压缩感知窄带自旋目标雷达成像

对于高速自旋目标而言,为了获得聚焦效果良好的图像,通常要求雷达系统具有较高的脉冲重复频率(PRF)。当PRF不满足采样要求时,雷达接收到的通常是方位欠采样的回波数据,从而影响目标识别。本文根据压缩感知理论,结合自旋目标回波信号稀疏性的特点,建立方位欠采样的成像模型,并提出了基于压缩采样匹配追踪的窄带雷达高速自旋目标成像算法。该算法在对信号进行重构迭代中,采用回退策略,并结合回波信号稀疏性的具体参数,选取最优的支撑集,提高了算法的重构质量。仿真实验表明新算法在回波欠采样的情况下能很好地重构图像,尤其是在低信噪比的情况下。采用"误选数"和"均方误差"两个指标对CoSaMP算法重建信号的性能进行评价,结果表明该算法受雷达PRF和信噪比SNR的影响较小,算法稳定性好。     

基于NSWT模极大值的PSF估计

大气湍流扰动严重影响了空间目标的观测、成像和识别。在目标图像的重建过程中,对成像系统和大气条件先验知识的缺乏使PSF(Point Spread Function)的估计成为解决病态问题的重要内容。在NSWT(Non-Subsampled Wavelet Transform)和Fried参数的理论基础上,根据不同尺度下小波变换模极大值和高斯点扩散函数方差的关系,结合Fried参数提出一种新的估计方法,即基于非抽取小波变换模极大值的PSF估计算法。实验结果证明,该估计算法是确实可行的,重建的PSF能够有效地改善因受大气湍流影响的图像解卷积的效果。     

一种遥感影像超分辨率重建的稀疏表示建模及算法

为了对单幅低分辨率遥感影像的空间分辨率进行增强,提出了一种基于稀疏表示的超分辨率重建方法。该方法首先采用优化最小化方法学习高-低分辨率联合字典对,通过构造一个参数互相解耦的易于优化的代理函数,替代原来的参数互相耦合难以优化的目标函数,保证每一次迭代求解的值在局部范围内最优。然后,将学习的字典对用以指导其他低分辨率遥感影像的超分辨率重建。实验表明,与传统的插值方法相比,本研究算法在客观的评价指标上具有一定的提高,在主观的视觉效果上也取得一些改善,可为任意区域的单幅低分辨率遥感影像的超分辨率重建提供有用的高频细节信息,具有一定的普适性。     

基于导向滤波与迭代反向投影的遥感影像超分辨率重建

针对单帧遥感影像采取迭代反投影方法进行超分辨率重建时,重建图像的强边缘存在锯齿效应,在分析了导向滤波算法原理后,本文提出了一种将上述算法引入迭代过程来处理图像误差的方法,以进一步提升图像的高频信息,提高图像的重建质量。选取同时间不同地物的遥感影像作为实验数据,实验结果表明,本文重建的结果与双三次插值方法、边缘导向插值方法和迭代反投影方法相比,在客观评价指标上均有提高,改善了重建影像的纹理细节。本文提出的超分辨率重建方法,可以使重建影像提供更多的高频信息,具有较好的稳定性和鲁棒性。     

多尺度字典学习的高光谱图像压缩算法

结合小波变换及字典学习提出了一种针对高光谱图像的压缩算法。该算法首先通过小波变换构建多尺度样本集,在小波域使用K-均值奇异值分解(K-SVD)方法学习得到原子尺寸不同的多尺度字典,然后在稀疏表示的过程中,定义一个原子使用频次筛选因子,通过统计局部最优波段稀疏表示时原子使用情况,结合筛选因子对字典原子进行优化筛选,使用精简后的字典对其余波段进行稀疏求解,最后针对不同尺度的表示系数采用自适应的量化编码。实验结果表明,与目前常用的3D-SPIHT和其他的多尺度字典学习算法相比,本文算法在中低比特率下,具有更好的重建性能。     

运用迭代FFT算法优化平面稀疏阵列

介绍了一种基于迭代FFT算法的优化方法来实现平面稀疏阵列的峰值旁瓣电平优化,给出了详细的优化步骤。在给定的旁瓣约束条件下,利用阵列因子与阵元激励之间存在的傅里叶变换关系,对不同的初始随机阵元激励分别进行迭代循环,可以降低稀疏阵列的旁瓣电平。在迭代过程中,根据稀疏率将阵元激励按幅度大小置1、置0来完成阵列稀疏。仿真实验证明了该方法的高效性和稳健性。     

