低秩场景与大场景下的微波凝视关联成像算法研究

摘要

基于时空两维随机辐射场的微波凝视关联成像分辨率不受天线孔径限制、能够实现对固定区的凝视成像，是最近几年兴起的一种新的雷达成像体制，具有非常重要的研究价值。该成像体制通过天线阵面的多个发射天线同时发射时空两维随机的辐射场，辐射场与成像区域目标相互作用，接收机接收包含有目标信息的回波，通过对回波和时空两维随机辐射场进行关联处理，获得目标的高分辨成像。本文主要针对低秩场景和大场景下微波凝视关联成像算法的研究。
　　论文首先对低秩场景下微波凝视关联成像算法进行了研究。介绍了微波凝视关联成像的数学模型，并结合模型分析了现有的微波凝视关联成像算法及其主要解决的问题，然后提出了两种针对低秩场景的关联成像算法:1）对回波和随机辐射场进行关联处理过程中同时加入低秩约束和总体变分正则化约束对低秩场景目标进行恢复。低秩约束利用了低秩场景低秩的先验信息，能够揭露隐藏在数据内部的结构冗余信息，总体变分正则化方法在图像去噪和纹理边缘保持方面有很好的效果，结合低秩约束和整体变分正则化约束能够同时利用场景的全局和局部信息。针对低秩约束提出一种比核范数更趋近于秩函数的非凸函数来近似秩函数，通过对参数的调整可以使整个求解问题是凸问题。通过仿真验证了该方法对低秩场景目标的成像的有效性。2）成像过程往往存在很多噪声，针对稀疏大噪声，在恢复过程中对场景目标进行低秩稀疏分解，将场景矩阵分解为一个包含场景目标结构信息的低秩矩阵和一个稀疏噪声矩阵，关联处理过程中结合总体变分方法同时优化低秩和稀疏部分，能够有效地从含有稀疏噪声的观测矩阵中恢复场景目标。对稀疏噪声影响的目标进行成像仿真，结果表明该方法有很好的恢复效果。
　　其次，研究了大场景下微波凝视关联成像算法。针对大场景成像方程规模大、难以求解的问题，利用多重网格的处理方法对成像方程进行预处理，将大规模成像方程分解到不同大小的网格空间上进行处理，在同一层上进行光滑迭代消除成像方程中的高频误差，在不同层之间进行迭代消除成像方程中的低频误差。在最粗网格采用比其他共轭梯度算法解决病态大型方程更有效的Least square QRfactorization(LSQR)算法来获得更为精确的初始解。仿真表明该方法针对大场景成像，不仅能够提高成像分辨率而且缩短了成像时间，能够实现对大场景的快速高分辨成像。

目录

声明

摘要

图表目录

第1章 绪论

1．1 研究背景和意义

1．2 研究历史和发展现状

1．2．1 传统微波凝视成像的发展

1．2．2 微波凝视关联成像的发展

1．3 论文的主要工作和章节安排

第2章 微波凝视关联成像模型

2．1 微波凝视关联成像基本原理

2．2 现有的微波凝视关联算法

2．3 恢复效果评价指标

2．4 本章小结

第3章 微波凝视关联成像低秩场景算法研究

3．1 引言

3．2 基于非凸低秩和总体变分低秩场景算法研究

3．2．1 低秩约束

3．2．2 总体变分正则化方法

3．2．3 基于非凸低秩和总体变分正则化成像算法

3．2．4 仿真结果

3．3 基于低秩稀疏分解和总体变分低秩场景算法研究

3．3．1 低秩稀疏分解模型介绍

3．3．2 基于低秩稀疏分解与总体变分正则化低秩场景算法

3．3．3 仿真分析

3．4 本章小结

4．1 引言

4．2 基于多重网格方法和LSQR的大场景成像算法

4．2．1 多重网格方法简介

4．2．2 Least Square QR-factorization(LSQR)介绍

4．2．3 基于多重网格和LSQR的大场景关联成像算法

4．2．4 仿真分析

4．3 本章小结

第5章 结束语

5．1 论文工作总结

5．2 后续工作展望

参考文献

致谢

在读期间发表的学术论文与取得的其他研究成果