低信噪比下穩(wěn)健壓縮感知合成孔徑成像.pdf

1、傳統(tǒng)距離多普勒(Range-Doppler，RD)成像算法，其成像分辨率與點(diǎn)擴(kuò)散函數(shù)的主瓣寬度有關(guān)，受信號(hào)帶寬的制約。通常情況下，需要通過增大發(fā)射信號(hào)帶寬來實(shí)現(xiàn)距離高分辨，同樣方位分辨率的提高決定于方位維多普勒帶寬，而通常帶寬的增加又會(huì)增大雷達(dá)回波數(shù)據(jù)率，給數(shù)據(jù)的存儲(chǔ)和傳輸帶來了困難。近年來壓縮感知(Compressive Sensing，CS)理論在高分辨雷達(dá)成像領(lǐng)域得到了廣泛關(guān)注。針對(duì)CS理論在雷達(dá)信號(hào)中的應(yīng)用，首先要分析雷達(dá)信號(hào)的

2、特征，構(gòu)造相應(yīng)的稀疏基矩陣，從而實(shí)現(xiàn)雷達(dá)信號(hào)的稀疏表示；其次利用觀測矩陣的設(shè)計(jì)原則，對(duì)回波數(shù)據(jù)進(jìn)行隨機(jī)觀測，降低雷達(dá)信號(hào)采集數(shù)據(jù)率；最后利用雷達(dá)信號(hào)稀疏性的先驗(yàn)知識(shí)，通過逆問題求解，消除點(diǎn)擴(kuò)散函數(shù)的影響，得到高分辨SAR圖像。
　　 根據(jù)雷達(dá)信號(hào)稀疏性的先驗(yàn)知識(shí)，基于CS理論成像模型的優(yōu)劣在一定程度上取決于對(duì)信號(hào)稀疏性的表示方法。眾所周知，l0范數(shù)是信號(hào)稀疏性的最佳表示，然而l0范數(shù)稀疏約束下的成像模型難以求解，通常用求解算法比

3、較成熟的l1范數(shù)成像模型取代l0范數(shù)成像模型，然而由于基于l1范數(shù)的成像模型無法充分挖掘信號(hào)的稀疏性，因此在重建過程中無法實(shí)現(xiàn)對(duì)待重構(gòu)系數(shù)的等權(quán)值約束，進(jìn)而導(dǎo)致在信噪比較低時(shí)，噪聲分布的不稀疏性會(huì)嚴(yán)重影響目標(biāo)信息的重建，使成像結(jié)果中會(huì)出現(xiàn)大量虛假目標(biāo)，成像性能急劇下降。
　　 為此，Candès提出了更加逼近l0范數(shù)的加權(quán)l(xiāng)1范數(shù)成像模型。本文在深入分析了加權(quán)l(xiāng)1范數(shù)成像模型的基礎(chǔ)上，提出了一種更加穩(wěn)健的適用于含噪模式下的高分辨