一种基于改进Keren空域配准方法的Papoulis-Gerchberg超分辨率重建

详细介绍Keren亚像素配准算法及其不足,提出Keren算法及其迭代算法的改进算法。该算法基于简化的四参数仿射变换模型而不是传统的刚体变换模型,成功避免了Keren算法因为角度的泰勒级数展开所带来的误差,大大提高了配准精度。实验仿真结果表明该算法与Keren迭代算法相比角度绝对误差有非常显著的降低。最后采用Papoulis-Gerchberg算法进行序列图像的高分辨率重建,实验仿真结果表明基于这种改进配准算法的超分辨率重建效果有较好的提高。     

改进的高光谱解混初始化方法及其适用性分析

高光谱影像中存在大量的混合像元,极大地限制了高光谱影像的定量应用,高效且精准地进行像元解混尤为重要。端元矩阵的初始化、算法本身的代价函数及其迭代规则,三者的不同往往会导致获取的最终端元光谱和端元丰度的不同。在不同条件下,选取适当的初始化方法、代价函数和迭代规则,使得高光谱解混结果更优尤为重要。本文改进了一种基于欧氏距离和光谱信息散度的分块初始化方法(IBISS),改进后方法在中低信噪比情况下优于其他初始化方法。同时针对初始化、算法本身这两个方面进行大量试验,结果表明:①分块初始化优于全局初始化;②梯度迭代NMF算法相比于乘性迭代NMF算法,具有更快的收敛速度,但容易陷入局部最小值;③乘性迭代分块NMF算法相比于乘性迭代标准NMF算法能够获取更好的端元丰度信息;④梯度迭代分块NMF算法不适用于随机初始化后的光谱解混过程。     

多尺度分形压缩感知遥感成像方法

针对压缩感知(compressive sensing,CS)在遥感成像应用中存在的若干瓶颈,提出一种基于多尺度透镜组的分形压缩感知成像方法。一方面,通过多尺度透镜组避免了基于稀疏表示的CS成像方式在大视场角观测条件下出现海量运算开销的问题;另一方面,运用分形维度代替l1范数最小化作为求解CS成像问题中的目标函数,实现了中、高分辨率遥感成像在图像细节水平上的质量提升。试验表明,多尺度分形压缩感知成像方法与传统CS成像相比,不仅能达到遥感成像的时效性要求,而且其细节层次上的成像质量也大幅提高。     

大型稀疏法方程组的代数多重网格解法

测量平差中经常会遇到大型稀疏法方程组的求解。传统的线性方程组迭代解法能够很快平滑误差分量中的高频分量;但对于低频分量衰减很慢。代数多重网格算法通过建立多重网格,并在不同的网格层上分别处理高低频误差分量,将所有层相互协调起来求解同一问题。这对于大规模稀疏线性方程组的求解,具有高效性。这里介绍了代数多重网格算法,并进行了改进,得到了AMG-CG算法。数值算例表明,代数多重网格算法(AMG)以及改进的AMG-CG算法对求解大型稀疏法方程组具有高效性和数值稳定性,改进后的AMG-CG算法在计算效率上进一步提高,对于大型稀疏法方程组的求解是可行有效的算法。     

联合稀疏约束的双通道星载SAR图像重建

摘 要：针对提高星载SAR图像质量的问题,研究双通道星载SAR图像重建模型。由目标散射中心理论和后向散射特性分析,得出SAR图像具有稀疏特性,并且能够用确定性稀疏先验约束表达。将稀疏特性先验从单幅机载SAR图像处理问题中推广引入到两幅星载SAR图像重建问题中,提出基于散射中心稀疏和强散射梯度的双通道正则化重建模型,并采用椭圆抛物面模型估计重建中的降质矩阵,用双下降求解方法求解重建模型。并用Cosmo-SkyMed数据进行了实验验证。实验表明,该重建模型能够提高SAR图像的距离向和方位向分辨率,改善图像质量,提高解译能力。     

多波段高分辨率星载合成孔径雷达成像处理方法研究

星载合成孔径雷达（SAR）是一种工作在微波波段的主动式遥感器,它综合运用合成孔径技术、脉冲压缩技术和数据处理技术,采用较短的天线就能够获得方位和距离两个方向的高分辨率雷达图像。研制星载SAR系统的目的是获得具有一定测绘带宽和一定分辨率的地面目标图像,传统SAR模式不能同时满足高分辨率及较宽测绘带的要求。本文主要研究了多...     

