主从模式编队卫星SAR压缩感知成像算法

为减轻主从模式编队卫星SAR对稀疏目标场景回波信号的采集与传输负担,提出了编队卫星SAR的回波信号稀疏方法。在研究编队卫星SAR回波信号特征的基础上,构建了编队卫星SAR距离向和方位向的稀疏基、测量矩阵和重构矩阵。针对主从模式编队卫星SAR与地面的数据传输特点,提出了低传输负荷下的主从模式编队卫星SAR压缩感知成像方法,并借助于正交匹配追踪算法 (Orthogonal Matching Pursuit,OMP) 对稀疏后的回波信号进行了恢复重构,获得了高质量的编队卫星SAR图像。仿真结果表明,针对稀疏目标场景,本文提出的压缩感知成像方法利用较少的回波数据便能重构出原始目标场景,实现了低负荷下的编队卫星SAR成像。      

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.     

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.     

压缩成像技术研究进展

以奈奎斯特采样定理为准则,高速信号采样再压缩的传统成像方式存在明显缺陷。基于压缩感知理论的压缩成像技术则突破了传统成像系统设计理念,利用硬件实现目标图像的非自适应线性投影,从而达到利用较少数目探测器获取高精度目标图像的目的。详细阐述了压缩感知理论框架及其关键技术问题,并就目前压缩成像系统的原理和难点问题进行了深入的探讨和分析。     

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。     

基于压缩感知的双通道SAR地面运动目标检测方法研究

针对目前双通道SAR地面运动目标检测(GMTI)方法采样数据量过大的问题,该文提出一种基于压缩感知的双通道SAR运动目标检测方法。该方法首先沿方位向进行随机稀疏采样得到双通道原始回波数据,然后通过匹配滤波方法实现距离向聚焦,并利用压缩感知技术实现方位聚焦,最后运用传统相位中心偏置天线(DPCA)技术进行杂波抑制。通过公式推导从理论上分析了该算法利用双通道方位稀疏采样数据实现杂波抑制的可行性,同时详细分析了运动参数对目标成像的影响。仿真与实测数据实验表明该算法在方位向欠采样情况下仍具有良好的杂波抑制性能。     

基于贝叶斯压缩感知的ISAR自聚焦成像

针对ISAR自聚焦成像,该文提出一种基于贝叶斯压缩感知的高分辨率成像算法。首先利用目标图像的稀疏特性构建级联形式的稀疏先验模型,同时将相位误差建模为均匀分布模型;然后基于最大后验准则,依据贝叶斯压缩感知理论交替迭代求解目标图像和相位误差。与传统稀疏方法相比,所提算法进一步利用了目标图像的联合稀疏信息,将ISAR CS成像转化为MMV联合稀疏优化问题的求解,可以有效改善自聚焦的精度以及成像质量。仿真结果验证了该算法的有效性。     

基于小波稀疏表示的压缩感知SAR成像算法研究

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。该文对条带式体制下的SAR成像,提出基于场景方位向小波稀疏表示的压缩感知成像方法。该方法首先沿方位向进行随机稀疏采样得到降采样的原始数据,然后在距离向采用传统匹配滤波方法实现脉冲压缩处理,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。所提算法在方位向严重降采样下仍能够实现无模糊的SAR成像,实测数据成像结果表明所提算法具有较好的有效性和一定的实用性。     

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。     

基于压缩感知的双基SAR二维高分辨成像算法

双基地合成孔径雷达(SAR)由于收发分置,具有广阔的应用前景,但常规的频域算法不仅面临距离史双根号问题,而且数据采集受Nyquist理论限制,数据量大。近年来提出的压缩感知(CS)理论指出,在一定条件下可以从很少的采样点中以很大的概率重建原始未知稀疏信号。本文将CS理论与双基地SAR模型相结合,提出一种基于CS的双基地SAR二维高分辨成像算法。该算法将二维随机降采样回波数据作为测量值,根据发射信号构造距离向测量矩阵,通过方位向多普勒相位因子构建方位向测量矩阵,利用CS恢复算法对目标进行了分维重建。仿真结果与性能分析表明,该算法在严重欠采样情况下仍能完好的重建原始目标,而且对噪声具有一定的鲁棒性和免疫性。与传统双基SAR成像算法相比,该算法具有更高的分辨率,成像结果峰值更加尖锐,峰值旁瓣比(PLSR)和积分旁瓣比(ILSR)都较低,而且采样率低、数据量少,具有一定的有效性和实用性。      

压缩感知处理语音信号的性能分析及比较

针对CS理论中测量矩阵开展研究工作,采用不同测量方法对语音信号进行了大量的CS压缩实验,并对CS恢复后数据作了分析比较,探索了CS处理语音信号的可行性。     

基于扩展目标先验的贝叶斯压缩感知成像

已有的基于压缩感知理论的雷达成像技术通常是基于待重构目标散射点自身非常“稀疏”的前提下。然而实际情形中,针对大型刚体目标成像,如飞机、舰船等,其距离维及方位维通常存在一定的扩展特性,此时成像场景目标空间域的稀疏性相对较差,如果仍采用传统方法进行目标反演,所获得的目标重构性能通常并不理想。据此,基于扩展目标的先验信息,提出了一种改进的贝叶斯压缩感知成像方法。仿真试验验证了所提方法的有效性。     

