本文關(guān)鍵詞：基于壓縮感知的陣列SAR三維成像方法研究，由筆耕文化傳播整理發(fā)布。

【摘要】：陣列SAR三維成像系統(tǒng)是在傳統(tǒng)的SAR二維成像系統(tǒng)上發(fā)展起來(lái)的，作為一種新的雷達(dá)成像系統(tǒng)，陣列SAR三維成像系統(tǒng)采用正下視模式，克服了傳統(tǒng)SAR二維成像系統(tǒng)遇到的陰影效應(yīng)以及空間模糊的問(wèn)題，對(duì)高山峽谷、城市街區(qū)等地形劇烈起伏的區(qū)域進(jìn)行成像時(shí)獲得的圖像效果良好。然而，傳統(tǒng)的SAR成像算法的理論分辨率受到了瑞利限的限制，圖像的旁瓣較高、主瓣較寬，雷達(dá)圖像的分辨率再難得到進(jìn)一步的提升。目前出現(xiàn)了超分辨的成像方法，能夠獲得超過(guò)傳統(tǒng)成像方法理論分辨率的分辨率，其中有兩條主要的技術(shù)途徑：基于譜估計(jì)的方法和基于壓縮感知的方法�；趬嚎s感知的方法要求場(chǎng)景滿足稀疏條件，在三維成像領(lǐng)域中目標(biāo)往往是稀疏的，恰恰滿足了這一條件。本文主要研究了基于壓縮感知理論的陣列SAR三維成像方法，有效的抑制雷達(dá)圖像的旁瓣，減少了主瓣的寬度，得到了分辨率很高的圖像，主要工作內(nèi)容和創(chuàng)新有： 1.簡(jiǎn)述了線性陣列SAR三維成像系統(tǒng)的三種工作模式以及其距離歷史方程，介紹了兩種傳統(tǒng)的陣列SAR三維成像方法并指出其缺點(diǎn)，闡述了壓縮感知基本理論，分析了三維目標(biāo)的稀疏性，指出了在陣列SAR三維成像系統(tǒng)中應(yīng)用壓縮感知理論是可行的，推導(dǎo)了線性陣列SAR三維成像系統(tǒng)的線性觀測(cè)模型。 2.將稀疏驅(qū)動(dòng)自聚焦(SDA)方法應(yīng)用于線性陣列SAR三維成像系統(tǒng)中，研究了基于SDA的線性陣列SAR三維成像方法。SDA算法將圖像重構(gòu)問(wèn)題轉(zhuǎn)化為約束最優(yōu)化問(wèn)題，通過(guò)迭代方式不斷的進(jìn)行圖像估計(jì)并修正感知矩陣。通過(guò)仿真實(shí)驗(yàn)驗(yàn)證了基于SDA的線性陣列SAR三維成像方法的可行性，證實(shí)了SDA算法獲得的圖像的旁瓣低，主瓣窄。 3.在SDA算法的基礎(chǔ)上，提出了加權(quán)稀疏驅(qū)動(dòng)自聚焦(WSDA)算法。WSDA采用加權(quán)L1范數(shù)約束最優(yōu)化代價(jià)函數(shù)，詳細(xì)推導(dǎo)了求解WSDA最優(yōu)化問(wèn)題的過(guò)程，通過(guò)仿真實(shí)驗(yàn)證實(shí)了WSDA算法的可行性、自聚焦能力以及超分辨能力，證明了WSDA算法相對(duì)于SDA算法的優(yōu)勢(shì)，能更好的將能量聚集起來(lái)，降低旁瓣，減少主瓣的寬度。 4.提出了門(mén)限正交匹配追蹤(TOMP)算法。在OMP算法的基礎(chǔ)上，TOMP算法在進(jìn)行信號(hào)相關(guān)估計(jì)時(shí)設(shè)置一個(gè)噪聲門(mén)限，當(dāng)這個(gè)估計(jì)值小于這個(gè)門(mén)限時(shí)終止迭代，不必像OMP算法那樣需要預(yù)設(shè)算法稀疏度。在雷達(dá)成像領(lǐng)域中，通常不能確知目標(biāo)場(chǎng)景的真實(shí)稀疏度，OMP算法常常預(yù)設(shè)一個(gè)較大的稀疏度，而TOMP算法不需要預(yù)設(shè)算法稀疏度，有效的減少了算法迭代的次數(shù)，不會(huì)將目標(biāo)場(chǎng)景中旁瓣重構(gòu)出來(lái)。通過(guò)仿真實(shí)驗(yàn)驗(yàn)證了在陣列SAR中應(yīng)用TOMP算法的可行性，證明了TOMP算法相對(duì)于OMP算法的優(yōu)勢(shì)。 5.將BCS和GP算法應(yīng)用于陣列SAR三維成像領(lǐng)域中，，通過(guò)仿真實(shí)驗(yàn)驗(yàn)證了在陣列SAR中應(yīng)用BCS以及GP算法的可行性。分析指出在不能準(zhǔn)確預(yù)知觀測(cè)場(chǎng)景稀疏度的雷達(dá)領(lǐng)域中，CoSaMP以及SP算法失效。通過(guò)仿真驗(yàn)證了WSDA和TOMP抗燥性最強(qiáng)，GP和BCS其次；在高信噪比情況下，超分辨能力BCS最強(qiáng)，其次為WSDA，TOMP和GP算法最弱；算法效率TOMP和BCS最高，其次是GP，WSDA最低。
【關(guān)鍵詞】：陣列三維SAR 超分辨率 稀疏驅(qū)動(dòng)自聚焦 壓縮感知
【學(xué)位授予單位】：電子科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2013
【分類號(hào)】：TN957.52
【目錄】：

