基于压缩感知的SAR海面场景目标数据压缩与重构方法

针对海面场景目标SAR的海量数据压缩与重构问题,提出利用一种新的数据压缩与重构理论——压缩感知理论来完成。首先构造随机高斯噪声观测矩阵对原始回波数据进行降维处理以达到大幅压缩的目的,然后利用平滑L0算法重构原始回波信号,在此基础上,利用传统的频率变标SAR成像算法进行成像。仿真结果证明了该方法的有效性。     

强地杂波下基于压缩感知的稀疏子脉冲高分辨雷达成像方法

针对稀疏雷达孔径数据处理与成像问题,本文提出了一种强地杂波背景下基于压缩感知（CS）的线性调频步进信号（SFCS）稀疏子脉冲高分辨雷达成像方法。在对稀疏回波数据解线调时,采用填零一次相消技术剔除地杂波,对粗分辨距离像序列二次采样后获得高信杂比的目标高分辨回波信号;再利用该信号的频域稀疏特性,结合各脉冲簇中随机丢失不同子脉冲的情况,构造相应的部分傅里叶基矩阵实现雷达数据的稀疏化表征,然后利用正交匹配追踪（OMP）算法对目标高分辨距离像（HRRP）进行重构处理,实现对目标的高分辨成像。仿真结果验证了本文方法的有效性。      

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。     

基于回波数据压缩的MIMO-SAR成像方法

针对多发多收合成孔径雷达(MIMO-SAR)高分辨成像的回波数据量过大问题,提出了一种基于数据压缩的MIMO-SAR成像方法。通过对MIMO-SAR回波数据的分析,补偿了由于MIMO雷达收发分置导致的相位误差;其次利用距离徙动算法(RMA)对回波数据进行预处理并分析了其稀疏性;然后针对预处理后的回波数据进行压缩传输,在接收端利用压缩感知重构算法获得回波数据在距离多普勒域的稀疏表示并进行成像处理。仿真结果表明,所提方法可以在大幅压缩MIMOSAR回波数据的基础上实现准确成像。     

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NCS算子的大斜视SAR压缩感知成像方法

该文针对大斜视合成孔径雷达(Synthetic Aperture Radar, SAR)成像进行研究,提出了一种基于非线性频调变标(Non-linear Chirp Scaling, NCS)算子的大斜视SAR压缩感知成像方法。首先在详细分析大斜视SAR回波信号模型的基础上,给出了一种基于全采样数据的NCS成像算法,该算法有效完成了回波数据的走动补偿与解耦合处理,实现了准确成像。其次针对降采样的大斜视SAR回波数据成像问题,提出将上述成像算法构造成NCS算子并基于该算子建立压缩感知重构模型,通过对模型的优化求解直接获得最终的成像结果。该方法对于稀疏性成像场景能够有效降低回波数据采样率实现高质量成像,对于非稀疏成像场景在满采样条件下能够提高成像质量。最后的点目标和面目标的仿真实验验证了该文所提方法的有效性和可行性。      

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。     

多重测量矢量模型下的稀疏步进频率SAR成像算法

基于压缩感知(Compressed Sensing, CS)的合成孔径雷达(SAR)成像算法可以用低于Nyquist采样率的采样数据完成稀疏目标高分辨成像。然而已有的算法在重构1维距离像时采用的大都是单重测量矢量(Single Measurement Vectors, SMV)模型,存在着重构耗时长、受噪声干扰大的缺点。该文从压缩感知的多重测量矢量(Multiple Measurement Vectors, MMV)模型出发,利用多重测量矢量恢复具有相同稀疏结构的联合稀疏目标信号源,从理论与实验角度分析了基于MMV模型的SAR 1维距离像成像性能,提出了一种距离向基于MMV模型,方位向基于SMV模型的2维SAR成像算法。该算法从耗时上、重构精度上均优于SMV模型下的CS成像算法。通过对仿真数据和地基雷达实测数据的处理,验证了算法的有效性。     

CS与GPR联合反演目标成像

压缩传感(CS)理论是在已知信号具有稀疏性或可压缩性的条件下对信号数据进行采集、编解码的新理论。压缩传感采用非自适应线性投影来保持信号的原始结构,能通过数值最优化问题准确重构原始信号。压缩传感以远低于奈奎斯特频率进行采样,在高分辨压缩成像系统、视频图像采集系统、雷达成像以及MRI医疗成像等领域有着广阔的应用前景。阐述了压缩传感理论框架以及信号稀疏表示、CS编解码模型,并进行了压缩传感与探地雷达联合反演目标成像。反演结果表明,随机孔径压缩传感成像算法比递归反向投影算法和最小二乘法所需数据量少,成像效果好,目标旁瓣小,对噪声的鲁棒性更好。     

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。      

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.     