基于压缩感知的SAR图像压缩与重构方法

结合合成孔径雷达(SAR)图像特点,提出了一种基于压缩感知的SAR图像压缩与重构方法,并给出了具体的方法及详细流程.该方法首先将原始SAR图像进行分块处理,同时,利用离散小波变换(DWT)对分块结果进行稀疏处理,利用近似QR分解后的随机高斯矩阵对稀疏处理结果进行低维线性观测,实现了SAR图像的稀疏化表征与压缩.文中讨论的改进的正交匹配追踪(OMP)算法,与传统的OMP算法相比,改进的OMP算法在保证重构精度的前提下,可有效提高收敛速度.最后,通过离散小波反变换等处理获得最终的SAR图像重构结果.仿真实验结果证明所提方法的有效性与可行性.     

SAR有源相干干扰和非相干干扰功率分析

SAR作为相干体制雷达,通过距离向和方位向的匹配处理可获得很高的空间分辨率及抗干扰性能,对SAR的有效干扰成为SAR信号处理中的一个难点。文章从干扰方程入手,开展了SAR有源相干干扰和非相干干扰对比研究,首次规范和详细推导了两种干扰下信噪比、杂噪比、信杂比、信干比、杂干比、信号干扰噪声比以及信号干扰杂波噪声比等功率比指标的理论表达式,分析了信号、干扰、杂波、噪声等功率因素对干扰效果的影响,研究了各功率指标及干扰效果随分辨率的变化关系。通过算例验证了理论分析的正确性,得到了一些有价值的结论。该研究对SAR干扰的实施和干扰功率的管理有重要的理论指导意义。     

基于分布式压缩感知的高分宽幅SAR动目标成像技术

高分宽幅SAR动目标成像对目标跟踪具有重要的意义,常规天基多通道SAR技术要实现高分宽幅动目标成像需要通道数量巨大,系统复杂度过高,而且图像在方位向存在成对回波,形成虚警。针对上述问题,该文提出了一种基于分布式压缩感知的高分宽幅SAR动目标成像技术,在通道数量较大时,通道数量相比常规高分宽幅动目标成像构型通道数量约降低1倍,利用动目标稀疏特性和杂波背景非稀疏特性构建分布式压缩感知观测模型,采用先方位1维分布式压缩感知重建再距离方位2维分布式压缩感知重建,实现杂波背景和稀疏动目标的重建,并抑制多通道SAR动目标成像中的成对回波。结合RADAR-SAT数据的仿真试验结果验证了该技术的有效性。      

基于压缩感知的进动目标ISAR成像方法

针对弹道中段进动目标姿态复杂变化给逆合成孔径雷达(Inverse Synthetic Aperture Radar,ISAR)成像带来的困难,在分析旋转对称进动目标回波模型的基础上,给出了回波模型的线性化表征形式,提出了基于压缩感知的进动目标成像方法,根据算法资源需求提供了两种数据处理方式,〖JP2〗即二维联合处理和分频处理,并对二者的性能进行了分析比较。〖KG-*4〗基于暗室测量数据的实验结果表明,与现有方法相比,〖JP〗所提方法通过少量回波数据即可实现进动目标的高分辨成像,改善了成像质量,并提高了对进动参数的稳定性。     

运动目标强度关联成像及其在遥感探测中的应用

开展了强度关联成像领域中对于运动目标成像的研究,为了克服目标与系统之间的相对运动引起的图像退化问题,提出了基于参考臂探测器记录的光场强度分布平移补偿进而提高运动目标强度关联成像分辨率的方案。理论和实验结果表明:通过对参考臂探测器记录的光场强度分布进行平移补偿,利用强度关联成像技术仍然可以获取运动目标的高分辨率图像。针对强度关联线性重构和稀疏约束非线性重构算法,分别讨论了遥感探测应用过程中探测噪声对运动目标强度关联成像重构质量的影响。此外,比较了所述技术与现有去运动模糊技术的优缺点。     

基于压缩感知的矩阵型联合SAR成像与自聚焦算法

模型准确情况下,压缩感知在合成孔径雷达成像中得到良好应用;但在实际情况中,模型会存在一定误差,这些误差造成图像偏离真实位置、引起散焦降低成像质量.本文提出一种矩阵型联合CS-SAR成像与自聚焦算法,该算法在CS-SAR成像重构方法方面,基于光滑l₀范数方法提出了矩阵型正则化光滑l₀范数重构方法,该方法具有较强容错能力并能直接重构矩阵型信号,能克服现有联合CS-SAR成像与自聚焦算法在计算效率方面的缺陷.最后,通过仿真验证了所提算法的有效性.     

压缩感知理论及其研究进展

 信号采样是联系模拟信源和数字信息的桥梁.人们对信息的巨量需求造成了信号采样、传输和存储的巨大压力.如何缓解这种压力又能有效提取承载在信号中的有用信息是信号与信息处理中急需解决的问题之一.近年国际上出现的压缩感知理论(Compressed Sensing,CS)为缓解这些压力提供了解决方法.本文综述了CS理论框架及关键技术问题,并着重介绍了信号稀疏变换、观测矩阵设计和重构算法三个方面的最新进展,评述了其中的公开问题,对研究中现存的难点问题进行了探讨,最后介绍了CS理论的应用领域.