一种小波域的SAR原始数据压缩算法

合成孔径雷达SAR原始数据样点之间具有低的相关性,为进一步提高压缩比,需要做去相关处理。该文将提升小波变换应用于SAR原始数据压缩,针对SAR原始数据的特点,提出一种有效的小波系数量化比特分配方法,并采用对于高斯信号为最优的标量量化器对小波系数进行量化编码。实验结果表明,该算法与传统的原始数据压缩算法相比,在保持低复杂度的同时,其压缩信噪比与解压缩图像质量都取得了明显的改善。     

基于FFT BAQ的SAR原始数据压缩新算法

针对合成孔径雷达(synthetic aperture radar, SAR)原始数据频域压缩运算中基于快速傅里叶变换的分块自适应量化(fast Fourier transform based block adaptive quantization, FFT BAQ)算法实现复杂的问题,分析了SAR原始数据二维傅里叶变换后数据的能量分布情况。从香农率失真理论出发,利用信源微分熵确定最优的量化比特分配,提出了一种改进的FFT BAQ算法。分析了改进算法的复杂度,并与传统的FFT BAQ算法和BAQ算法做了相应的比较实验。实验表明,改进算法在保证原压缩性能的基础上降低了FFT BAQ算法的复杂度和对硬件的要求。     

SAR原始数据压缩的快速矢量量化器

回顾了矢量量化的各种快速算法,指出其在应用到SAR原始数据压缩中的局限性。为了将矢量量化应用到SAR原始数据实时压缩,提出一种基于查表的矢量量化器的设计方案,其中整合了其他的矢量量化算法。最后用各种快速算法以及BAQ算法进行了对实际数据压缩的实验比较,证明本算法在不降低量化速度的基础上,提高了原始数据量化信噪比。     

用于雷达信号分选的连通k近邻聚类算法

为了能够在密集且复杂多变的信号环境中进行实时有效的信号分选，需要一种具有较低复杂度且能够根据信号环境自动调整参数的聚类方法。在模糊聚类算法的基础上结合k近邻搜索，将λ邻域范围搜索变为λ邻域内k近邻搜索，提出了连通k近邻聚类(connected k-nearest neighbor clustering, CkNNC)算法。相比模糊聚类算法，所提算法时间复杂度降低而空间复杂度稍有增加。为使得该算法能够根据信号环境自动进行参数调整，提出了基于k距离图的阈值参数确定方法。所提算法具有时间复杂度低与阈值参数自动确定的特点，仿真结果表明所提算法与使用Calinski-Harabasz指标确定最佳阈值的低复杂度模糊聚类算法相比，分选效果差距不大、性能相近，而时间复杂度大幅下降。     

矢量量化在SAR原始数据压缩中的应用

分析了SAR原始数据的特性 ,从而提出了采用矢量量化对SAR原始数据进行压缩的方法。介绍了矢量量化的特点、矢量量化的基本原理、实现方法以及算法的数据流程 ;通过实验结果说明 ,采用矢量量化对SAR原始数据进行压缩 ,可以取得很好的效果 ,同时对SAR原始图像不会带来太大的损失。将矢量量化的方法用于星载或机载SAR上 ,对采集的SAR原始数据进行压缩 ,可以大大减少星载或贡载SAR设备的存储空间 ,从而提高设备的利用率。     

基于改进矢量量化的SAR图像压缩算法

由于SAR图像像素之间相关性比较弱,考虑到矢量量化在信源弱相关的条件下,也能取得比较好的压缩效果,将矢量量化用于SAR图像压缩中。同时,针对SAR图像纹理丰富,容易受到斑点噪声影响的特点,改进算法将区域整体图像信息从量化空间中分离出来,而且删除了每次聚类后含有最少矢量的胞腔。该算法有效的减少了量化空间大小,使生成码字分布更加合理。实验结果表明,矢量量化对于SAR图像压缩是有效的,并且,改进算法提高了图像整体压缩效果,较好的保留了点线面目标,同时在斑点噪声抑制方面做出了有益的工作。     

基于广义模式耦合稀疏Bayesian学习的1-Bit压缩感知

在1-Bit压缩感知(compressive sensing, CS)框架下,将信号的稀疏结构先验引入广义稀疏Bayesian学习(generalized sparse Bayesian learning, Gr-SBL),研究基于Gr-SBL的1-Bit CS重构。将广义线性模型与模式耦合稀疏Bayesian学习相结合,提出了一种基于广义模式耦合稀疏Bayesian学习1-Bit CS重构算法，简称为1-Bit Gr-PC-SBL算法。该算法将1-Bit CS重构问题迭代地分解成一系列标准CS重构问题,在信号稀疏模式未知的情况下,基于模式耦合稀疏Bayesian学习实现信号重构。进而,引入阈值自适应的二进制量化,设计了自适应阈值的1-Bit Gr-PC-SBL算法,进一步提升了算法的信号重构性能。     

基于广义模式耦合稀疏Bayesian学习的1-Bit压缩感知

在1-Bit压缩感知(compressive sensing, CS)框架下,将信号的稀疏结构先验引入广义稀疏Bayesian学习(generalized sparse Bayesian learning, Gr-SBL),研究基于Gr-SBL的1-Bit CS重构。将广义线性模型与模式耦合稀疏Bayesian学习相结合,提出了一种基于广义模式耦合稀疏Bayesian学习1-Bit CS重构算法，简称为1-Bit Gr-PC-SBL算法。该算法将1-Bit CS重构问题迭代地分解成一系列标准CS重构问题,在信号稀疏模式未知的情况下,基于模式耦合稀疏Bayesian学习实现信号重构。进而,引入阈值自适应的二进制量化,设计了自适应阈值的1-Bit Gr-PC-SBL算法,进一步提升了算法的信号重构性能。     

