基于压缩感知的单比特合成孔径雷达成像算法*

在合成孔径雷达系统中,要提高分辨率就意味着产生大量的回波数据,从而加重了数模转换器和存 储设备的负担。压缩感知理论的目的是在保证恢复稀疏信号的前提下降低采样率,而本文的目的是降低总的比特 率。本文提出了一种基于压缩感知的单比特合成孔径雷达成像算法,并通过仿真实验验证了该算法的性能。与匹 配滤波算法相比,该算法不仅能减少数据的总比特率,而且还能有效抑制目标的旁瓣和虚假目标。并且在低信噪比 条件下,该算法比传统的多比特压缩感知算法展现出更强的鲁棒性。     

基于稀疏贝叶斯正则化的阵列SAR高分辨三维成像算法

阵列合成孔径雷达(Linear Array Synthetic Aperture Radar, LASAR) 3维成像技术是一种具有重要潜在应用价值的雷达成像新体制,但受线阵天线及平台尺寸限制,传统匹配滤波成像算法难以实现LASAR高分辨3维成像。该文利用LASAR回波信号及观测目标的先验分布特性,提出了一种基于快速稀疏贝叶斯正则化重构的LASAR高分辨3维成像算法。该算法先结合贝叶斯估计准则及最大似然估计原理,构造LASAR目标重构的稀疏贝叶斯最小化代价函数;再利用迭代正则化方法求解联合范数最优化问题实现LASAR稀疏目标高分辨3维成像。另外,针对稀疏贝叶斯正则化成像运算量大的问题,结合位置预测快速成像思路,利用阈值分割算法对稀疏粗成像进行强目标提取,进而提升算法运算效率。仿真数据和实测数据验证了该文算法的有效性。      

基于压缩感知的随机噪声成像雷达

近年来提出的压缩感知(CS)理论指出可以从很少的采样点中以很大的概率准确重建原始的未知稀疏信号。该文将压缩感知与随机噪声雷达相结合,提出了基于压缩感知的随机噪声雷达,并给出了该雷达系统的基本原理框图,从理论上证明了基于压缩感知的随机噪声雷达的回波观测矩阵具有很好的等容性质,在目标场景稀疏或可以稀疏表示时,基于压缩感知的随机噪声雷达可以采集远小于常规随机噪声雷达成像所需的回波数据并能实现准确成像,最后通过仿真实验验证了该文的结论。     

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。     

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.     

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。     

基于压缩感知的干涉逆合成孔径雷达成像研究

为解决传统运动目标逆合成孔径雷达图像不能对目标定位的问题,提出了一种基于压缩感知技术的干涉逆合成孔径雷达运动目标成像方法.介绍了将压缩感知理论引入到运动目标逆合成孔径雷达成像模型中的方法,研究了压缩感知逆合成孔径雷达复图像的相位误差和信噪比的关系,在此基础上,给出了基于压缩感知的干涉逆合成孔径雷达运动目标干涉测角定位方法实施流程.通过计算机仿真和实际数据处理结果验证了所提方法对运动目标成像定位的有效性. 本文的研究成果扩展了压缩感知理论在逆合成孔径雷达中的应用前景。     

基于Kronecker压缩感知的宽带MIMO雷达高分辨三维成像

在宽带多输入多输出(MIMO)雷达3维成像中,MIMO雷达收发阵元数量和空间分布的限制会导致图像的2维横向分辨率难以满足实际需求。该文利用压缩感知(CS)理论来实现图像在2维横向上的超分辨。考虑到对信号的每一维分别进行超分辨会损失各维间的耦合信息,提出一种基于Kronecker CS(KCS)的2维联合超分辨方法;为解决KCS在多维高分辨应用中存储量大、计算效率低的问题,进一步提出了一种基于低分辨3维图像先验信息的降维KCS方法。仿真和实测数据实验验证了方法的有效性。     

基于压缩感知的稀疏阵列MIMO雷达成像方法

针对MIMO雷达对空目标单次快拍成像时天线数目较多问题,该文提出了一种稀疏阵列MIMO雷达的成像方法。首先分析了MIMO雷达天线的稀疏布阵方式,其次结合压缩感知理论具体阐述了稀疏阵列MIMO雷达的成像方法。该方法不仅能够对运动目标实现单次快拍成像,避免了目标机动带来的运动补偿难题,同时又能够大幅减少MIMO雷达的天线规模,便于工程实现。最后利用仿真实验验证了所提方法的有效性。     

利用多角度SAR数据实现三维成像

利用多角度SAR数据实现目标高分辨率3维成像对雷达自动目标识别具有重要价值。该文在目标散射稀疏性前提下提出了基于压缩感知的多角度SAR 3维成像方法。文章首先论证多角度SAR测量能够改善测量矩阵的互不相关性。然后根据互不相干影响因素分析,合理选择目标离散间隔构造多角度SAR测量矩阵。最后利用分段正交匹配追踪算法实现目标向量的稀疏重构。该文算法不仅改善了高度分辨率,而且克服了多角度SAR空间采样不连续导致的高旁瓣问题。实验验证了该算法的可行性和稳定性。     