• 摘要5-7
• ABSTRACT7-11
• 第一章 緒論11-19
• 1.1 研究背景及意義11-13
• 1.2 國(guó)內(nèi)外研究概況及動(dòng)態(tài)13-17
• 1.2.1 國(guó)外三維SAR研究概況及發(fā)展動(dòng)態(tài)13-17
• 1.2.2 國(guó)內(nèi)三維SAR研究概況及發(fā)展動(dòng)態(tài)17
• 1.3 本文的結(jié)構(gòu)安排17-19
• 第二章 陣列SAR三維成像理論及壓縮感知基本原理19-36
• 2.1 引言19-20
• 2.2 陣列SAR三維成像系統(tǒng)20-25
• 2.2.1 一發(fā)多收模式20-22
• 2.2.2 基于PCA原理的多發(fā)多收模式22-24
• 2.2.3 單激勵(lì)模式24-25
• 2.3 傳統(tǒng)陣列SAR三維成像方法25-28
• 2.3.1 后向投影三維成像算法25-26
• 2.3.2 距離多普勒三維成像算法26-28
• 2.4 壓縮感知基本原理28-33
• 2.4.1 壓縮感知基本理論概述28-31
• 2.4.2 空間三維目標(biāo)的稀疏性分析31-33
• 2.5 陣列SAR的線性觀測(cè)模型33-35
• 2.6 本章小結(jié)35-36
• 第三章 基于稀疏驅(qū)動(dòng)自聚焦的SAR成像方法研究36-58
• 3.1 引言36-37
• 3.2 基于稀疏驅(qū)動(dòng)自聚焦的SAR成像方法研究37-47
• 3.2.1 稀疏驅(qū)動(dòng)自聚焦算法原理37-43
• 3.2.2 仿真結(jié)果43-47
• 3.3 基于加權(quán)稀疏驅(qū)動(dòng)自聚焦的SAR成像方法研究47-55
• 3.3.1 加權(quán)稀疏驅(qū)動(dòng)自聚焦算法原理47-51
• 3.3.2 仿真結(jié)果51-55
• 3.4 算法比較55-57
• 3.5 本章小結(jié)57-58
• 第四章 基于稀疏重構(gòu)算法的SAR成像方法研究58-78
• 4.1 引言58-59
• 4.2 基于門(mén)限正交匹配追蹤(TOMP)的陣列SAR三維成像方法59-61
• 4.2.1 算法原理59-60
• 4.2.2 仿真結(jié)果60-61
• 4.3 基于BCS的陣列SAR三維成像方法61-66
• 4.3.1 算法原理61-65
• 4.3.2 仿真結(jié)果65-66
• 4.4 基于GP的陣列SAR三維成像方法66-70
• 4.4.1 算法原理66-69
• 4.4.2 仿真結(jié)果69-70
• 4.5 稀疏重構(gòu)算法的性能分析70-77
• 4.5.1 算法預(yù)設(shè)稀疏度對(duì)重構(gòu)算法的影響70-72
• 4.5.2 信噪比對(duì)重構(gòu)算法的影響72-73
• 4.5.3 超分辨能力以及算法效率分析73-76
• 4.5.4 陣列SAR系統(tǒng)中稀疏重構(gòu)算法的選擇原則76-77
• 4.6 本章小結(jié)77-78
• 第五章 總結(jié)與展望78-80
• 致謝80-81
• 參考文獻(xiàn)81-84
• 攻碩期間取得的研究成果84-85

【參考文獻(xiàn)】

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前1條

1 師君;雙基地SAR與線陣SAR原理及成像技術(shù)研究[D];電子科技大學(xué);2009年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前2條

1 李偉華;基于PCA原理的線陣三維SAR成像原理與算法研究[D];電子科技大學(xué);2009年

2 廖可非;單激勵(lì)三維SAR實(shí)驗(yàn)系統(tǒng)及成像技術(shù)研究[D];電子科技大學(xué);2010年

  本文關(guān)鍵詞：基于壓縮感知的陣列SAR三維成像方法研究，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：395016