基于矩阵完备理论的稀疏基线层析SAR成像
发布时间：2020-12-20 18:25
合成孔径雷达(Synthetic Aperture Radar,SAR)三维成像技术是对不具备高度向分辨率的传统二维SAR成像技术的扩展。SAR三维成像既具备传统二维SAR成像系统的全天时、全天候、高分辨率成像等优点,又避免了二维成像时三维场景空间投影到二维成像平面时的模糊问题。SAR层析三维成像技术利用不同高度轨迹上获得的多幅二维SAR成像结果,在高度方向上进行孔径合成,从而实现层析三维成像。SAR层析成像技术不需要复杂的飞行轨迹控制,又可以实现真正的三维成像,正逐渐成为SAR技术领域的研究热点之一。矩阵完备理论是近几年发展起来的低秩矩阵恢复算法。该理论指出,对于缺失部分数据的低秩矩阵,若该矩阵满足强不连贯性,则可以通过求解凸优化问题恢复该矩阵。层析SAR三维成像理论中,层析向孔径长度和基线数量影响到层析向分辨率,同时成像场景满足低秩特性,可以利用矩阵完备理论在层析向孔径长度一定条件下利用有限基线实现高度向高分辨率成像。本文首先以医学中的CT成像技术为例介绍层析成像原理,通过建立平面波的反向传播模型对层析SAR三维成像信号模型及成像原理进行分析;然后介绍了矩阵完备理论基本原理,研究了...
【文章来源】：南京邮电大学江苏省
【文章页数】：67 页
【学位级别】：硕士
【部分图文】：
+-8'7层析应用实例
图 1.1 +-8'7 层析应用实例 图 1.2 9erra8'7-= 层析应用实例2006 年由 )ands，7omberg@34]和 *onoho@35]等人提出的压缩感知技术可以应用到基线分布少、分布不均匀的 8'7 成像系统。压缩感知技术利用信号的稀疏特性，能以远低于奈奎斯特理论要求的采样率采集数据，并从这些采样值重构出原来的完整信号。2007 年，(araniuk@36]提出了用压缩感知的方法代替傅里叶变换对层析 8'7 高度向成像，用较少的测量值重构原始信号，降低了 8'7 图像成像算法的复杂。2011 年，<u 0 等人利用压缩感知理论中的贝叶斯方法对二维 8'7 图像压缩重构以实现二维 8'7 成像，取得了比较好的效果@37]。同年，'lessandra (udillion@38]等人运用压缩感知技术来分析层析 8'7 成像以较少次数航过目标区域来实现三维近似重构，用实测数据获取了建筑物的三维成像，推动了压缩感知理论在层析 8'7成像方面的应用。2012 年，8chmitt@39]等人提出了两种改进的压缩感知算法应用于单航行多基线 8'7 三维成像。2008 年由 )ands 和 7echt 提出的矩阵完备理论(3atrix )ompletion，3))是用来解决欠采样或不完备的低秩矩阵元素的恢复问题@40]。当矩阵的元素有未知或缺失的情况下，矩阵完备
图 3.1 8'7 回波信号矩阵缺失数据分布示意图绍的极坐标格式算法为例进行研究，将二维 8'7 成 x和 y 。为方便起见，定义一个子集 为数据未缺达回波信号，存在缺失数据的回波信号可以记为( , ) ( , )( , )0 ( , )x yx ys w w x ys w wx y 空间频域( , )x yw w 之后是按照极坐标格式排列的，采应函数会出现畸变。为此，需要对上述信号进行距数据。然而，利用距离向和方位向数据缺失的回波扩散。为此，需要用到矩阵完备理论先恢复缺失数论在二维 8'7 成像中的应用
【参考文献】：
期刊论文
[1]基于RIPless理论的层析SAR成像航迹分布优化方法[J]. 毕辉,张冰尘,洪文. 航空学报. 2016(02)
[2]压缩感知在城区高分辨率SAR层析成像中的应用[J]. 廖明生,魏恋欢,汪紫芸,Timo Balz,张路. 雷达学报. 2015(02)
[3]低秩矩阵恢复算法综述[J]. 史加荣,郑秀云,魏宗田,杨威. 计算机应用研究. 2013(06)
[4]基于正则化正交匹配追踪的SAR层析成像[J]. 闵锐,杨倩倩,皮亦鸣,曹宗杰. 电子测量与仪器学报. 2012(12)
[5]一种基于压缩感知的稀疏孔径SAR成像方法[J]. 王伟伟,廖桂生,张磊,吴孙勇,李彩彩. 电子学报. 2012(12)
[6]基于压缩感知的稀疏阵列近景微波三维成像[J]. 乞耀龙,谭维贤,江海,王彦平,洪文. 电子测量技术. 2012(05)
[7]一种SAR层析成像的RELAX改进算法[J]. 任笑真,杨汝良. 数据采集与处理. 2010(03)
[8]基于Chirp Scaling的双基SAR成像PFA算法研究[J]. 王昕,朱岱寅,朱兆达. 电子与信息学报. 2009(07)
博士论文
[1]机载SAR三维成像理论及关键技术研究[D]. 闵锐.电子科技大学 2012
[2]SAR层析与差分层析成像技术研究[D]. 孙希龙.国防科学技术大学 2012
[3]高分辨率机载SAR成像算法研究[D]. 王昕.南京航空航天大学 2011
