基于压缩感知的阵列SAR三维成像方法研究

摘要

阵列SAR三维成像系统是在传统的SAR二维成像系统上发展起来的，作为一种新的雷达成像系统，阵列SAR三维成像系统采用正下视模式，克服了传统SAR二维成像系统遇到的阴影效应以及空间模糊的问题，对高山峡谷、城市街区等地形剧烈起伏的区域进行成像时获得的图像效果良好。然而，传统的SAR成像算法的理论分辨率受到了瑞利限的限制，图像的旁瓣较高、主瓣较宽，雷达图像的分辨率再难得到进一步的提升。目前出现了超分辨的成像方法，能够获得超过传统成像方法理论分辨率的分辨率，其中有两条主要的技术途径：基于谱估计的方法和基于压缩感知的方法。基于压缩感知的方法要求场景满足稀疏条件，在三维成像领域中目标往往是稀疏的，恰恰满足了这一条件。本文主要研究了基于压缩感知理论的阵列SAR三维成像方法，有效的抑制雷达图像的旁瓣，减少了主瓣的宽度，得到了分辨率很高的图像，主要工作内容和创新有：
　　1.简述了线性阵列SAR三维成像系统的三种工作模式以及其距离历史方程，介绍了两种传统的阵列SAR三维成像方法并指出其缺点，阐述了压缩感知基本理论，分析了三维目标的稀疏性，指出了在阵列SAR三维成像系统中应用压缩感知理论是可行的，推导了线性阵列SAR三维成像系统的线性观测模型。
　　2.将稀疏驱动自聚焦(SDA)方法应用于线性阵列SAR三维成像系统中，研究了基于SDA的线性阵列SAR三维成像方法。SDA算法将图像重构问题转化为约束最优化问题，通过迭代方式不断的进行图像估计并修正感知矩阵。通过仿真实验验证了基于SDA的线性阵列SAR三维成像方法的可行性，证实了SDA算法获得的图像的旁瓣低，主瓣窄。
　　3.在SDA算法的基础上，提出了加权稀疏驱动自聚焦(WSDA)算法。WSDA采用加权 L1范数约束最优化代价函数，详细推导了求解WSDA最优化问题的过程，通过仿真实验证实了WSDA算法的可行性、自聚焦能力以及超分辨能力，证明了WSDA算法相对于SDA算法的优势，能更好的将能量聚集起来，降低旁瓣，减少主瓣的宽度。
　　4.提出了门限正交匹配追踪(TOMP)算法。在OMP算法的基础上，TOMP算法在进行信号相关估计时设置一个噪声门限，当这个估计值小于这个门限时终止迭代，不必像OMP算法那样需要预设算法稀疏度。在雷达成像领域中，通常不能确知目标场景的真实稀疏度，OMP算法常常预设一个较大的稀疏度，而TOMP算法不需要预设算法稀疏度，有效的减少了算法迭代的次数，不会将目标场景中旁瓣重构出来。通过仿真实验验证了在阵列SAR中应用TOMP算法的可行性，证明了TOMP算法相对于OMP算法的优势。
　　5.将BCS和GP算法应用于阵列SAR三维成像领域中，通过仿真实验验证了在阵列SAR中应用BCS以及GP算法的可行性。分析指出在不能准确预知观测场景稀疏度的雷达领域中，CoSaMP以及 SP算法失效。通过仿真验证了 WSDA和TOMP抗燥性最强，GP和BCS其次；在高信噪比情况下，超分辨能力BCS最强，其次为 WSDA，TOMP和 GP算法最弱；算法效率 TOMP和 BCS最高，其次是GP，WSDA最低。

目录

封面

声明

中文摘要

英文摘要

目录

第一章 绪论

1.1 研究背景及意义

1.2 国内外研究概况及动态

1.3 本文的结构安排

第二章 阵列SAR三维成像理论及压缩感知基本原理

2.1 引言

2.2 阵列SAR三维成像系统

2.3 传统阵列SAR三维成像方法

2.4 压缩感知基本原理

2.5 阵列SAR的线性观测模型

2.6 本章小结

第三章 基于稀疏驱动自聚焦的SAR成像方法研究

3.1 引言

3.2 基于稀疏驱动自聚焦的SAR成像方法研究

3.3 基于加权稀疏驱动自聚焦的SAR成像方法研究

3.4 算法比较

3.5 本章小结

第四章 基于稀疏重构算法的SAR成像方法研究

4.1 引言

4.2 基于门限正交匹配追踪(TOMP)的阵列SAR三维成像方法

4.3 基于BCS的阵列SAR三维成像方法

4.4 基于GP的阵列SAR三维成像方法

4.5 稀疏重构算法的性能分析

4.6 本章小结

第五章 总结与展望

致谢

参考文献

攻硕期间取得的研究成果