本文選題：線陣三維SAR + 壓縮感知��； 參考：《電子科技大學(xué)》2017年碩士論文

【摘要】：作為一種新型的三維SAR成像模式,線陣三維SAR不僅克服了傳統(tǒng)二維SAR成像的陰影遮擋效應(yīng)、空間模糊、頂?shù)椎怪玫热秉c(diǎn),而且相對于圓周SAR、層析SAR等三維SAR模式,具有運(yùn)動軌跡容易控制的優(yōu)點(diǎn),在軍事和民用方面都有著廣泛的應(yīng)用。由于受Nyquist采樣定理的約束以及傳統(tǒng)基于匹配濾波的SAR成像算法分辨率的限制,線陣三維SAR成像存在著回波數(shù)據(jù)量巨大、成像分辨率低等缺點(diǎn)。壓縮感知理論指出,如果信號是稀疏的或可壓縮的,那么可以用低于Nyquist采樣定理規(guī)定的采樣率恢復(fù)原信號。在三維SAR成像中,成像的目標(biāo)場景往往具有稀疏性,因而壓縮感知理論在提高SAR成像分辨率、降低SAR回波數(shù)據(jù)量上有著重大的應(yīng)用。本文將壓縮感知理論運(yùn)用于線陣三維SAR中,主要研究了基于稀疏重構(gòu)的線陣三維SAR成像方法,具體研究內(nèi)容和創(chuàng)新點(diǎn)如下:1、簡述了線陣三維SAR成像基礎(chǔ)與壓縮感知基本理論。首先,介紹了線陣三維SAR的幾何模型,給出了其回波信號模型。其次,在模糊函數(shù)的基礎(chǔ)上分析了傳統(tǒng)成像算法的分辨率限制,并且介紹了兩種傳統(tǒng)的SAR成像算法及優(yōu)缺點(diǎn)。最后,介紹了壓縮感知的基本理論、分析了線陣三維SAR的線性觀測模型,為后面將壓縮感知理論運(yùn)用于線陣三維SAR高分辨率成像提供了理論依據(jù)。2、研究了基于貪婪算法的SAR成像方法。首先,闡述了正交匹配追蹤(OMP)算法的流程。OMP算法因具有流程簡單、運(yùn)算效率較高、重構(gòu)誤差較小等特點(diǎn)得到了廣泛的應(yīng)用。其次,總結(jié)了近年來針對OMP算法相關(guān)學(xué)者提出的一些改進(jìn)算法。這些算法主要從元素選擇的準(zhǔn)則、系數(shù)更新、候選集數(shù)目等方面進(jìn)行改進(jìn)。最后,重點(diǎn)研究了梯度追蹤(GP)算法,該算法相對于OMP算法具有運(yùn)算效率高、空間存儲低的優(yōu)點(diǎn)。3、提出了一種基于門限的梯度追蹤(TBGP)算法。GP算法需要預(yù)設(shè)稀疏度,而對于SAR成像來說,很難獲得場景的真實(shí)稀疏度。針對此問題,運(yùn)用對比度和變化率代替預(yù)設(shè)稀疏度作為迭代次數(shù)的準(zhǔn)則,提出了TBGP算法。該算法不僅保留了GP算法在運(yùn)算時間和空間存儲上的優(yōu)勢,又克服了GP算法需要預(yù)設(shè)稀疏度的缺點(diǎn)。仿真及實(shí)測數(shù)據(jù)實(shí)驗(yàn)驗(yàn)證了上述結(jié)論。4、研究了迭代最小稀疏貝葉斯重構(gòu)(SBRIM)算法。分析了SBRIM算法的原理以及步驟流程。作為稀疏貝葉斯一類算法,相對于其他類算法來說,具有靈活性強(qiáng)、重構(gòu)精度高的特點(diǎn)。仿真實(shí)驗(yàn)結(jié)果表明SBRIM算法相對于傳統(tǒng)BP算法具有高分辨的成像能力。5、提出了加權(quán)迭代最小稀疏貝葉斯重構(gòu)(WSBRIM)算法。與SBRIM算法不同,WSBRIM算法是對代價函數(shù)中的L1范數(shù)向進(jìn)行加權(quán)約束,并且采用了不同的函數(shù)近似L1范數(shù),減小了運(yùn)算量。詳細(xì)闡述了WSBRIM算法的原理以及步驟。對所提到的相關(guān)算法做了仿真實(shí)驗(yàn)分析和性能比較。仿真實(shí)驗(yàn)結(jié)果表明,在重構(gòu)精度上,WSBRIM算法的重構(gòu)誤差最小,重構(gòu)精度最好;而在運(yùn)算效率上,本文所提的TBGP算法更具有優(yōu)勢。最后,三維SAR實(shí)測數(shù)據(jù)成像結(jié)果驗(yàn)證了WSBRIM算法在實(shí)際場景中的有效性。
[Abstract]:As a new model of three-dimensional SAR imaging, linear array 3D SAR not only overcomes the shortcomings of the shadow shielding effect of the traditional two-dimensional SAR imaging, the space blurred, the top bottom inversion, but also has the advantages of easy control of the motion trajectory relative to the circumference SAR, the tomography SAR and other three-dimensional SAR modes, and has a wide application in military and civil applications. Under the constraints of the Nyquist sampling theorem and the limitation of the resolution of the traditional SAR imaging algorithm based on the matched filtering, the linear array 3D SAR imaging has a large amount of echo data and low imaging resolution. The compression perception theory indicates that if the signal is sparse or compressible, it can be sampled with a sample lower than the Nyquist sampling theorem. In 3D SAR imaging, the target scene of the imaging often has sparsity, so the compression perception theory has a great application in improving the resolution of SAR imaging and reducing the amount of SAR echo data. In this paper, the compression perception theory is applied to the linear array 3D SAR, and the three-dimensional SAR imaging based on sparse reconstruction is mainly studied. The main research contents and innovation points are as follows: 1, the basic theory of linear array 3D SAR imaging and compression perception are briefly