基于压缩感知的阵列SAR三维成像方法研究

发布时间：2017-05-25 21:12

  本文关键词：基于压缩感知的阵列SAR三维成像方法研究，由笔耕文化传播整理发布。

【摘要】：阵列SAR三维成像系统是在传统的SAR二维成像系统上发展起来的，作为一种新的雷达成像系统，阵列SAR三维成像系统采用正下视模式，克服了传统SAR二维成像系统遇到的阴影效应以及空间模糊的问题，对高山峡谷、城市街区等地形剧烈起伏的区域进行成像时获得的图像效果良好。然而，传统的SAR成像算法的理论分辨率受到了瑞利限的限制，图像的旁瓣较高、主瓣较宽，雷达图像的分辨率再难得到进一步的提升。目前出现了超分辨的成像方法，能够获得超过传统成像方法理论分辨率的分辨率，其中有两条主要的技术途径：基于谱估计的方法和基于压缩感知的方法。基于压缩感知的方法要求场景满足稀疏条件，在三维成像领域中目标往往是稀疏的，恰恰满足了这一条件。本文主要研究了基于压缩感知理论的阵列SAR三维成像方法，有效的抑制雷达图像的旁瓣，减少了主瓣的宽度，得到了分辨率很高的图像，主要工作内容和创新有： 1.简述了线性阵列SAR三维成像系统的三种工作模式以及其距离历史方程，介绍了两种传统的阵列SAR三维成像方法并指出其缺点，阐述了压缩感知基本理论，分析了三维目标的稀疏性，指出了在阵列SAR三维成像系统中应用压缩感知理论是可行的，推导了线性阵列SAR三维成像系统的线性观测模型。 2.将稀疏驱动自聚焦(SDA)方法应用于线性阵列SAR三维成像系统中，研究了基于SDA的线性阵列SAR三维成像方法。SDA算法将图像重构问题转化为约束最优化问题，通过迭代方式不断的进行图像估计并修正感知矩阵。通过仿真实验验证了基于SDA的线性阵列SAR三维成像方法的可行性，证实了SDA算法获得的图像的旁瓣低，主瓣窄。 3.在SDA算法的基础上，提出了加权稀疏驱动自聚焦(WSDA)算法。WSDA采用加权L1范数约束最优化代价函数，详细推导了求解WSDA最优化问题的过程，通过仿真实验证实了WSDA算法的可行性、自聚焦能力以及超分辨能力，证明了WSDA算法相对于SDA算法的优势，能更好的将能量聚集起来，降低旁瓣，减少主瓣的宽度。 4.提出了门限正交匹配追踪(TOMP)算法。在OMP算法的基础上，TOMP算法在进行信号相关估计时设置一个噪声门限，当这个估计值小于这个门限时终止迭代，不必像OMP算法那样需要预设算法稀疏度。在雷达成像领域中，通常不能确知目标场景的真实稀疏度，OMP算法常常预设一个较大的稀疏度，而TOMP算法不需要预设算法稀疏度，有效的减少了算法迭代的次数，不会将目标场景中旁瓣重构出来。通过仿真实验验证了在阵列SAR中应用TOMP算法的可行性，证明了TOMP算法相对于OMP算法的优势。 5.将BCS和GP算法应用于阵列SAR三维成像领域中，，通过仿真实验验证了在阵列SAR中应用BCS以及GP算法的可行性。分析指出在不能准确预知观测场景稀疏度的雷达领域中，CoSaMP以及SP算法失效。通过仿真验证了WSDA和TOMP抗燥性最强，GP和BCS其次；在高信噪比情况下，超分辨能力BCS最强，其次为WSDA，TOMP和GP算法最弱；算法效率TOMP和BCS最高，其次是GP，WSDA最低。
【关键词】：阵列三维SAR 超分辨率 稀疏驱动自聚焦 压缩感知
【学位授予单位】：电子科技大学
【学位级别】：硕士
【学位授予年份】：2013
【分类号】：TN957.52
【目录】：

• 摘要5-7
• ABSTRACT7-11
• 第一章 绪论11-19
• 1.1 研究背景及意义11-13
• 1.2 国内外研究概况及动态13-17
• 1.2.1 国外三维SAR研究概况及发展动态13-17
• 1.2.2 国内三维SAR研究概况及发展动态17
• 1.3 本文的结构安排17-19
• 第二章 阵列SAR三维成像理论及压缩感知基本原理19-36
• 2.1 引言19-20
• 2.2 阵列SAR三维成像系统20-25
• 2.2.1 一发多收模式20-22
• 2.2.2 基于PCA原理的多发多收模式22-24
• 2.2.3 单激励模式24-25
• 2.3 传统阵列SAR三维成像方法25-28
• 2.3.1 后向投影三维成像算法25-26
• 2.3.2 距离多普勒三维成像算法26-28
• 2.4 压缩感知基本原理28-33
• 2.4.1 压缩感知基本理论概述28-31
• 2.4.2 空间三维目标的稀疏性分析31-33
• 2.5 阵列SAR的线性观测模型33-35
• 2.6 本章小结35-36
• 第三章 基于稀疏驱动自聚焦的SAR成像方法研究36-58
• 3.1 引言36-37
• 3.2 基于稀疏驱动自聚焦的SAR成像方法研究37-47
• 3.2.1 稀疏驱动自聚焦算法原理37-43
• 3.2.2 仿真结果43-47
• 3.3 基于加权稀疏驱动自聚焦的SAR成像方法研究47-55
• 3.3.1 加权稀疏驱动自聚焦算法原理47-51
• 3.3.2 仿真结果51-55
• 3.4 算法比较55-57
• 3.5 本章小结57-58
• 第四章 基于稀疏重构算法的SAR成像方法研究58-78
• 4.1 引言58-59
• 4.2 基于门限正交匹配追踪(TOMP)的阵列SAR三维成像方法59-61
• 4.2.1 算法原理59-60
• 4.2.2 仿真结果60-61
• 4.3 基于BCS的阵列SAR三维成像方法61-66
• 4.3.1 算法原理61-65
• 4.3.2 仿真结果65-66
• 4.4 基于GP的阵列SAR三维成像方法66-70
• 4.4.1 算法原理66-69
• 4.4.2 仿真结果69-70
• 4.5 稀疏重构算法的性能分析70-77
• 4.5.1 算法预设稀疏度对重构算法的影响70-72
• 4.5.2 信噪比对重构算法的影响72-73
• 4.5.3 超分辨能力以及算法效率分析73-76
• 4.5.4 阵列SAR系统中稀疏重构算法的选择原则76-77
• 4.6 本章小结77-78
• 第五章 总结与展望78-80
• 致谢80-81
• 参考文献81-84
• 攻硕期间取得的研究成果84-85

【参考文献】

中国博士学位论文全文数据库 前1条

1 师君;双基地SAR与线阵SAR原理及成像技术研究[D];电子科技大学;2009年

中国硕士学位论文全文数据库 前2条

1 李伟华;基于PCA原理的线阵三维SAR成像原理与算法研究[D];电子科技大学;2009年

2 廖可非;单激励三维SAR实验系统及成像技术研究[D];电子科技大学;2010年

  本文关键词：基于压缩感知的阵列SAR三维成像方法研究，由笔耕文化传播整理发布。

本文编号：395016