[4]SAR层析三维成像技术研究[D]. 王金峰.电子科技大学 2010
[5]多基线层析成像合成孔径雷达研究[D]. 柳祥乐.中国科学院研究生院（电子学研究所） 2007
硕士论文
[1]多基线层析SAR成像方法研究[D]. 陈钦.电子科技大学 2011
[2]层析SAR三维成像算法研究[D]. 龙泓琳.电子科技大学 2010
[3]基于曲线合成孔径雷达（CLSAR）的三维目标特征提取[D]. 刘浩.中国科学院研究生院（空间科学与应用研究中心） 2002
本文编号：2928340
【文章来源】：南京邮电大学江苏省
【文章页数】：67 页
【学位级别】：硕士
【部分图文】：
+-8'7层析应用实例
图 1.1 +-8'7 层析应用实例 图 1.2 9erra8'7-= 层析应用实例2006 年由 )ands，7omberg@34]和 *onoho@35]等人提出的压缩感知技术可以应用到基线分布少、分布不均匀的 8'7 成像系统。压缩感知技术利用信号的稀疏特性，能以远低于奈奎斯特理论要求的采样率采集数据，并从这些采样值重构出原来的完整信号。2007 年，(araniuk@36]提出了用压缩感知的方法代替傅里叶变换对层析 8'7 高度向成像，用较少的测量值重构原始信号，降低了 8'7 图像成像算法的复杂。2011 年，<u 0 等人利用压缩感知理论中的贝叶斯方法对二维 8'7 图像压缩重构以实现二维 8'7 成像，取得了比较好的效果@37]。同年，'lessandra (udillion@38]等人运用压缩感知技术来分析层析 8'7 成像以较少次数航过目标区域来实现三维近似重构，用实测数据获取了建筑物的三维成像，推动了压缩感知理论在层析 8'7成像方面的应用。2012 年，8chmitt@39]等人提出了两种改进的压缩感知算法应用于单航行多基线 8'7 三维成像。2008 年由 )ands 和 7echt 提出的矩阵完备理论(3atrix )ompletion，3))是用来解决欠采样或不完备的低秩矩阵元素的恢复问题@40]。当矩阵的元素有未知或缺失的情况下，矩阵完备
图 3.1 8'7 回波信号矩阵缺失数据分布示意图绍的极坐标格式算法为例进行研究，将二维 8'7 成 x和 y 。为方便起见，定义一个子集 为数据未缺达回波信号，存在缺失数据的回波信号可以记为( , ) ( , )( , )0 ( , )x yx ys w w x ys w wx y 空间频域( , )x yw w 之后是按照极坐标格式排列的，采应函数会出现畸变。为此，需要对上述信号进行距数据。然而，利用距离向和方位向数据缺失的回波扩散。为此，需要用到矩阵完备理论先恢复缺失数论在二维 8'7 成像中的应用
【参考文献】：
期刊论文
[1]基于RIPless理论的层析SAR成像航迹分布优化方法[J]. 毕辉,张冰尘,洪文. 航空学报. 2016(02)
[2]压缩感知在城区高分辨率SAR层析成像中的应用[J]. 廖明生,魏恋欢,汪紫芸,Timo Balz,张路. 雷达学报. 2015(02)
[3]低秩矩阵恢复算法综述[J]. 史加荣,郑秀云,魏宗田,杨威. 计算机应用研究. 2013(06)
[4]基于正则化正交匹配追踪的SAR层析成像[J]. 闵锐,杨倩倩,皮亦鸣,曹宗杰. 电子测量与仪器学报. 2012(12)
[5]一种基于压缩感知的稀疏孔径SAR成像方法[J]. 王伟伟,廖桂生,张磊,吴孙勇,李彩彩. 电子学报. 2012(12)
[6]基于压缩感知的稀疏阵列近景微波三维成像[J]. 乞耀龙,谭维贤,江海,王彦平,洪文. 电子测量技术. 2012(05)
[7]一种SAR层析成像的RELAX改进算法[J]. 任笑真,杨汝良. 数据采集与处理. 2010(03)
[8]基于Chirp Scaling的双基SAR成像PFA算法研究[J]. 王昕,朱岱寅,朱兆达. 电子与信息学报. 2009(07)
博士论文
[1]机载SAR三维成像理论及关键技术研究[D]. 闵锐.电子科技大学 2012
[2]SAR层析与差分层析成像技术研究[D]. 孙希龙.国防科学技术大学 2012
[3]高分辨率机载SAR成像算法研究[D]. 王昕.南京航空航天大学 2011
[4]SAR层析三维成像技术研究[D]. 王金峰.电子科技大学 2010
[5]多基线层析成像合成孔径雷达研究[D]. 柳祥乐.中国科学院研究生院（电子学研究所） 2007
硕士论文
[1]多基线层析SAR成像方法研究[D]. 陈钦.电子科技大学 2011
[2]层析SAR三维成像算法研究[D]. 龙泓琳.电子科技大学 2010
[3]基于曲线合成孔径雷达（CLSAR）的三维目标特征提取[D]. 刘浩.中国科学院研究生院（空间科学与应用研究中心） 2002
本文编号：2928340
本文链接：https://www.wllwen.com/kejilunwen/xinxigongchenglunwen/2928340.html
