一种低秩张量约束的下视稀疏线阵SAR三维成像算法

为了解决3维稀疏数据处理中向量化或矩阵化带来的原始空间结构破坏与计算复杂度高的问题,该文针对下视稀疏线阵3维SAR成像几何模型和回波信号特点,构建了张量空间信号模型,提出了一种基于低秩张量补全的3维SAR稀疏成像算法.该算法首先利用回波张量的低秩性,通过张量补全重构稀疏回波中的丢失元素,再对补全后的全采样信号张量进行3维成像,从而获得高效率、低旁瓣、高分辨率3维图像.基于X波段下视稀疏线阵3维SAR点目标回波进行了3维成像仿真实验,比较了在不同信噪比和采样率条件下的成像性能,并基于实测数据进一步验证了该算法的有效性和优势.     

基于跨航向稀疏阵列的机载下视MIMO 3D-SAR三维成像算法

基于阵列天线的SAR 3维成像技术是实现SAR 3维高分辨成像的重要方式之一。该文通过沿飞行平台跨航向稀疏地布置多个收发天线阵列单元,构造了跨航向稀疏下视阵列天线构型的MIMO(多发多收)机载3D-SAR,并分析了跨航向稀疏下视阵列MIMO机载3D-SAR的成像几何、3维回波信号模型,提出了适用于跨航向稀疏下视阵列MIMO机载3D-SAR的3维成像算法,最后通过仿真实验验证了算法的有效性并对结果进行了分析。     

基于压缩感知的下视三维SAR成像新方法

下视3维合成孔径雷达(Synthetic Aperture Radar, SAR)可对平台正下方目标进行3维重构,具有广阔的应用前景。为有效减少线阵天线所需阵元数,该文提出了一种基于稀疏阵列的下视3维SAR成像方法。为了抑制稀疏阵列导致的栅瓣效应,该方法结合压缩感知(Compressed Sensing, CS)理论,实现对下方3维目标的成像。分析了稀疏阵列配置对稀疏信号处理的影响以及3维成像采用稀疏信号处理的可行性。最后通过仿真实验验证了该文分析的正确性及算法的有效性。     

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。     

机载前视SAR三维成像算法研究

该文以一种采用天线阵模式的机载前视合成孔径雷达(SAR)系统为对象,根据前视SAR的成像几何模型和回波信号特点,提出了一种适用于机载前视SAR的3维成像算法。该算法首先将各天线阵元接收一遍后的数据采用CS算法获得单幅SAR图像,然后将飞机飞行过程中获得的所有SAR图像中相同方位向对应的数据结合距离多普勒算法思想依次进行成像处理,最后获得3维像。模拟了X波段前视SAR点目标回波并进行了3维成像实验,对成像性能进行了分析。仿真结果验证了该算法的有效性。     

机载前视合成孔径雷达Chirp Scaling成像算法研究

针对目前机载侧视合成孔径雷达(SAR)无法对飞行路线正前方进行高分辨率成像的问题,该文研究了一种新型机载前视SAR,分析了前视SAR的工作原理和方位分辨率提高的可行性。基于空间几何模型和回波信号形式,推导并给出了适用于机载前视SAR成像的chirp scaling算法,给出了各相位补偿因子表达式及算法实现步骤。模拟了前视SAR点目标回波数据,并利用该方法对分布于场景中心及边缘的点目标阵进行了成像仿真,分析了成像效果,成像质量指标与理论值基本吻合,证实了算法的有效性。     

机载下视圆周SAR三维BP成像

结合机载下视三维SAR和曲线合成孔径雷达(CSAR),提出了一种下视圆周SAR的三维成像结构。在此结构下推导回波信号模型,发现回波信号中切航向和沿航向存在二维耦合项,使得传统的RD算法、CS算法、距离徙动算法等受限。后向投影算法(BP算法)通过二维场景搜索,避免了回波模型中耦合项的影响。文中分析了圆周SAR三维BP成像的机理,并给出了整个成像过程的流程图。仿真结果表明,圆周SAR能够精确地还原场景目标的三维信息,从而验证了此种结构的可行性和理论分析的正确性。     

基于半正定规划的压缩感知线阵三维SAR自聚焦成像算法

线阵合成孔径雷达(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新体制成像雷达,压缩感知稀疏重构是近几年实现LASAR高分辨3维成像的热点研究之一。但相对于传统2维SAR,受线阵稀疏分布及阵列-平台2维联动,压缩感知LASAR成像面临回波数据欠采样、多维度高阶相位误差等问题,传统SAR自聚焦算法难以适用于压缩感知LASAR 3维稀疏自聚焦成像。为克服欠采样条件下多维度高阶相位误差对LASAR成像的影响,该文提出了一种基于半正定规划的压缩感知LASAR自聚焦成像算法。首先,结合压缩感知成像理论、图像最大锐度及最小均方误差准则,构造欠采样条件下稀疏目标的相位误差估计模型;其次,利用松弛半正定规划方法估计相位误差;最后,利用迭代逼近方法提高相位误差估计精度,实现压缩感知LASAR高精度稀疏自聚焦成像。另外,通过主散射目标区域提取,仅采用主散射区域进行相位误差估计,进一步提高自聚焦算法运算效率。仿真数据和实测数据验证了该文算法的有效性。      

基于单快拍稀疏重构的阵列雷达前视成像北大核心CSCD

针对阵列雷达前视高分辨成像问题,文中提出了一种基于单快拍数据稀疏重构的成像算法。在对各阵元回波信号进行脉冲压缩及运动校正后,以波束指向角为中心在主瓣范围内构建信号矢量及对应观测矩阵,利用稀疏贝叶斯学习算法对当前指向角多个阵元的单快拍数据进行稀疏重构,得到散射系数分布;进一步对不同指向角重构所得散射系数进行幅度积累,得到最终的前视图像。仿真结果表明,该算法能在低角度采样率条件下获得有效的前视超分辨图像。     