曲线弹道SAR RD-Dechirp快视成像算法

研究了以景象匹配制导为目的的曲线弹道合成孔径雷达（synthetic aperture radar,SAR）快视成像问题。首先建立了曲线弹道SAR回波信号模型,分析了多普勒历程和距离徙动特点,提出了等效正侧视成像的概念,并分析了等效条件,大大减小了距离徙动校正难度和回波信号距离向与方位向的耦合,然后推导了曲线弹道SAR回波信号的二维频谱表达式,在此基础上提出了结合距离多普勒算法和频谱分析（spectral analysis, SPECAN）的快视成像方法。所提算法使用高效的SPECAN方法进行方位压缩, 能够完成曲线弹道SAR部分孔径数据的精确相干处理,没有因为孔径的非直线而增加成像算法的复杂性。     

基于动态功率阈值降低PAPR的部分传输序列算法

为了改善正交频分复用(orthogonal frequency division multiplexing, OFDM)系统的峰均功率比(peak-to-average power ratio, PAPR)性能,提出了一种基于动态功率阈值的低复杂度部分传输序列(partial transmit sequences, PTS)方法。在新的PTS方法中,引入了基于功率的判别函数,并给出了一种基于功率合理选择阈值的方法。在选取最小的PAPR值进行传输时,只对P-n大于等于阈值的样本信号进行峰值功率的计算。与传统的PTS算法相比,本文提出的算法在保证PAPR性能和误码率的情况下,能够更有效地降低计算复杂度。     

一种改进的SAR原始数据压缩算法

针对SAR原始数据的特点,采用二级小波变换进行数据压缩。对低频分量作DCT再作Huffman编码;对高频分量采用一种改进的嵌入式小波零树编码方法。结合一组实测SAR原始数据,用两种算法分别进行了压缩和解压缩,并计算了数据域及图像域信噪比,给出了两种压缩算法所成的图像。实验表明,改进算法数据域及图像域信噪比均比原算法高,改进算法在性能上优于原算法。     

复数兼容全变分SAR目标结构特征增强

针对合成孔径雷达(synthetic aperture radar, SAR)成像目标复杂结构特征难以精准提取的问题,设计复数兼容的多通道结构张量全变分(structure tensor total variation, STV)正则先验表征函数,进而提出面向SAR目标结构特征增强的复数兼容-STV(complex value compatible-STV,CV-STV)优化算法。所提算法的结构先验函数设计涵盖实部/虚部两个通道的结构张量,能适应SAR复成像数据特征并解析推导得到其近端算子,进而简化求解问题的模型复杂度。同时,将CV-STV正则优化算法引入稀疏驱动先验,借助交替方向多乘子法(alternating direction method of multipliers, ADMM)多任务优化框架实现目标散射点多特征的联合表征与增强。实验部分分别应用SAR仿真与实测数据对所提CV-STV正则优化算法进行有效性验证;同时利用相变分析实验对比传统特征增强算法,验证了所提算法的优越性。     

基于形态学自适应分块的高分辨SAR多特征增强算法

传统基于l1范数正则化算子(least absolute shrinkage and selection operator,LASSO)模型的合成孔径雷达(synthetic aperture radar,SAR)压缩感知类稀疏成像算法易丢失弱散射点.基于扩展型组LASSO系列模型的算法虽可增强SAR结构特征以保留弱散...     

基于强点信息的SAR多普勒中心估计算法

提出了一种利用强散射点回波信息的合成孔径雷达多普勒中心快速估计算法,算法直接对距离压缩之后的回波信号进行处理,利用图像处理中的相关技术进行强散射点的选择和时域徙动曲线的跟踪,在提取出强点目标的距离时域徙动曲线后,由距离走动和多普勒中心之间的关系,直接计算得到多普勒中心估计值。算法的计算步骤简单,在对含有强散射点的回波数据进行处理时可以获得很高的计算效率。对Radarsat I卫星原始数据的处理,验证了算法的有效性。     

SAR原始数据的频域量化编码方法研究

对SAR原始数据时域中的统计特性进行分析的基础上,对原始数据在频域中的特性进行了具体分析,分析的结果认为SAR原始数据在时域和频域中的特性相一致,从而提出了频域中采用块自适应量化编码的方法,文中对该方法进行了深入讨论,同时在文中还介绍了利用该方法对SAR原始数据进行压缩处理的实验结果,由实验结果可以看出,在频域中实现SAR原始数据的压缩同样也能得到良好的效果。     

矢量维数分割量化的超光谱图像压缩方法

提出了一种矢量维数分割量化的超光谱图像压缩算法,通过维数分割将矢量分为几个部分,然后利用哈达玛变换的性质,在哈达玛域内单独设计每个部分的码书。设计过程中采用最优矢量量化器设计原则,并结合分步判断排除不等式算法与LBG（Linde Bazo Gray）聚类算法快速生成矢量量化过程的最终码书,使各个部分的码书性能达到最优,改善整体码书的性能。实验表明,这种算法在码书尺寸相同的情况下,图像的恢复质量以及复杂度都优于其他几种算法。