合成孔徑雷達(dá)（Synthetic Aperture Radar,SAR）是一種高分辨成像雷達(dá),在軍事和民用領(lǐng)域扮演者著重要的角色。經(jīng)典的奈奎斯特采樣定理表明,要想獲得高分辨率的合成孔徑雷達(dá)圖像,需要采集大量的回波數(shù)據(jù),這將對(duì)接收端的數(shù)據(jù)存儲(chǔ)和傳輸帶來(lái)極大的挑戰(zhàn)。壓縮感知（Compressive Sensing,CS）的出現(xiàn),不僅有效的解決了采集數(shù)據(jù)量過(guò)大的問(wèn)題,還能進(jìn)一步提升成像的分辨率。因此,基于壓縮感知的合成孔徑雷達(dá)成像受到了廣泛的關(guān)注。然而,壓縮感知類算法具有較大的時(shí)間和空間復(fù)雜度,在實(shí)際應(yīng)用中面臨巨大的挑戰(zhàn),而且單比特壓縮感知算法往往只適用于實(shí)數(shù)域。另外,由于雷達(dá)平臺(tái)的運(yùn)動(dòng)誤差,觀測(cè)矩陣將會(huì)引入不確定性,最終表現(xiàn)為回波數(shù)據(jù)的相位誤差,從而使得重建的場(chǎng)景散焦。因此,在實(shí)際應(yīng)用中,CS-SAR自聚焦算法變得尤為重要�；贑S-SAR的自聚焦算法已經(jīng)有了廣泛的研究,這類算法可以校正較小的相位誤差,而對(duì)于較大的誤差相位則無(wú)能為力。本文針對(duì)已有的CS-SAR自聚焦算法的不足及已有的單比特CS-SAR成像算法效率低的問(wèn)題進(jìn)行了探究。內(nèi)容安排如下:本文的第一個(gè)研究?jī)?nèi)容是基于無(wú)相位變換的合成孔... 

【文章來(lái)源】：中國(guó)科學(xué)技術(shù)大學(xué)安徽省 211工程院校 985工程院校

【文章頁(yè)數(shù)】：76 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖１．１?ＳＡＲ成像原理??在合成孔徑雷達(dá)發(fā)展的最初階段，飛機(jī)是其最主要的搭載平臺(tái)，應(yīng)用及關(guān)??

信號(hào)的??進(jìn)一步處理。然而，如果信號(hào)帶寬很大，則按照奈奎斯特采樣率采集下來(lái)的數(shù)??據(jù)量將變得十分龐大，使得數(shù)據(jù)采集和傳輸面臨巨大的壓力。??Ｃａｎｄｄｓ，Ｄｏｎｏｈｏ和陶哲軒于２００４年首次提出了壓縮感知（Ｃｏｍｐｒｅｓｓｉｖｅ??Ｓｅｎｓｉｎｇ，ＣＳ）的思想，為信號(hào)采集開創(chuàng)了新的框架。壓縮感知［８－１１］理論本質(zhì)??上是求解一個(gè)線性逆問(wèn)題，即從少量的線性測(cè)量中恢復(fù)高維的信號(hào)。區(qū)別于傳??統(tǒng)的數(shù)據(jù)收集方式，壓縮感知將采樣和壓縮兩個(gè)步驟同時(shí)進(jìn)行，直接從高維信??號(hào)中提取壓縮后的數(shù)據(jù)。圖１．２顯示了二者的區(qū)別。??Ｉｎｐｕｔ?Ｓｉｇｎａｌ?Ｏｕｔｐｕｔ?Ｍｅａｓｕｒｅｍｅｎｔｓ??——Ｈｙｑｕｌｓｔ?Ｓａｍｐｔｌｎｇ?＾?Ｃｏｍｐｒｅｓｓｉｏｎ????？??ｘ（ｔ）?１Ｉ?．?，?Ｊ?ｙＩｍ］??（ａ）??ｉｎｐｕｔ?Ｓｉｇｎａｌ，?ｆｓａｎｄｏｍ?Ｓａｍｐｌｉｎｇ?咖讀他??￣?（Ｓｕｂ－Ｎｙｑｕｉｅｔ）?＾??（ｂ）??圖１．２采樣策略對(duì)比（ａ）傳統(tǒng)采樣方式（ｂ）壓縮采樣方式??假設(shè)現(xiàn)有一個(gè)＃維的信號(hào)其稀疏度為火，即ｉＶ元素中至多有尤??個(gè)非零分量。用一個(gè)線性測(cè)量系統(tǒng)對(duì)信號(hào)進(jìn)行測(cè)量，該測(cè)量系統(tǒng)對(duì)應(yīng)的測(cè)量矩??陣記為中，測(cè)量的結(jié)果記為在壓縮感知框架中，測(cè)量數(shù)是遠(yuǎn)小于待測(cè)??信號(hào)的維度數(shù)的，即Ｍ？ｉＶ，也就意味著從測(cè)量值，陜復(fù)信號(hào)ｘ是一個(gè)欠定問(wèn)??題。而壓縮感知理論指出，當(dāng)原信號(hào)ｘ滿足稀疏性條件，測(cè)量矩陣滿足限制??等距性質(zhì)時(shí)，原信號(hào)；ｃ便可以通過(guò)測(cè)量值＾精確的重構(gòu)。??壓縮感知重構(gòu)算法試圖從壓縮測(cè)量中找到原信號(hào)的最佳稀疏估計(jì)，研宄各??類重構(gòu)方法的動(dòng)機(jī)包含以下幾個(gè)要素：最大限度的降低測(cè)量數(shù)，對(duì)噪聲的魯