基于级数反演的双基前视圆周SAR成像

双基前视圆周合成孔径雷达（BFL-CSAR）为一种双基前视及圆周合成孔径雷达优势相结合的成像模式,拥有单基直线 SAR 及圆周 SAR 所不具备的前视二维成像优势。由于该构型双基距离历程双根号及三角函数的存在,其目标回波信号的二维频谱难以有效获得,从而给后续成像处理带来困难。针对这个问题,首先结合 BFL-CSAR 的运动特点,建立回波距离模型,利用级数反演理论有效获取了回波信号的二维频谱,并在此基础上提出了一种适用于双基前视圆周 SAR 的快速频域成像算法。计算机仿真实验验证了理论分析的正确性以及成像算法的有效性。     

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。     

基于SVD-SRNet的SAR三维成像方法

合成孔径雷达（SAR）三维成像是传统二维SAR成像在雷达精细信息获取与感知领域的重要发展,可分辨重叠于二维SAR图像同一像素中的多个目标。稀疏信号处理是进行SAR三维成像的有效方法,但由于稀疏信号处理的非线性特征,常需迭代运算,效率较低。研究人员已提出利用深度学习技术实现快速解算非线性信号处理问题的思路,在三维成像领域已有初步应用。然而,由于SAR三维实测数据稀缺,三维成像网络的训练只能依赖于仿真数据进行,并且仿真数据与实测数据存在差异大的问题,导致基于深度学习方法的SAR三维成像精度受限。为此,本文提出了一种基于奇异值分解的信号空间归一化超分辨网络（SVD Signal-Space Normalization SuperResolution Net,SVD-SRNet）,能够解决由于仿真数据与实测数据存在差异大导致的三维成像网络化方法鲁棒性低的问题,与传统方法相比所提方法具有更优异的成像精度。计算机仿真试验和无人机SAR实测数据试验证明了本文所提方法的有效性。     

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。      

稀疏重航过阵列SAR运动误差补偿和三维成像方法

该文针对机载交轨阵列SAR下视3维成像模型,采用以巴克码伪随机序列为准则的稀疏重航过采样方式,利用较少飞行次数提高交轨向分辨率。针对重航过采样方式存在的运动误差,利用修正均匀冗余阵列(Modified Uniformly Redundant Arrays, MURA)编码空间调制和3维后向投影(Back Projection, BP)算法获得各航过3维复图像对,基于干涉处理和频域压缩感知(Compressed Sensing, CS)等效实现各航过阵列形变误差补偿。将MURA反码对应回波形成的3维复图像相位作为参考,对各单航过复图像进行相位补偿,以恢复各航过间复图像相位关系。根据单航过阵列SAR3维复图像具备频域稀疏的性质,对各个复图像相干累加,实现稀疏重航过阵列SAR高分辨率下视3维成像。仿真和暗室试验数据处理结果验证了方法的有效性。      

基于自学习稀疏先验的三维SAR成像方法

合成孔径雷达三维成像技术(3D SAR)能通过孔径维度扩展实现三维成像能力,但数据维度大、系统实现难、成像分辨率低。压缩感知稀疏重构技术在简化3D SAR系统、提升成像质量等方面展现出巨大潜力,但面临计算复杂度高、参数设置困难、弱稀疏场景适应差等新问题,制约了其实际应用。针对上述问题,该文结合卷积神经网络的特征学习及迭代算法的深度展开理论,提出了基于自学习稀疏先验的3D SAR成像方法。首先,探讨了常规3D SAR稀疏成像中矩阵向量线性表征模型的局限性,引入成像算子提升成像算法处理效率。其次,讨论了迭代算法映射网络的深度展开模型和实现方式,包括网络拓扑结构设计、算法参数的优化约束及网络的训练方法。最后,通过仿真数据和地面实验,证明了所提方法在提升成像精度的同时,其运行时间较传统稀疏成像算法降低一个数量级。      

前视阵列SAR回波稀疏采样及其三维成像方法

针对高分辨前视阵列SAR三维成像系统面临的距离采样率高和回波数据量大的问题,本文利用地面散射源在三维空间中的稀疏性,提出距离频域和沿航向时域二维稀疏采样并稀疏重构地面三维图像的方法.从前视阵列SAR角度观察三维地面,地面散射源在距离向和沿航向二维空间中是稀疏的,在该二维方向上联合稀疏采样有望实现最佳的稀疏采样效果.为避免距离向时域稀疏采样造成的三维成像复杂化,提出利用子脉冲结合距离频域稀疏采样的方法来实现距离向稀疏采样.同时,结合地面散射源连续性特点,提出低信噪比情况下稳健的信号重构方法.与传统三维匹配滤波成像方法相比,本方法降低了距离采样率和回波数据量,并直接重构地面散射源信息以实现三维成像.     

一种基于多维交替方向乘子法的多输入多输出逆合成孔径雷达成像方法

基于傅里叶变换的传统逆合成孔径雷达(ISAR)成像方法存在数据存储量大、数据采集时间长的问题.压缩感知(CS)理论利用图像的稀疏性,可以利用有限的数据恢复图像,这极大降低了数据采集成本.但对于多维数据,传统压缩感知方法要将多维数据转化成一维向量,这造成了很大存储和计算负担.因此,该文提出一种基于多维度-交替方向乘子法(...