壓縮感知算法在雷達(dá)成像中的應(yīng)用研究.pdf

1、高分辨成像系統(tǒng)是 SAR發(fā)展的一個(gè)重要方向，具有廣泛的應(yīng)用。以 Nyquist采樣定理為基礎(chǔ)的信號(hào)處理方法使高分辨雷達(dá)面臨著采樣率高、數(shù)據(jù)量大、數(shù)據(jù)傳輸、存儲(chǔ)以及快速處理困難等問題。尋找新的數(shù)據(jù)采集和信號(hào)處理方法成為SAR發(fā)展的迫切需求。
　　近年來出現(xiàn)的稀疏信號(hào)處理理論－壓縮感知(Compressive Sensing, CS)理論在降低雷達(dá)系統(tǒng)的采樣要求、彌補(bǔ)雷達(dá)數(shù)據(jù)自身的缺失、改善雷達(dá)成像質(zhì)量等方面有著巨大的潛力，引起了國(guó)內(nèi)

2、外學(xué)者的高度重視，出現(xiàn)了一批研究CS理論在雷達(dá)成像方面應(yīng)用的文獻(xiàn)。但是CS理論在雷達(dá)成像中的應(yīng)用是一個(gè)嶄新的領(lǐng)域，還處在起步階段，許多問題需要進(jìn)一步研究。本文以CS基本理論和基于CS理論的雷達(dá)成像方法為核心，重點(diǎn)圍繞CS理論中采樣矩陣的優(yōu)化、基于CS理論的雷達(dá)成像中的稀疏字典構(gòu)建方法、隨機(jī)數(shù)據(jù)獲取方法、高效穩(wěn)健的重構(gòu)算法以及CS理論在SAR圖像壓縮中的應(yīng)用等問題進(jìn)行了較為系統(tǒng)和深入的分析研究，主要工作和主要貢獻(xiàn)總結(jié)如下：
　　在C

3、S理論方面，著重研究了采樣矩陣的優(yōu)化方法，提出了一種基于等三角框架設(shè)計(jì)的采樣矩陣優(yōu)化方法。等三角框架具有最小的相關(guān)性，因此基于等三角框架設(shè)計(jì)的優(yōu)化方法能有效的降低采樣矩陣與稀疏矩陣的相關(guān)性，從而提高CS重構(gòu)算法的穩(wěn)定性以及精確度，使CS理論適用范圍更廣。
　　深入研究了CS理論在雷達(dá)成像中的應(yīng)用。通過對(duì)雷達(dá)回波信號(hào)的分析，建立了去斜體制和匹配濾波體制下的雷達(dá)回波信號(hào)稀疏表示模型；提出了一種利用低速率的周期非均勻 A/D采樣器實(shí)現(xiàn)的

4、隨機(jī)采樣方法，實(shí)現(xiàn)了對(duì)距離向雷達(dá)回波信號(hào)的實(shí)時(shí)測(cè)量。在一維距離向高分辨成像中采用了一種具有頻率依賴特性的幾何繞射模型，在得到目標(biāo)散射系數(shù)的同時(shí)還能得到目標(biāo)的散射類型信息；將CS理論應(yīng)用到稀疏孔徑雷達(dá)成像中，提高了成像算法對(duì)數(shù)據(jù)缺失的穩(wěn)定性；將CS理論應(yīng)用到聚束式SAR成像中，采用基于貝葉斯理論的重構(gòu)方法，在實(shí)現(xiàn)高分辨成像的同時(shí)提高了算法對(duì)噪聲的穩(wěn)健性。
　　研究了基于 CS理論的運(yùn)動(dòng)目標(biāo)速度-角度參數(shù)聯(lián)合估計(jì)方法和基于 CS理論的

5、運(yùn)動(dòng)目標(biāo)成像方法?；?CS理論的方法將速度-角度參數(shù)的估計(jì)轉(zhuǎn)化為一個(gè)多測(cè)量向量問題，從而能夠用聯(lián)合稀疏約束的優(yōu)化方法方便的實(shí)現(xiàn)速度-角度參數(shù)的聯(lián)合估計(jì)?；贑S理論的方法將運(yùn)動(dòng)目標(biāo)的成像問題轉(zhuǎn)化為目標(biāo)運(yùn)動(dòng)參數(shù)的估計(jì)問題，對(duì)于運(yùn)動(dòng)速度不同的多個(gè)目標(biāo)可以同時(shí)處理，在得到目標(biāo)運(yùn)動(dòng)參數(shù)的同時(shí)還能夠得到目標(biāo)的初始位置，而且對(duì)位于同一像素的不同運(yùn)動(dòng)速度的目標(biāo)也能夠有效成像。
　　研究了基于CS理論的SAR圖像壓縮方法，包括基于貝葉斯匹配追蹤

6、的SAR圖像重建方法和基于 K-SVD字典學(xué)習(xí)的 SAR圖像壓縮方法，有效的提高了圖像壓縮效果。基于貝葉斯匹配追蹤的SAR圖像壓縮方法采用一種分層CS結(jié)構(gòu)，實(shí)現(xiàn)了SAR圖像MMSE意義下的重構(gòu)?；贙-SVD字典學(xué)習(xí)的SAR圖像壓縮方法采用訓(xùn)練的方法得到能夠更加逼近圖像自身特性的稀疏表示字典，從而達(dá)到更好的稀疏表示結(jié)果。
　　總體來說，本文圍繞 CS理論及其在雷達(dá)成像中的應(yīng)用展開了深入研究。CS理論本身所具有的壓縮采樣特性有望解決