【摘要】：壓縮感知成像要求信號在某個域上能滿足稀疏性要求,地下多目標(biāo)在空域上降低了信號的稀疏性,導(dǎo)致成像出現(xiàn)散焦和虛像。擴大成像背景保證了稀疏性要求但又使得成像計算量上升,實時性不足。提出一種根據(jù)探地雷達回波特征預(yù)提取出潛在目標(biāo)位置的壓縮感知成像方法。通過對數(shù)據(jù)進行去噪、滑動矩陣過濾來確定目標(biāo)的水平位置,再對水平位置處的幾道A-Scan數(shù)據(jù)進行極值搜索,從而可以提取出成像區(qū)域目標(biāo)位置信息,進而在建立成像冗余字典時只需考慮目標(biāo)位置處的字典元素,無目標(biāo)處字典元素直接剔除,減少字典建立所需的元素,降低了壓縮感知求解計算量。該方法由于只對潛在目標(biāo)區(qū)域進行成像,因此在保證成像實時性的同時也保證了成像精度。實驗結(jié)果表明算法可行、有效。
[Abstract]:Compression sensing imaging requires that the signal can satisfy the sparsity requirement in a certain domain, and underground multi-targets reduce the sparsity of the signal in the airspace, resulting in defocusing and virtual image of the imaging. The expansion of imaging background ensures sparsity, but it increases the amount of imaging computation, and the real-time performance is insufficient. A compression sensing imaging method based on GPR echo features to extract potential target location is proposed. By de-noising and sliding matrix filtering, the horizontal position of the target is determined, and several A-Scan data at the horizontal position are searched for extremum value, which can extract the position information of the target in the imaging region. Furthermore, only the dictionary elements at the target location should be considered, and the non-target dictionary elements should be eliminated directly in order to reduce the elements needed for the establishment of the dictionary and reduce the computational complexity of the compression perception solution. The method only imaged the potential target area, so it can guarantee the real-time imaging and the imaging accuracy. Experimental results show that the algorithm is feasible and effective.
【作者單位】： 桂林電子科技大學(xué)信息與通信學(xué)院;西安電子科技大學(xué)電子工程學(xué)院;
【基金】：國家自然科學(xué)基金(61371186) 廣西自然科學(xué)基金(2013GXNSFFA019004) 廣西物聯(lián)網(wǎng)技術(shù)及產(chǎn)業(yè)化推進協(xié)同創(chuàng)新中心資助項目(WLW20060201)
【分類號】：TN957.52

【相似文獻】

相關(guān)期刊論文 前10條

1 趙忠海;;探地雷達在地道探測中的應(yīng)用[J];地質(zhì)災(zāi)害與環(huán)境保護;2013年02期

2 羅純哲;陳金杰;王蔚東;;壓縮感知理論與非凸優(yōu)化方法研究[J];無線電工程;2014年05期

3 鄧自立;L算法及其在稀疏性計算中的應(yīng)用[J];華南工學(xué)院學(xué)報;1985年01期

4 范志雄;;探地雷達勘察中的干擾與識別[J];貴州地質(zhì);2008年02期

5 王光新;林有明;張送保;;SAR圖像數(shù)據(jù)稀疏性分析及在特征增強中的應(yīng)用[J];計算機科學(xué);2011年02期

6 何昭水;謝勝利;傅予力;;信號的稀疏性分析[J];自然科學(xué)進展;2006年09期

7 張毅;;探地雷達在公路檢測中的應(yīng)用技術(shù)[J];科技致富向?qū)?2012年30期

8 史兆豐;夏秀渝;;基于語音稀疏性的頻域聲回波對消算法研究[J];四川大學(xué)學(xué)報(自然科學(xué)版);2013年02期

9 陽召成;黎湘;王宏強;;基于空時功率譜稀疏性的空時自適應(yīng)處理技術(shù)研究進展[J];電子學(xué)報;2014年06期

10 王國鵬;劉郁林;羅穎光;;基于稀疏性的欠定語音盲分離方法研究[J];計算機應(yīng)用;2009年04期

相關(guān)碩士學(xué)位論文 前2條

1 李文昊;基于分?jǐn)?shù)低階統(tǒng)計量稀疏性的DOA估計[D];大連海事大學(xué);2015年

2 王金洋;基于稀疏性的相位復(fù)原研究[D];天津職業(yè)技術(shù)師范大學(xué);2016年

，

本文編號：2303012