基于频域稀疏压缩感知的星载SAR稀疏重航过3维成像

星载合成孔径雷达(SAR)稀疏重航过3维成像技术通过交轨向的多次飞行观测,获得观测场景的第3维分辨。该文给出了单颗卫星SAR稀疏重航过轨道分布,为有效缩短重访时间,同时给出了编队双星SAR轨道分布,对应的交轨向等效孔径长度为20 km。提出了一种基于干涉处理和频域压缩感知(CS)的稀疏3维成像方法,利用稀疏重航过中的部分回波形成参考3维复图像,对待重建SAR 3维图像信号进行干涉处理,使信号在频域具备稀疏性。在大轨道分布范围下,建立频域距离向-交轨向线性测量矩阵,利用CS理论联合求解稀疏表征下的图像频谱,避免交轨向和距离向的回波信号耦合。将求解所得频谱逆变换至空间域,可得到观测场景的3维图像重建结果。仿真结果表明,该文方法在稀疏采样率74.4%条件下,仍可获得与满采样成像性能相当的结果,验证了干涉处理频域稀疏方法在星载SAR 3维成像中的有效性。

     

基于压缩感知的连续场景稀疏阵列SAR三维成像

该文提出一种基于压缩感知的连续场景稀疏阵列SAR 3维成像方法。利用多孔径观测结构,使SAR复图像在频域和变换域具备稀疏性,将压缩感知(CS)方法引入频域和变换域的信号处理过程中,实现高分辨率3维成像,获得与满阵成像结果相同的成像质量。该文方法适用于随机稀疏阵列,可减少对高程向阵型的设计约束,为孔径综合处理后无法获得满阵条件下实现对地成像提供了可能。仿真试验验证了该文方法的有效性。     

基于压缩感知的加速前向后向匹配追踪算法

前向后向匹配追踪(FBP)算法作为一个新颖的两阶段贪婪逼近算法,因为较高的重构精度和不需要稀疏度作为先验信息的特点,受到了人们的广泛关注。然而,FBP算法必须运行更多的时间才能得到更高的精度。鉴于此,该文提出加速前向后向匹配追踪(AFBP)算法。该算法利用每次迭代中候选支撑集的信息,实现对已删除原子的再次加入,以此减少算法迭代次数。通过不同非零项分布的稀疏信号和稀疏图像的仿真结果表明,相对于FBP算法,该文提出的方案在不降低重构精度的同时,大幅降低了算法运行时间。     

一种稀疏增强的压缩感知MIMO-OFDM信道估计算法

基于压缩感知(Compressed Sensing, CS)的信道估计可以达到减少导频的目的,但在频-时域信道矩阵到时延-多普勒域的稀疏变换中存在谱泄漏现象,影响了信道矩阵的稀疏性和估计的均方误差(MSE)性能。为此该文对信道的稀疏性进行研究,提出一种时域加窗的稀疏优化CS信道估计算法。通过对时域加窗,所提算法抑制了由离散截断导致的多普勒域泄漏,再据此设计出观测矩阵,以此方式增强信道在时延-多普勒域的稀疏性,并实现对稀疏的信道矩阵更为准确的重构,达到改善信道估计MSE性能的目的。仿真结果表明随信噪比的增大,加窗CS算法相比无窗CS算法有效改善了信道估计的性能。     

基于Golay互补序列的压缩感知稀疏信道估计算法

该文针对现有基于压缩感知的信道估计方法峰均功率比高、计算量大等问题,使用确定性格雷(Golay)序列作为训练序列对稀疏信道进行信道估计,在接收端实现了对信道冲激响应的估计,给出了估计模型和具体的算法推演,推导了该方法的峰均功率比,并与基于随机高斯序列的压缩感知信道估计方法的性能、峰均功率比和计算量进行了比较。仿真实验表明：格雷序列以及随机高斯序列两种序列都可以重构出稀疏信道非零抽头系数,但是格雷序列对稀疏信道冲激响应的确定性观测估计值的均方误差(MSE)和匹配度性能(Match Rate, MR)均优于随机高斯序列,计算量降低了许多,且在OFDM系统中峰均功率比大大降低。     

基于贝叶斯假设检验的压缩感知重构

为提高贪婪类算法的重构精度,该文提出一种贝叶斯假设检验匹配追踪算法。该算法首先建立了贝叶斯假设检验模型,用于在噪声污染下识别稀疏信号非零元素的下标;其次利用追踪算法的输出下标集作为该模型的候选集,并对候选集中的每个元素进行假设检验以剔除冗余下标;最后根据剔冗后的真实下标集,采用最小二乘法重构原始信号。仿真结果表明：在相同的实验条件下,与传统贪婪类算法相比,该算法不存在冗余下标,具有更强的抗干扰能力和更高的重构精度。