?第２章壓縮感知簡(jiǎn)介???方法更符合實(shí)際情況。該類方法將信號(hào)重構(gòu)問(wèn)題建模為貝葉斯推論（Ｂａｙｅｓｉａｎ??Ｉｎｆｅｒｅｎｃｅ）問(wèn)題。待測(cè)信號(hào)通過(guò)使用最大似然估計(jì)（ＭＬＥ）或者最大后驗(yàn)估計(jì)??（ＭＡＰ）求得。??２．３單比特壓縮感知??２．３．１單比特壓縮感知問(wèn)題的引入??實(shí)際的信號(hào)處理應(yīng)用中，除了對(duì)信號(hào)采樣外還要進(jìn)行實(shí)時(shí)的量化操作。當(dāng)??處理一個(gè)寬帶信號(hào)時(shí)，即使壓縮感知已經(jīng)顯著降低了采樣數(shù)，總的比特?cái)?shù)依然??是很大的，而許多的應(yīng)用里往往要求測(cè)量的總比特?cái)?shù)是少的。因此，作為量化??的極端情形一單比特量化就顯得十分有用。圖２．１給出了單比特量化的過(guò)程。??可以看出，只需一個(gè)簡(jiǎn)單的比較器就能完成量化過(guò)程，硬件壓力得到了極大的??降低。每次的測(cè)量值僅需與門限值做比較，就可以快速的得到量化后的單比特??值。其中門限值一般取０，也可以取非零固定值及自適應(yīng)的取值。??＼?ｂ??圖２．２單比特量化示意圖??這樣通過(guò)與門限值的比較，我們僅僅保留了測(cè)量值的符號(hào)信息，也即將其??做了單比特量化處理：??ｚ＝ｓｇｎ（ｙ）?＝?ｓｇｎ（〇ｘ）?（２．２０）??ｚ便是量化后的單比特測(cè)量數(shù)據(jù)。??在２．２節(jié)中提到了壓縮感知測(cè)量矩陣的限制等距性質(zhì)，在單比特壓縮感知理??論中有類似的研究工作。ＲＩＰ限制了信號(hào)空間和測(cè)量值空間的“等距”，此處的??距離基于二范數(shù)定義。遵循ＲＩＰ的定義，Ｌ．?Ｊａｃｑｕｅｓ等人提出了單比特壓縮感知??下的“等距”概念，即二元嵌入穩(wěn)定（Ｂｉｎａｒｙ?ｓ－ｓｔｏＷｅ?ｅｍｂｅｄｄｉｎｇ，你５ｊ）條??件。但是，不同于傳統(tǒng)的壓縮感知，此時(shí)的信號(hào)空間由單位范數(shù)矢量組成，測(cè)??１５??


本文編號(hào)：3368653