本文關鍵詞：基于分數(shù)階傅里葉域稀疏表征的CS-SAR成像理論與算法研究，由筆耕文化傳播整理發(fā)布。

【摘要】：合成孔徑雷達(Synthetic aperture radar,SAR)作為一種全天時、全天候、遠距離、主動式觀測系統(tǒng),在國防和民用領域均具有重大實用價值并發(fā)揮著重要作用。分辨率對表征被觀測目標極其重要,隨著實際需求的不斷提高,SAR的高分辨率和超高分辨率成像成為當今的研究熱點之一。但是目前基于香農(nóng)-奈奎斯特(Shannon-Nyquist)采樣定理和經(jīng)典數(shù)字信號處理理論的高分辨率SAR成像體制,存在著雷達系統(tǒng)規(guī)模龐大,高速數(shù)據(jù)采集和海量數(shù)據(jù)存儲、傳輸難以實現(xiàn),信息冗余但特征提取困難等問題。這些問題都成為高分辨率SAR進一步發(fā)展的瓶頸。近年來新興起的壓縮感知(Compressed sensing/Compressive sampling,CS)理論,在滿足一定條件情況下,能夠運用遠低于Shannon-Nyquist采樣定理所需的數(shù)據(jù)量以高概率重構(gòu)原始信號。壓縮感知理論的出現(xiàn)為高分辨率SAR所面臨的發(fā)展瓶頸問題提供了解決的可能途徑。本文結(jié)合壓縮感知理論,對基于壓縮感知的SAR成像理論與算法進行了較為深入的研究,主要的貢獻及創(chuàng)新性成果如下:1.提出了基于分數(shù)階傅里葉變換的距離維降數(shù)據(jù)量CS-SAR成像算法。信號的稀疏性和觀測不相關性(或感知矩陣滿足約束等距性)是壓縮感知依賴的兩條準則。首先,針對發(fā)射線性調(diào)頻信號的脈沖體制SAR,充分考慮其回波的特征,分析回波的稀疏性,分析結(jié)果表明逆簡化分數(shù)階傅里葉矩陣非常符合回波信號特征,回波在簡化分數(shù)階傅里葉域的表征非常稀疏;在此基礎上推導出回波在簡化分數(shù)階傅里葉域的稀疏表征,該表征具有實際物理意義,即回波在簡化分數(shù)階傅里葉域的稀疏表征就是場景在該域的距離像。其次,分析回波稀疏表征矩陣  逆簡化分數(shù)階傅里葉矩陣與隨機高斯矩陣、部分單位矩陣、部分傅里葉矩陣和部分哈達瑪矩陣這四種隨機矩陣的乘積矩陣的約束等距性(Restricted isometry property,RIP),分析結(jié)果表明,逆簡化分數(shù)階傅里葉矩陣是酉矩陣,它作為稀疏表征矩陣,與備選的四種隨機矩陣的乘積矩陣具有良好的RIP;比較了隨機抽取的逆簡化分數(shù)階傅里葉矩陣和隨機抽取的另兩個CS-SAR中常用的稀疏表征矩陣  SAR對地觀測矩陣和時域匹配濾波矩陣的RIP,比較結(jié)果表明隨機抽取的逆簡化分數(shù)階傅里葉矩陣較另外兩個隨機抽取矩陣有更好的RIP,更有利于重構(gòu)稀疏信號。然后,提出基于分數(shù)階傅里葉變換的距離向應用壓縮感知技術的SAR成像算法。通過仿真數(shù)據(jù)對所提算法進行檢驗,并在不同信噪比情況下,分析觀測矩陣類型及觀測數(shù)據(jù)量對成像結(jié)果的影響,為不同觀測矩陣在不同條件下的應用提供參考;最后將所提算法應用于radarsat-1實測數(shù)據(jù),結(jié)果表明所提算法在降數(shù)據(jù)量情況下能夠高質(zhì)量成像。2.提出了基于分數(shù)階傅里葉變換的二維降數(shù)據(jù)量cs-sar成像算法。為進一步降低數(shù)據(jù)量,在距離向和方位向均應用壓縮感知技術。