基于压缩感知的条带随机噪声雷达稀疏成像方法

将压缩感知理论与条带随机噪声雷达相结合,在假设场景目标稀疏的前提下,通过构造随机噪声的不同时延矩阵为稀疏变换矩阵以及通过构造随机噪声与部分单位阵的乘积为观测矩阵,提出了一种基于压缩感知的条带随机噪声雷达稀疏成像方法。该方法能在大幅减少回波信号采样数据量的前提下,准确重建出原始场景目标高分辨像。仿真结果证明了该方法的有效性与鲁棒性。     

机动平台大斜视压缩感知SAR成像方法

为降低合成孔径雷达(synthetic aperture radar, SAR)成像系统的数据量并提高其平台适应性,提出了一种基于频域近似观测算子的机动平台大斜视压缩感知SAR成像方法。在构建近似观测算子的过程中,首先,基于等斜视角曲线构建了一种能够精确描述地面散射点成像参数空变性的斜距模型。然后,引入距离走动校正函数和高阶时域扰动因子实现了距离方位的解耦和空变距离徙动的校正,并通过构建时频域的相位滤波因子校正了方位压缩参数的空变性。最后,采用复近似信息传递(complex approximation message passing, CAMP)算法对稀疏和非稀疏场景进行快速、高精度重建。该方法通过校正成像参数的空变性,提高了近似观测算子的精度,实现了扩展场景的机动平台大斜视压缩感知SAR成像,仿真结果支撑了理论分析并验证了所提方法的有效性。     

机动平台大斜视压缩感知SAR成像方法

为降低合成孔径雷达(synthetic aperture radar, SAR)成像系统的数据量并提高其平台适应性,提出了一种基于频域近似观测算子的机动平台大斜视压缩感知SAR成像方法。在构建近似观测算子的过程中,首先,基于等斜视角曲线构建了一种能够精确描述地面散射点成像参数空变性的斜距模型。然后,引入距离走动校正函数和高阶时域扰动因子实现了距离方位的解耦和空变距离徙动的校正,并通过构建时频域的相位滤波因子校正了方位压缩参数的空变性。最后,采用复近似信息传递(complex approximation message passing, CAMP)算法对稀疏和非稀疏场景进行快速、高精度重建。该方法通过校正成像参数的空变性,提高了近似观测算子的精度,实现了扩展场景的机动平台大斜视压缩感知SAR成像,仿真结果支撑了理论分析并验证了所提方法的有效性。     

基于贝叶斯压缩感知的SAR目标识别

针对合成孔径雷达(synthetic aperture radar, SAR)目标识别问题,提出一种基于贝叶斯压缩感知(Bayesian compressive sensing, BCS)的图像域SAR目标识别方法。该方法首先对SAR图像进行分割预处理,得到目标区图像数据;然后基于BCS模型,根据训练样本构造传感矩阵;求解测试样本相应的稀疏系数矢量,根据稀疏系数矢量中对应训练样本类别元素的L2范数判定目标类型。采用美国运动和静止目标获取与识别(moving and stationary target acquisition and recognition, MSTAR)计划公开发布的SAR目标数据库进行实验,结果表明该方法具有良好的识别效果。     

基于压缩感知的GPR成像算法

传统的探地雷达(ground penetrating radar, GPR)数据采集需要满足Nyquist采样定理,严重影响了GPR成像效率。基于压缩感知理论,稀疏信号可以在远低于Nyquist采样率的情况下通过求解l₁范数约束下的凸最优化问题得到精确恢复,克服了传统算法中数据采集的局限。将压缩感知理论应用于GPR成像,利用仿真数据系统分析了测量矩阵维度、信噪比、数据损失程度和目标密集度等因素对成像结果的影响。实验结果表明,与传统的GPR成像算法相比,压缩感知成像算法成像精度高,虚警少,对噪声和数据损失有一定的鲁棒性,可以大大节省数据存储空间和采集时间。     

基于随机卷积的压缩感知雷达成像

压缩感知理论为解决传统高分辨雷达面临的大带宽信号采样、海量数据存储、传输与处理等问题提供了契机。基于随机卷积的压缩感知是一种通用有效的数据获取策略,且便于物理实现。研究了基于随机卷积的压缩感知雷达成像方法,对随机测量体系中降采样的不同实现方式进行分析和讨论。仿真和实测数据验证了成像方法的有效性,并对比分析了不同降采样方式下信噪比和样本数对成像性能的影响。     

基于压缩感知的稀疏无源雷达成像

当窄带外辐射源数目稀少且空间分布不均匀时,通常会在无源雷达成像中产生稀疏的无规则空间谱填充,使得传统快速逆傅里叶方法(inverse fast Fourier transform, IFFT)或极坐标方法难以获得良好的目标成像效果。针对这种空间谱填充的稀疏性和非均匀性,利用压缩感知理论在处理稀疏随机采样信号重构问题上的优势,提出了稀疏无源雷达成像方法。同时通过构造传感矩阵的互相关和积累相关函数,对目标图像的可重构性进行了分析。理论分析和仿真结果表明,对具有稀疏随机空间谱特点的无源雷达成像,本文提出的成像方法是有效的。     

