合成孔徑雷達(dá)(SAR)技術(shù)是一種重要的微波觀測手段,具有全天時、全天候、遠(yuǎn)距離、高分辨等特點,并在航空航天、地面檢測、戰(zhàn)場偵查和武器制導(dǎo)等領(lǐng)域具有重要的應(yīng)用價值。隨著SAR成像技術(shù)的發(fā)展,現(xiàn)今雷達(dá)所能達(dá)到的分辨率越來越高,也意味著能夠提供越來越多的細(xì)節(jié)特征,特征是否明顯直接影響了后續(xù)處理的目標(biāo)檢測和識別。傳統(tǒng)的匹配濾波成像方法,無法突破奈奎斯特采樣定律的限制,數(shù)據(jù)利用率低,產(chǎn)生較高的旁瓣影響了原始特征。而新興的壓縮感知類算法基于數(shù)據(jù)的稀疏特征進(jìn)行成像,一方面穩(wěn)健性和高效性有待提升,另一方面很難在處理過程中保護(hù)其他特征。鮮有的多元特征增強(qiáng)成像算法,也只是對多個特征處理進(jìn)行了簡單的算法級聯(lián),容易造成誤差傳播。因此,研究一種穩(wěn)健高效、能夠協(xié)同優(yōu)化多元特征的成像方法具有重要的現(xiàn)實意義。本文針對高分辨SAR成像中的多元特征增強(qiáng)問題,由原始二維波數(shù)域數(shù)據(jù)或預(yù)處理后的距離壓縮域數(shù)據(jù)出發(fā),在成像的同時設(shè)計合理的正則項表征不同先驗信息,利用對偶方法和拉格朗日思想提升求解的高效性與穩(wěn)健性,通過變量分解思想實現(xiàn)多元特征協(xié)同優(yōu)化,主要研究內(nèi)容如下:1.研究利用壓縮采樣數(shù)據(jù)進(jìn)行SAR成像與特征增強(qiáng)的問題。首先推...

【文章頁數(shù)】：106 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 課題背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 國外研究現(xiàn)狀
        1.2.2 國內(nèi)研究現(xiàn)狀
    1.3 關(guān)鍵問題和難點
    1.4 本文的主要工作
第二章 SAR信號模型及成像優(yōu)化框架
    2.1 回波信號模型
        2.1.1 靜止場景回波信號模型
        2.1.2 地面動目標(biāo)回波信號模型
        2.1.3 空中動目標(biāo)回波信號模型
    2.2 高分辨成像與協(xié)同優(yōu)化框架
        2.2.1 傳統(tǒng)雷達(dá)成像/壓縮感知/特征增強(qiáng)算法
        2.2.2 本文高分辨成像與協(xié)同優(yōu)化框架
    2.3 本文框架實驗驗證
        2.3.1 迭代收斂實驗
        2.3.2 相變分析
    2.4 本章小結(jié)
第三章 高分辨SAR成像點/塊稀疏特征增強(qiáng)
    3.1 點稀疏特征增強(qiáng)
        3.1.1 SAR成像點稀疏特征增強(qiáng)
        3.1.2 C-ADMM實驗驗證
        3.1.3 C-ADMM性能分析實驗
    3.2 塊稀疏特征增強(qiáng)
        3.2.1 SAR成像塊稀疏特征增強(qiáng)
        3.2.2 G-ADMM實驗驗證
    3.3 自適應(yīng)的形態(tài)特征增強(qiáng)
        3.3.1 形態(tài)學(xué)簡介
        3.3.2 形態(tài)自適應(yīng)稀疏特征增強(qiáng)
        3.3.3 AM-ADMM實驗驗證
    3.4 本章小結(jié)
第四章 SAR成像地物目標(biāo)方向紋理特征增強(qiáng)
    4.1 全變分理論
    4.2 地物目標(biāo)的方向紋理特征增強(qiáng)
    4.3 DT-ADMM實驗驗證
    4.4 本章小結(jié)
第五章 機(jī)載SAR成像聯(lián)合誤差自校準(zhǔn)
    5.1 運動誤差分析與最小熵準(zhǔn)則
        5.1.1 運動誤差分析
        5.1.2 最小熵準(zhǔn)則
    5.2 數(shù)據(jù)驅(qū)動的聯(lián)合誤差自校準(zhǔn)
    5.3 AC-ADMM實驗驗證
        5.3.1 仿真實驗
        5.3.2 實測數(shù)據(jù)實驗
    5.4 本章小結(jié)
第六章 總結(jié)與展望
致謝
參考文獻(xiàn)
作者簡歷



本文編號：3736356