在重構(gòu)模型方面,若二維矩陣形式觀測信號和待重構(gòu)場景按行或按列被拉直成向量形式,構(gòu)建與之對應的稀疏表征矩陣和觀測矩陣,采用cs技術重構(gòu)場景,則稀疏表征矩陣和觀測矩陣維數(shù)過大,所需存儲和計算負擔巨大;若信號不被拉直進行重構(gòu)又面臨著在方位向降數(shù)據(jù)量情況下距離徙動校正難的問題,現(xiàn)有二維降數(shù)據(jù)量矩陣形式cs-sar成像算法忽略了距離徙動,致使成像質(zhì)量差。為高質(zhì)量成像,提出考慮距離徙動的基于分數(shù)階傅里葉變換的二維降數(shù)據(jù)量cs-sar成像算法。所提算法通過合理設計方位向觀測矩陣,使得距離徙動校正在二維降數(shù)據(jù)量情況下,作為距離向和方位向兩個級聯(lián)的一維壓縮感知重構(gòu)的中間步驟,通過基于簡化分數(shù)階傅里葉變換的參考函數(shù)乘和chirp-z變換得以方便實現(xiàn)。然后,對所提算法與現(xiàn)有二維降數(shù)據(jù)量cs-sar成像算法在信號模型、重構(gòu)模型、感知矩陣大小及算法計算復雜度等方面做出比較。實驗驗證所提算法的有效性和其對稀疏度的穩(wěn)健性,并針對算法存儲負擔、計算效率以及重構(gòu)效果與現(xiàn)有二維降數(shù)據(jù)量cs-sar成像算法進行仿真對比,結(jié)果表明所提算法能夠在二維降數(shù)據(jù)量情況下利用少量存儲空間實現(xiàn)高質(zhì)量成像。將所提算法和現(xiàn)有忽略距離徙動的二維降數(shù)據(jù)量cs-sar成像算法應用于radarsat-1實測數(shù)據(jù),對不同稀疏度和動態(tài)范圍的場景在二維降數(shù)據(jù)量情況下成像,結(jié)果表明所提算法能夠高質(zhì)量成像,而對比算法成像質(zhì)量差。3.提出了矩陣型聯(lián)合cs-sar成像與自聚焦算法。sar平臺的實際運動與理想運動之間存在的偏差、對平臺運動速度的測量誤差以及大氣環(huán)境對雷達電磁波的干擾等,都會導致理想模型與實際接收信號間存在相位誤差。為解決由相位誤差引起的圖像散焦問題,提出了矩陣型聯(lián)合cs-sar成像與自聚焦算法。相對于現(xiàn)有向量型聯(lián)合cs-sar成像與自聚焦算法而言,所提算法具有較高的計算效率。首先,建立矩陣型聯(lián)合cs-sar成像與自聚焦數(shù)學模型。其次,針對所建模型提出適合的求解方法,該方法在矩陣形式的cs-sar成像和相位誤差估計兩步之間進行循環(huán)迭代。然后,推導估計相位誤差的解析表達式,并針對cs-sar成像的不精確模型提出正則化光滑?0范數(shù)(regularizedsmoothed?0-norm,resl0)重構(gòu)算法和矩陣型正則化光滑?0范數(shù)(matrixformregularizedsmoothed?0-norm,mresl0)重構(gòu)算法。用仿真數(shù)據(jù)通過蒙特卡洛仿真實驗,將resl0重構(gòu)算法與原始光滑?0范數(shù)(smoothed?0-norm,sl0)重構(gòu)算法在計算效率、抗噪和容錯能力等方面進行比較,實驗結(jié)果表明,ReSL0重構(gòu)算法具有比原始SL0重構(gòu)算法更強的抗噪和容錯能力。在仿真數(shù)據(jù)和實測數(shù)據(jù)上檢驗SL0、ReSL0和MReSL0重構(gòu)算法應用于所提矩陣型聯(lián)合CS-SAR成像與自聚焦中的實際效果,結(jié)果表明所提重構(gòu)算法應用于矩陣型聯(lián)合CS-SAR成像與自聚焦中,能夠在降低數(shù)據(jù)量情況下得到高質(zhì)量聚焦SAR圖像,而原始SL0重構(gòu)算法不具有此效果。
【關鍵詞】：合成孔徑雷達 成像算法 壓縮感知 稀疏表征 分數(shù)階傅里葉變換 自聚焦
【學位授予單位】：北京理工大學
【學位級別】：博士
【學位授予年份】：2015
【分類號】：TN957.52
【目錄】：