基于压缩感知理论的稀疏遥感成像系统设计

高分辨率的应用需求使得传统的遥感成像系统面临高速率采样、海量数据存储等难以突破的瓶颈问题。基于压缩感知理论设计的雷达和光学稀疏遥感成像系统,突破了Shannon-Nyquist定理的限制,以较少的测量数据实现了同等甚至更高质量的信号重构。首先,根据被测目标和场景的不同特性,分别设计了稀疏表示矩阵;其次,根据互相关最小化原则,选择了与稀疏表示矩阵相适应的最优感知矩阵;最后,研究了适用于二维成像大规模数据的稀疏重构算法。专业电磁散射仿真软件生成的雷达观测数据和复杂场景光学图像的数值仿真,验证了本文设计的稀疏遥感成像系统原理上的可行性。     

基于属性散射中心的SAR成像方法

传统合成孔径雷达(synthetic aperture radar, SAR)成像技术假设目标回波是由各向同性的点散射模型的相干叠加形成, 在大转角成像时不再适用。且各向同性的散射模型忽略了目标同一结构像素间的相关性, 容易导致结构不连续, 给后续目标识别带来困难。为此, 本文提出了一种基于属性散射中心模型的SAR成像算法, 利用不同散射中心表现出的不同特性对其分别进行成像, 增强属于同一结构的像素间的相关性, 提高SAR图像的可视性。最后, 基于仿真和实测数据实验结果, 验证了方法的有效性, 与现有算法对比, 所提算法的图像质量在定性和定量评价指标上都有所提升。     

散射区域加权压缩感知ISAR成像

压缩感知(compressive sensing,CS)理论为少量脉冲条件下实现高分辨逆合成孔径雷达(inverse synthetic aperture radar, ISAR)成像提供了新方法。然而由于CS的噪声敏感性,其成像易受到噪声污染;另外,少量脉冲条件下很难保证噪声参数估计精度,这进一步加剧了ISAR成像污染。针对这一问题,提出一种散射区域加权CS ISAR成像算法,利用目标散射区域信息对冗余字典中的基函数进行加权,修正CS重建算法以抑制噪声散斑。为提高噪声参数估计精度,对回波采样建立子序列矩阵,提出矩阵扰动理论噪声参数估计方法。实验结果表明,所提方法能够有效抑制噪声影响,提高低信噪比和少量脉冲条件下ISAR成像质量。     

稀疏场景下SAR方位向随机丢失数据的迭代成像算法

针对合成孔径雷达(synthetic aperture radar,SAR)方位向随机丢失部分数据导致目标模糊和能量分散的问题,提出基于稀疏优化理论的重建成像方法.该方法主要针对稀疏观测场景的SAR方位向随机缺失数据的回波信号进行成像处理,利用SAR回波模拟算子,避免了二维回波信号矩阵变成向量的操作,从而减小了内存占用...     

基于复近似信息传递的多通道SAR成像方法

偏置相位中心天线(displaced phase center antenna, DPCA)技术作为一种实现高分辨率、宽测绘带宽的有效技术手段,被广泛应用于高性能合成孔径雷达(synthetic aperture radar, SAR)系统研制中。为了实现最佳的成像效果,DPCA雷达成像系统需要满足方位向均匀采样条件,否则会导致方位向等效相位中心的周期性非均匀分布,进而使用经典匹配滤波成像方法会产生严重的方位模糊。根据稀疏信号处理理论,本文提出了一种基于复近似信息传递(complex approximate message passing, CAMP)算法的多通道非均匀采样DPCA成像方法,可以有效地解决多通道SAR因非均匀采样所产生的方位模糊以及杂波干扰问题,实现对观测区域的高精度重建。仿真和实际数据实验验证了该方法的有效性。     

基于方位FNCS的斜视TOPS SAR成像方法

针对斜视循序扫描地形观测（terrain observation by progressive scans, TOPS）合成孔径雷达（synthetic aperture radar, SAR）模式,提出了一种新的全孔径成像处理方法。首先对距离走动校正后的数据进行方位预处理得到无模糊的二维频谱,在此基础上采用修正的线频调变标算法完成距离脉压及距离徙动校正;然后在距离多普勒域进行频域非线性变标（frequency nonlinear chirp scaling, FNCS）以校正调频率的空变性,并结合谱分析（spectral analysis, SPECAN）技术将信号聚焦在方位频率域,最后校正几何形变。仿真和实测数据处理结果验证了算法的有效性。     

基于压缩感知的粒子滤波跟踪算法

针对运动目标跟踪存在的目标遮挡和光照变化问题,提出一种基于压缩感知的粒子滤波跟踪算法。将改进的压缩感知跟踪算法提取的特征融合到粒子滤波跟踪框架中,并对压缩感知提取的特征和原始粒子滤波中的颜色特征进行可信度判定,能够较好地处理图像序列中由于目标遮挡和光照变化所带来的影响。此算法在公开数据库中进行测试,实验结果表明,提出的算法与已有改进压缩感知跟踪算法和粒子滤波跟踪算法相比,鲁棒性更好,能准确实时地对目标进行跟踪。     

基于组稀疏的极化差分SAR层析成像方法

差分合成孔径雷达(synthetic aperture radar, SAR)层析成像通过多航过数据重建观测目标的后向散射系数和视线方向形变速率。将全极化与差分SAR层析相结合,针对城市建筑成像高程向稀疏的特点以及全极化数据反演中,信号稀疏支撑集相同的特点,提出将稀疏约束与组稀疏约束相结合的求解模型,用基于层次稀疏的阈值迭代方法进行求解。通过仿真实验和基于BioSAR 2007实测数据的半仿真实验验证,实验表明全极化差分SAR层析成像方法,重构结果相较于单极化,提高了高程向和形变速率精度,且有更好的鲁棒性,在信噪比为10 dB时,相较于单极化差分SAR层析成像方法,能更好恢复高程向信息和形变速率。