改进了图像质量.     

基于和差波束的三维ISAR成像技术

针对大带宽、高分辨的雷达信号,同一距离单元多个散射点复数叠加,导致传统基于一维距离像比幅测角的三维成像方法效果较差。提出了一种基于逆合成孔径雷达(ISAR)成像的三维成像方法,根据同一距离单元内多个散射点多普勒的不同,利用ISAR成像方法对多个散射点进行分离,在图像配准的前提下对和差信号ISAR像素点进行比幅法测角,最后,剔除角闪烁点及误差较大的散射点,对图像进行重构及合成得到三维ISAR像,同时完成目标定标。实测点目标及飞机目标的处理结果表明了本文方法较传统方法成像质量有较大改善,验证了方法的有效性及可行性。     

Robust ISAR imaging based on compressive sensing from noisy measurements

the compressive sensing (CS) based ISAR imaging has exhibited high-resolution imaging quality when faced with limited spatial aperture. However, its performance is significantly dependent on the number of pulses and the noise level. In this paper, from the perspective of promoted sparsity constraint, a novel reconstruction model deducted from Meridian prior (MCS) is proposed. The detailed comparison of the proposed MCS model with the Laplace-prior-based CS model (LCS) is conducted. The Lorentz curve analysis testified the enhanced sparsity of the MCS model. Different from the algorithm for LCS model, in our solution procedure, the variance parameter is iteratively updated until the algorithm converges. Simulations and the ground truth data experiments of ISAR show that, with the decrease of the number of pulses and signal-to-noise ratio, the proposed model exhibits better performance in terms of resolution and amplitude error than that of the LCS model.     

基于压缩感知的稀疏孔径认知ISAR成像方法

针对运用压缩感知理论对ISAR目标成像时不同目标所需观测维数和积累时间不同的问题,提出了一种基于压缩感知的稀疏孔径认知ISAR高分辨成像方法。在对目标稀疏特性认知的基础上,构建了基于目标横向稀疏度和观测积累时间的随机观测矩阵,并给出了成像质量评估标准,实现了对有限雷达资源条件下ISAR目标的高分辨认知成像。仿真结果表明,利用该方法成像,不仅可以减少雷达成像发射脉冲数,而且可以有效减少目标成像的时间,同时还能获得高质量的目标ISAR像。     

基于压缩感知的数字全息成像技术

提出一种基于压缩感知理论和数字全息术的数字全息压缩成像技术。通过传统相移数字全息技术获取干涉图样,将干涉同样投影到测量矩阵上,通过计算內积直接获取全息压缩数据。这些数据经过传统通信信道传输后,利用压缩感知重构算法获得原始全息数据,然后经过菲涅尔逆变换得到原始图像。实验仿真结果证明了这种压缩全息成像方法的可行性。     

基于压缩传感的光子计数成像系统

提出了一种基于压缩传感理论的光子计数成像系统。该系统以单光子计数器作为探测元件,以期在面元探测技术不甚成熟的现状下用点探测器进行极弱光探测。通过计算机模拟计算,验证了压缩传感理论结合单光子计数器应用于极弱光成像的可行性,讨论了单光子计数器的暗计数率、量子效率和测量噪声对成像质量的影响。介绍了压缩传感理论,为了获得更好的图像质量和更快的计算速度,提出了SpaRSA-DWT稀疏重建算法,并与传统的IWT算法进行对比。给出了两种算法下,迭代次数、测量数、噪声功率分别与获得图像信噪比的关系曲线,证明了SpaRSA-DWT算法的优越性。