• 摘要5-8
• Abstract8-16
• 第1章 緒論16-32
• 1.1 課題研究的背景和意義16-18
• 1.2 國內(nèi)外研究現(xiàn)狀18-29
• 1.2.1 SAR成像技術18-21
• 1.2.2 CS-SAR成像技術的發(fā)展21-29
• 1.3 本文研究內(nèi)容及章節(jié)安排29-32
• 第2章 基于分數(shù)階傅里葉變換距離維降數(shù)據(jù)量CS-SAR成像32-56
• 2.1 引言32
• 2.2 基于FRFT的距離維降數(shù)據(jù)量CS-SAR成像算法32-42
• 2.2.1 回波信號的分數(shù)階傅里葉域稀疏表征33-38
• 2.2.2 感知矩陣約束等距性分析38-41
• 2.2.3 所提算法41-42
• 2.3 實驗驗證與性能分析42-53
• 2.3.1 仿真數(shù)據(jù)結(jié)果43-45
• 2.3.2 性能分析45-51
• 2.3.3 實測數(shù)據(jù)結(jié)果51-53
• 2.4 本章小結(jié)53-56
• 第3章 基于分數(shù)階傅里葉變換二維降數(shù)據(jù)量CS-SAR成像56-84
• 3.1 引言56
• 3.2 基于FRFT的二維降數(shù)據(jù)量CS-SAR成像算法56-72
• 3.2.1 稀疏性分析59-65
• 3.2.2 所提算法65-69
• 3.2.3 CS-SAR成像算法比較69-72
• 3.3 實驗驗證72-80
• 3.3.1 仿真數(shù)據(jù)結(jié)果72-73
• 3.3.2 性能分析73-78
• 3.3.3 實測數(shù)據(jù)結(jié)果78-80
• 3.4 本章小結(jié)80-84
• 第4章 矩陣型聯(lián)合CS-SAR成像與自聚焦84-108
• 4.1 引言84
• 4.2 矩陣型聯(lián)合CS-SAR成像與自聚焦算法84-98
• 4.2.1 信號模型85
• 4.2.2 算法結(jié)構(gòu)85-88
• 4.2.3 重構(gòu)算法88-98
• 4.3 實驗驗證98-107
• 4.3.1 重構(gòu)算法性能分析99-101
• 4.3.2 聯(lián)合CS-SAR成像與自聚焦算法實驗101-107
• 4.4 本章小結(jié)107-108
• 第5章 總結(jié)與展望108-112
• 5.1 本文主要工作和貢獻108-110
• 5.2 進一步工作展望110-112
• 參考文獻112-124
• 攻讀學位期間發(fā)表論文與研究成果清單124-126
• 致謝126-128
• 作者簡介128

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前1條

1 袁孝康;合成孔徑雷達的發(fā)展現(xiàn)狀與未來[J];上海航天;2002年05期

中國博士學位論文全文數(shù)據(jù)庫 前1條

1 劉燕;高分辨率及新模式SAR成像算法研究[D];西安電子科技大學;2012年

  本文關鍵詞：基于分數(shù)階傅里葉域稀疏表征的CS-SAR成像理論與算法研究，由筆耕文化傳播整理發(fā)布。

，

本文編號：502315