基于等效斜视距离模型的高分辨率星载SAR波数域成像算法

为了解决CS算法在距离压缩时无法使用带有误差的原始信号的问题,作者提出一种等效斜视的波数域算法.本文基于星载SAR等效斜视距离模型,利用Bamler提出的波数域算法推导方法^[1],从原始回波信号模型入手,详细推导出基于等效斜视距离模型的高分辨率星载SAR波数域成像算法,并给出了该算法的实现步骤.该算法适用于大距离徙动高分辨率星载SAR的精确成像.文中利用点目标回波仿真数据验证了算法的有效性并给出了该算法成像的质量评估指标.     

改进的正交匹配追踪语音增强算法

本文根据语音信号在离散余弦变换（discrete cosine transform,DCT）域上的近似稀疏性,将压缩感知（compressed sensing,CS）应用于语音增强。提出了一种基于压缩感知的语音增强新算法。算法采用对语音信号具有一定鲁棒性的行阶梯矩阵,对含噪语音进行压缩观测,通过改进的正交匹配追踪OMP（orthogonal matching pursuit,OMP）算法重构语音信号,最后用低通滤波器对重构语音进行平滑滤波,实现语音增强。实验结果表明:本文所提语音增强算法在提高输出信噪比的同时,减少了重构时间,具有较强的鲁棒性。      

基于改进SVA和压缩感知的SAL旁瓣抑制算法

针对机载合成孔径激光雷达实测数据成像中旁瓣较高的问题,提出一种新旁瓣抑制算法。压缩感知理论表明,稀疏信号恢复重构过程的同时,信号旁瓣会被压低,但合成孔径激光雷达图像不是稀疏的。针对这一问题,提出了一种基于改进SVA（Spatially Variant Apodization）和压缩感知重构SAL图像的旁瓣抑制算法。首先,利用改进SVA算法将SAL图像变稀疏,然后再利用压缩感知算法对稀疏图像进行恢复。分别对SAL仿真数据和实际高旁瓣SAL复图像进行抑制旁瓣处理。仿真结果表明:该算法能够在保证主瓣不被展宽的前提下有效抑制SAL旁瓣。     

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.     

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...     

基于训练字典优化测量矩阵的SAR图像压缩算法

为压缩复数合成孔径雷达(SAR)图像,基于压缩感知理论,设计了基于训练字典优化测量矩阵。该方法可增强测量矩阵的列之间的不相关性,有效地降低测量矩阵列向量间的互相干性,提高重构结果的精确度。基于优化后的测量矩阵,可以获取更好的复数SAR图像压缩结果。通过真实场景的复数SAR图像实验,验证了该算法的有效性。     

基于压缩感知和红外玫瑰线扫描的红外图像重构

红外亚成像制导技术是由点源探测技术到成像制导技术的一种过渡, 由单元探测器和光机扫描装置组成.红外玫瑰线扫描亚成像系统是亚成像制导中的一种, 红外玫瑰线扫描亚成像系统按照特定的图案采集视场中的部分数据并得到一幅含有目标位置信息的亚图像.受单像素相机的启发, 主要研究红外玫瑰线扫描亚成像系统中的压缩成像.压缩感知可以在更少的采样数据条件下重构红外图像, 其应用到红外亚成像制导系统中一个关键的问题就是观测矩阵的构造.关于随机观测矩阵的研究已经比较广泛, 但随机矩阵很难实现.本文提出了一种简单的适用于红外玫瑰线扫描亚成像系统的确定性观测矩阵.此外还提出了一种快速有效的恢复算法, 称为优化子空间追踪算法.仿真结果显示构造的观测矩阵能够压缩和重构红外图像, 且重构效果优于随机高斯观测矩阵和随机伯努利观测矩阵, 提出的恢复算法也具有较好的表现.     

Compressed Sensing for Millimeter-wave Ground Based SAR/ISAR Imaging

Millimeter-wave (MMW) ground based (GB) synthetic aperture radar (SAR) and inverse SAR (ISAR) imaging are the powerful tools for the detection of foreign object debris (FOD) and concealed objects that requires wide bandwidths and highly frequent samplings in both slow-time and fast-time domains according to Shannon/Nyquist sampling theorem. However, thanks to the compressive sensing (CS) theory GB-SAR/ISAR data can be reconstructed by much fewer random samples than the Nyquist rate. In this paper, the impact of both random frequency sampling and random spatial domain data collection of a SAR/ISAR sensor on reconstruction quality of a scene of interest was studied. To investigate the feasibility of using proposed CS framework, different experiments for various FOD-like and concealed object-like targets were carried out at the Ka and W band frequencies of the MMW. The robustness and effectiveness of the recommend CS-based reconstruction configurations were verified through a comparison among each other by using integrated side lobe ratios (ISLR) of the images.