本文關(guān)鍵詞：基于分?jǐn)?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(dá)(Synthetic aperture radar,SAR)作為一種全天時(shí)、全天候、遠(yuǎn)距離、主動(dòng)式觀測(cè)系統(tǒng),在國(guó)防和民用領(lǐng)域均具有重大實(shí)用價(jià)值并發(fā)揮著重要作用。分辨率對(duì)表征被觀測(cè)目標(biāo)極其重要,隨著實(shí)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(dāng)今的研究熱點(diǎn)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(hào)處理理論的高分辨率SAR成像體制,存在著雷達(dá)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(chǔ)、傳輸難以實(shí)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(jìn)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(yùn)用遠(yuǎn)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(hào)。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(duì)基于壓縮感知的SAR成像理論與算法進(jìn)行了較為深入的研究,主要的貢獻(xiàn)及創(chuàng)新性成果如下:1.提出了基于分?jǐn)?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(hào)的稀疏性和觀測(cè)不相關(guān)性(或感知矩陣滿足約束等距性)是壓縮感知依賴的兩條準(zhǔn)則。首先,針對(duì)發(fā)射線性調(diào)頻信號(hào)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(jiǎn)化分?jǐn)?shù)階傅里葉矩陣非常符合回波信號(hào)特征,回波在簡(jiǎn)化分?jǐn)?shù)階傅里葉域的表征非常稀疏;在此基礎(chǔ)上推導(dǎo)出回波在簡(jiǎn)化分?jǐn)?shù)階傅里葉域的稀疏表征,該表征具有實(shí)際物理意義,即回波在簡(jiǎn)化分?jǐn)?shù)階傅里葉域的稀疏表征就是場(chǎng)景在該域的距離像。其次,分析回波稀疏表征矩陣  逆簡(jiǎn)化分?jǐn)?shù)階傅里葉矩陣與隨機(jī)高斯矩陣、部分單位矩陣、部分傅里葉矩陣和部分哈達(dá)瑪矩陣這四種隨機(jī)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(jiǎn)化分?jǐn)?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(jī)矩陣的乘積矩陣具有良好的RIP;比較了隨機(jī)抽取的逆簡(jiǎn)化分?jǐn)?shù)階傅里葉矩陣和隨機(jī)抽取的另兩個(gè)CS-SAR中常用的稀疏表征矩陣  SAR對(duì)地觀測(cè)矩陣和時(shí)域匹配濾波矩陣的RIP,比較結(jié)果表明隨機(jī)抽取的逆簡(jiǎn)化分?jǐn)?shù)階傅里葉矩陣較另外兩個(gè)隨機(jī)抽取矩陣有更好的RIP,更有利于重構(gòu)稀疏信號(hào)。然后,提出基于分?jǐn)?shù)階傅里葉變換的距離向應(yīng)用壓縮感知技術(shù)的SAR成像算法。通過仿真數(shù)據(jù)對(duì)所提算法進(jìn)行檢驗(yàn),并在不同信噪比情況下,分析觀測(cè)矩陣類型及觀測(cè)數(shù)據(jù)量對(duì)成像結(jié)果的影響,為不同觀測(cè)矩陣在不同條件下的應(yīng)用提供參考;最后將所提算法應(yīng)用于radarsat-1實(shí)測(cè)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?jǐn)?shù)階傅里葉變換的二維降數(shù)據(jù)量cs-sar成像算法。為進(jìn)一步降低數(shù)據(jù)量,在距離向和方位向均應(yīng)用壓縮感知技術(shù)。在重構(gòu)模型方面,若二維矩陣形式觀測(cè)信號(hào)和待重構(gòu)場(chǎng)景按行或按列被拉直成向量形式,構(gòu)建與之對(duì)應(yīng)的稀疏表征矩陣和觀測(cè)矩陣,采用cs技術(shù)重構(gòu)場(chǎng)景,則稀疏表征矩陣和觀測(cè)矩陣維數(shù)過大,所需存儲(chǔ)和計(jì)算負(fù)擔(dān)巨大;若信號(hào)不被拉直進(jìn)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(dòng)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(dòng),致使成像質(zhì)量差。為高質(zhì)量成像,提出考慮距離徙動(dòng)的基于分?jǐn)?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(shè)計(jì)方位向觀測(cè)矩陣,使得距離徙動(dòng)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(gè)級(jí)聯(lián)的一維壓縮感知重構(gòu)的中間步驟,通過基于簡(jiǎn)化分?jǐn)?shù)階傅里葉變換的參考函數(shù)乘和chirp-z變換得以方便實(shí)現(xiàn)。然后,對(duì)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(hào)模型、重構(gòu)模型、感知矩陣大小及算法計(jì)算復(fù)雜度等方面做出比較。