基于壓縮感知的合成孔徑雷達(dá)相關(guān)技術(shù)的研究.pdf

1、壓縮感知是近年來(lái)新興的一種數(shù)字信號(hào)處理理論，在一定條件滿足的情況下，壓縮感知方法可通過(guò)遠(yuǎn)低于Nyquist頻率的降采樣數(shù)據(jù)以髙概率近乎完美的重建原始信號(hào)，從而可在一定程度上降低整個(gè)系統(tǒng)前端的數(shù)據(jù)率甚至是采樣率。壓縮感知的理論為數(shù)據(jù)的采集與獲取帶來(lái)的革命性的變革，因此具有非常重要的實(shí)際意義。本文對(duì)壓縮感知的測(cè)量矩陣進(jìn)行了研究，在合成孔徑雷達(dá)成像的應(yīng)用中引入了壓縮感知的理論與方法，并重點(diǎn)研究了一維距離像上呈現(xiàn)線狀特征的目標(biāo)的基于壓縮感知的處

2、理方法。
　　 論文前兩章對(duì)壓縮感知的基本原理進(jìn)行了整體的介紹和綜述，針對(duì)壓縮感知處理過(guò)程的三個(gè)重要方面:信號(hào)稀疏性、測(cè)量矩陣和恢復(fù)算法，分別展開了討論，并簡(jiǎn)要介紹了各種常用的稀疏域、測(cè)量矩陣以及恢復(fù)算法。
　　 第三章研究的內(nèi)容是壓縮感知的測(cè)量矩陣。首先介紹了幾種在壓縮感知的研究及應(yīng)用中常見的測(cè)量矩陣，并根據(jù)測(cè)量矩陣所需滿足的性質(zhì)對(duì)給出的8種測(cè)量矩陣中列的相關(guān)性進(jìn)行了研究。然后通過(guò)仿真給出各種測(cè)量矩陣的測(cè)量數(shù)-重建概率

3、關(guān)系圖，由此更深入的比較了各測(cè)量矩陣的性能。最后分別根據(jù)實(shí)際存儲(chǔ)、計(jì)算以及性能改善的需要，提出了幾種測(cè)量矩陣的改進(jìn)結(jié)構(gòu)，并通過(guò)仿真實(shí)驗(yàn)驗(yàn)證了每種結(jié)構(gòu)的性能。
　　 第四章從恢復(fù)算法的角度給出了測(cè)量矩陣建議滿足的一條性質(zhì)。首先，介紹了壓縮感知方法最為經(jīng)典的正交匹配追蹤算法，并從算法恢復(fù)的角度對(duì)恢復(fù)矩陣提出了要求，接著根據(jù)恢復(fù)矩陣與測(cè)量矩陣的關(guān)系推導(dǎo)出了可提升性能的二值化測(cè)量矩陣，并通過(guò)仿真實(shí)驗(yàn)給出了處理前后的性能對(duì)比。二值化的測(cè)量

4、矩陣不僅在性能上有所提升，而更為重要的是在很大程度上節(jié)省矩陣存儲(chǔ)的空間，因而具有重大的實(shí)際意義。
　　 第五章引入了一種基于壓縮感知的合成孔徑雷達(dá)成像流程，并重點(diǎn)研究了該成像流程的抗噪性能。首先，將合成孔徑雷達(dá)回波的數(shù)學(xué)模型表達(dá)成線性方程組的形式，并在場(chǎng)景稀疏的條件下將壓縮感知理論引入合成孔徑雷達(dá)成像。然后，采用距離向壓縮感知，方位向匹配濾波的數(shù)據(jù)處理流程完成成像的數(shù)據(jù)處理。實(shí)驗(yàn)結(jié)果證明該數(shù)據(jù)處理流程既有不錯(cuò)的抗噪性，又可降低距

5、離向旁瓣，同時(shí)還能在很大程度上減少數(shù)據(jù)量。
　　 第六章在一維距離向的數(shù)據(jù)處理中給出了一種基于一維距離像呈線狀特征的目標(biāo)的稀疏域，并提出了相應(yīng)的自適應(yīng)恢復(fù)算法。所提稀疏域使得所求問(wèn)題更加稀疏，同時(shí)相對(duì)于傳統(tǒng)稀疏域可較好地解決線狀特征目標(biāo)的情況。然而該稀疏域所需有關(guān)目標(biāo)的信息太多，難以實(shí)用，因此為緩解此困難，本文又提出了一種自適應(yīng)的恢復(fù)算法。通過(guò)利用每次恢復(fù)結(jié)果中所包含的匹配信息對(duì)稀疏域進(jìn)行修正，從而找到更為合適的稀疏域，并完成問(wèn)