described. First, the geometric model of linear array 3D SAR is introduced, and the echo signal model is given. Secondly, the resolution limitation of the traditional imaging algorithm is analyzed on the basis of fuzzy function, and two traditional S are introduced. AR imaging algorithm and its advantages and disadvantages. Finally, the basic theory of compressed sensing is introduced, the linear observation model of linear array 3D SAR is analyzed. In order to provide a theoretical basis for the application of compressed sensing theory to 3D SAR high resolution imaging of linear array, the SAR imaging method based on greedy algorithm is studied. First, the orthogonal matching tracking (OMP) is expounded. The algorithm's process.OMP algorithm has been widely used because of its simple process, high operation efficiency and less reconstruction error. Secondly, some improved algorithms proposed by the relevant scholars in recent years are summarized. These algorithms are mainly improved from the criteria of element selection, the updating of the coefficients, the number of candidate sets and so on. Finally, the algorithm is improved. This paper focuses on the gradient tracking (GP) algorithm. Compared with the OMP algorithm, the algorithm has the advantage of high computing efficiency and low spatial storage,.3. A gradient tracking (TBGP) algorithm based on threshold (TBGP) algorithm.GP algorithm needs presupposition sparsity, but for SAR imaging, it is difficult to obtain the real sparsity of the scene. By replacing the preset sparsity as the criterion of the number of iterations, the TBGP algorithm is proposed. The algorithm not only preserves the advantages of the GP algorithm in the operation time and space storage, but also overcomes the shortcoming of the default sparsity in the GP algorithm. The simulation and the measured data experiments verify the above conclusion, and study the iterative minimum sparse Bayesian reconstruction (SBRI). M) algorithm. The principle and step process of SBRIM algorithm are analyzed. As a sparse Bias class algorithm, compared with other class algorithms, the algorithm has the characteristics of strong flexibility and high reconstruction precision. The simulation results show that the SBRIM algorithm has high resolution image ability.5 compared with the traditional BP algorithm, and the weighted iterative minimum sparse Bias is proposed. The WSBRIM algorithm is different from the SBRIM algorithm. The WSBRIM algorithm is a weighted constraint on the L1 norm in the cost function, and the different functions are used to approximate the L1 norm, and the computation is reduced. The principle and steps of the WSBRIM algorithm are elaborated in detail. The simulation experiment analysis and performance comparison of the related arithmetic are made. The results show that the WSBRIM algorithm has the least reconstruction error and the best reconstruction precision in the reconstruction precision, and the TBGP algorithm proposed in this paper is more advantageous in the operation efficiency. Finally, the results of three-dimensional SAR measured data show the effectiveness of the WSBRIM algorithm in the actual scene.
【學(xué)位授予單位】：電子科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：TN957.52