實(shí)驗(yàn)驗(yàn)證所提算法的有效性和其對(duì)稀疏度的穩(wěn)健性,并針對(duì)算法存儲(chǔ)負(fù)擔(dān)、計(jì)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(jìn)行仿真對(duì)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(chǔ)空間實(shí)現(xiàn)高質(zhì)量成像。將所提算法和現(xiàn)有忽略距離徙動(dòng)的二維降數(shù)據(jù)量cs-sar成像算法應(yīng)用于radarsat-1實(shí)測(cè)數(shù)據(jù),對(duì)不同稀疏度和動(dòng)態(tài)范圍的場(chǎng)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(duì)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(tái)的實(shí)際運(yùn)動(dòng)與理想運(yùn)動(dòng)之間存在的偏差、對(duì)平臺(tái)運(yùn)動(dòng)速度的測(cè)量誤差以及大氣環(huán)境對(duì)雷達(dá)電磁波的干擾等,都會(huì)導(dǎo)致理想模型與實(shí)際接收信號(hào)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(duì)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(jì)算效率。首先,建立矩陣型聯(lián)合cs-sar成像與自聚焦數(shù)學(xué)模型。其次,針對(duì)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(jì)兩步之間進(jìn)行循環(huán)迭代。然后,推導(dǎo)估計(jì)相位誤差的解析表達(dá)式,并針對(duì)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(shí)驗(yàn),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(jì)算效率、抗噪和容錯(cuò)能力等方面進(jìn)行比較,實(shí)驗(yàn)結(jié)果表明,ReSL0重構(gòu)算法具有比原始SL0重構(gòu)算法更強(qiáng)的抗噪和容錯(cuò)能力。在仿真數(shù)據(jù)和實(shí)測(cè)數(shù)據(jù)上檢驗(yàn)SL0、ReSL0和MReSL0重構(gòu)算法應(yīng)用于所提矩陣型聯(lián)合CS-SAR成像與自聚焦中的實(shí)際效果,結(jié)果表明所提重構(gòu)算法應(yīng)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(guān)鍵詞】：合成孔徑雷達(dá) 成像算法 壓縮感知 稀疏表征 分?jǐn)?shù)階傅里葉變換 自聚焦
【學(xué)位授予單位】：北京理工大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2015
【分類號(hào)】：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(guó)內(nèi)外研究現(xiàn)狀18-29
• 1.2.1 SAR成像技術(shù)18-21
• 1.2.2 CS-SAR成像技術(shù)的發(fā)展21-29
• 1.3 本文研究?jī)?nèi)容及章節(jié)安排29-32
• 第2章 基于分?jǐn)?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(hào)的分?jǐn)?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(shí)驗(yàn)驗(yàn)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(shí)測(cè)數(shù)據(jù)結(jié)果51-53
• 2.4 本章小結(jié)53-56
• 第3章 基于分?jǐn)?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(shí)驗(yàn)驗(yàn)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(shí)測(cè)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(hào)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(shí)驗(yàn)驗(yàn)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(shí)驗(yàn)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(xiàn)108-110
• 5.2 進(jìn)一步工作展望110-112
• 參考文獻(xiàn)112-124
• 攻讀學(xué)位期間發(fā)表論文與研究成果清單124-126
• 致謝126-128
• 作者簡(jiǎn)介128

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫 前1條

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

中國(guó)博士學(xué)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(xué);2012年

  本文關(guān)鍵詞：基于分?jǐn)?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(hào)：502315