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 薄華,馬縛龍,韓保君;SAR圖像特征數(shù)據(jù)立方體的構(gòu)造[J];電子科技;2004年02期

2 李坤;邵蕓;張風(fēng)麗;;基于多極化機(jī)載合成孔徑雷達(dá)(SAR)數(shù)據(jù)的水稻識別[J];浙江大學(xué)學(xué)報(農(nóng)業(yè)與生命科學(xué)版);2011年02期

3 劉開剛;許梅生;李維;;一種基于雙閾值區(qū)域分割的SAR圖像目標(biāo)提取方法[J];國外電子測量技術(shù);2008年03期

4 ;西部測圖工程機(jī)載干涉SAR測圖系統(tǒng)項目啟動會在北京召開[J];遙感信息;2008年04期

5 蔡紅;;基于稀疏表示的SAR圖像壓縮方法研究[J];計算機(jī)工程與應(yīng)用;2012年24期

6 李杏朝，董文敏;SAR圖像的水文應(yīng)用研究[J];遙感信息;1996年04期

7 孫盡堯,孫洪;自然場景SAR圖像的仿真[J];雷達(dá)科學(xué)與技術(shù);2003年04期

8 李金;程超;許浩;;無人機(jī)機(jī)載合成孔徑雷達(dá)(SAR)定位方法綜述[J];影像技術(shù);2008年03期

9 陳原;張榮;尹東;;基于Tetrolet Packet變換的SAR圖像稀疏表示[J];電子與信息學(xué)報;2012年02期

10 何毅;范偉杰;;手機(jī)批量SAR測試方案[J];安徽電子信息職業(yè)技術(shù)學(xué)院學(xué)報;2013年05期

相關(guān)會議論文 前10條

1 沈晶;楊學(xué)志;;基于邊緣保持分水嶺算法的SAR海冰圖像分割[A];計算機(jī)技術(shù)與應(yīng)用進(jìn)展·2007——全國第18屆計算機(jī)技術(shù)與應(yīng)用（CACIS）學(xué)術(shù)會議論文集[C];2007年

2 郝衛(wèi)東;熊鄴;曲蘭英;周志麗;;一種降低手機(jī)SAR的設(shè)計[A];2009年全國天線年會論文集（下）[C];2009年

3 方勇;;綜合多視角SAR圖像改正遮蔽區(qū)試驗(yàn)[A];第十三屆全國遙感技術(shù)學(xué)術(shù)交流會論文摘要集[C];2001年

4 于明成;許稼;彭應(yīng)寧;;SAR多普勒中心快速解模糊的新方法[A];第十二屆全國信號處理學(xué)術(shù)年會（CCSP-2005）論文集[C];2005年

5 戴爾燕;金亞秋;;多軌道飛行全極化SAR圖像對目標(biāo)的立體重構(gòu)[A];第二屆微波遙感技術(shù)研討會摘要全集[C];2006年

6 常本義;高力;;SAR單圖像定位原理[A];中國科協(xié)2001年學(xué)術(shù)年會分會場特邀報告匯編[C];2001年

7 錢方明;鞏丹超;劉薇;;SAR圖像邊緣特征提取方法研究[A];第二屆“測繪科學(xué)前沿技術(shù)論壇”論文精選[C];2010年

8 陳林輝;葉偉;賈鑫;;分布式衛(wèi)星SAR圖像方位向分辨率分析[A];中國航空學(xué)會信號與信息處理專業(yè)全國第八屆學(xué)術(shù)會議論文集[C];2004年

9 孫偉順;計科峰;朱俊;粟毅;;典型軍用目標(biāo)SAR圖像預(yù)估[A];第六屆全國信息獲取與處理學(xué)術(shù)會議論文集（2）[C];2008年

10 黃勇;王建國;黃順吉;;基于分段的非監(jiān)督SAR圖像變化檢測[A];第十一屆全國信號處理學(xué)術(shù)年會（CCSP-2003）論文集[C];2003年

相關(guān)重要報紙文章 前2條

1 張顯峰;機(jī)載干涉SAR：掀起測繪革命[N];科技日報;2004年

2 鐘勇;國內(nèi)首套SAR測圖系統(tǒng)通過評審[N];中國測繪報;2010年

相關(guān)博士學(xué)位論文 前10條

1 賀廣均;聯(lián)合SAR與光學(xué)遙感數(shù)據(jù)的山區(qū)積雪識別研究[D];南京大學(xué);2015年

2 張雙喜;高分辨寬測繪帶多通道SAR和動目標(biāo)成像理論與方法[D];西安電子科技大學(xué);2014年

3 李蘭;森林垂直信息P-波段SAR層析提取方法[D];中國林業(yè)科學(xué)研究院;2016年

4 張澤兵;知識輔助的SAR目標(biāo)索引及特征提取技術(shù)研究[D];國防科學(xué)技術(shù)大學(xué);2014年

5 張鵬;基于統(tǒng)計模型的SAR圖像降斑和分割方法研究[D];西安電子科技大學(xué);2012年

6 王勃;星載全極化SAR海面散射特性及其船目標(biāo)檢測方法[D];中國海洋大學(xué);2013年

7 倪心強(qiáng);SAR圖像分類與自動目標(biāo)識別技術(shù)研究[D];中國科學(xué)院研究生院（電子學(xué)研究所）;2007年

8 周鵬;彈載SAR多種工作模式的成像算法研究[D];西安電子科技大學(xué);2011年

9 趙凌君;高分辨率SAR圖像建筑物提取方法研究[D];國防科學(xué)技術(shù)大學(xué);2009年

10 夏穎;WLAN室內(nèi)半監(jiān)督定位及指紋更新算法研究[D];哈爾濱工業(yè)大學(xué);2016年

相關(guān)碩士學(xué)位論文 前10條

1 左林電;線陣三維SAR稀疏成像方法研究[D];電子科技大學(xué);2017年

2 田正東;基于子空間分析的DOA估計算法研究[D];南京郵電大學(xué);2017年

3 趙程檐;花授粉算法的研究及應(yīng)用[D];廣西民族大學(xué);2017年

4 董立亞;SAR圖像去噪的小波和偏微分方程的數(shù)學(xué)建模[D];河北聯(lián)合大學(xué);2014年

5 陳海文;基于波數(shù)域的圓周SAR三維成像算法研究[D];哈爾濱工業(yè)大學(xué);2015年

6 眭明;星機(jī)雙基地SAR同步技術(shù)研究[D];電子科技大學(xué);2014年

7 羅煜川;基于壓縮感知的陣列SAR三維成像方法研究[D];電子科技大學(xué);2015年

8 張強(qiáng);基于視覺注意的SAR目標(biāo)快速檢測算法研究[D];電子科技大學(xué);2015年

9 于利娟;手機(jī)天線輻射特性優(yōu)化與SAR研究[D];西安電子科技大學(xué);2013年

10 吳子斌;機(jī)載三維SAR高分辨成像[D];國防科學(xué)技術(shù)大學(xué);2013年

，

本文編號：2055799