稀疏场景目标的距离像峰值聚类分割成像方法

针对海面舰船等具有一定空间稀疏性的合成孔径雷达成像场景,提出了一种稀疏场景目标的距离像峰值聚类分割成像方法。首先采用小波降噪算法对SAR原始回波数据进行预处理,通过距离压缩和距离徙动校正获得不同观测位置的距离像,利用基于二阶差分算子的快速峰值检测算法检测距离像峰值点,对峰值检测结果距离维聚类后方位向成像,实现了距离向能量区间稀疏目标的分割成像;对峰值检测结果距离-方位二维聚类后方位向成像,实现了距离向能量区间与方位向合成孔径时间无耦合稀疏目标的分割成像。仿真结果表明,对海面舰船等具有空间稀疏性的成像场景,所提方法能够实现目标的有效分割成像,不仅在完整保留目标回波信息的同时大幅度地降低了方位向压缩的运算量,而且分割成像结果更有利于目标的快速识别。     

SAR稀疏成像模型参数自适应选择

合成孔径雷达(SAR)稀疏成像模型中的参数选择对于SAR稀疏成像的性能有重要影响,也是当前SAR稀疏成像研究中的难点问题。已有参数选择方法普遍存在适用于个别模型或者运算量大的缺点。基于最大后验概率估计和贝叶斯推理,提出了一种无需额外先验信息的自适应参数选择方法,所有需要的参数都可从已知的数据中获取。通过推导得到模型参数与信号、噪声方差的关系,避免了对数据进行一系列的训练处理,因此极大地减小了计算量。仿真数据和实测数据处理表明,本文方法在实现了较为精确的参数优化选择的前提下,其计算量远低于贝叶斯信息论准则、L-曲线等已有参数选择方法。     

2D Superresolution ISAR Imaging via Temporally Correlated Multiple Sparse Bayesian Learning

In inverse synthetic aperture radar (ISAR) imaging, the image resolution is always limited by the bandwidth and the observation time. Sparse recovery (SR) is recently proposed to improve the range resolution or cross-range resolution effectively. However, for the two dimensional superresolution case, a SR-induced range cell migration (RCM) occurs among the High-Resolution Range Profiles (HRRPs) and definitely degrades the ISAR image. After that translational motion compensation is completed, the common sparsity of HRRPs is exploited to suppress the RCM in this paper. Furthermore, by taking the temporal correlation of HRRPs into account, an ISAR imaging method based on temporally correlated Multiple Sparse Bayesian Learning is proposed to improve the imaging quality. Simulated data and real data results demonstrate the effectiveness of the proposed method.     

余弦调相散射波干扰对SAR双通道对消干扰抑制的影响

作为多通道合成孔径雷达(SAR)的一种高效便捷的抗干扰方法,SAR多通道对消技术可有效抑制包括散射波干扰在内的多种干扰类型,于是提出采用方位向余弦调相散射波干扰方法来对抗SAR双通道对消的干扰抑制能力。该方法通过对传统散射波干扰慢时间域进行余弦调相,不仅实现了干扰信号的方位向扩展,更使得干扰信号到达各通道之间的相位关系发生严重改变。这种相位差变化会影响干扰对消过程中的自动相位搜索环节,扰乱对消时所需补偿相位的估计结果,进而严重破坏对消后的真实场景成像。以SAR双通道对消系统为例分析了该干扰方法的影响效果,理论分析与实验结果表明:余弦调相散射波干扰可使得补偿相位的估计结果在慢时间上近似正弦分布;在双通道对消成像中,该干扰使得真实场景在方位向上被重复搬移,造成严重的影像重叠,同时在方位向上伴随着密集的明暗条纹;干扰效果可通过设定余弦调制频率、调制指数等参数进行控制。     

Adaptive inverse synthetic aperture radar imaging for nonuniformly moving targets

A novel adaptive inverse synthetic aperture radar (ISAR) imaging technique is proposed for targets with nonuniform motion. The proposed algorithm is referred to as the generalized range-Doppler (GRD) ISAR imaging technique and is based on the fractional Fourier transform (FRFT). By utilizing this technique, clear ISAR imaging can be achieved for nonuniformly moving targets without involvement of complex motion compensation. Simulation results have proved that the new algorithm is robust and also computationally efficient as compared with previously reported algorithms such as joint time-frequency (JTF) imaging.     

双通道SAR振动目标快速检测

目标的振动会对雷达回波产生特殊的相位调制，称为微多普勒效应，能够提供对微动目标检测的有利信息，因此对提高SAR(Synthetic Aperture Radar)系统性能具有重要意义。然而，已有的检测算法存在运算量大、抗杂波噪声能力弱和无法适应多振动目标等问题。针对这些问题，本文提出一种对振动目标检测的新算法。该算法利用相位中心天线偏置DPCA(Displaced Phase Center Antenna )对消技术消除杂波，并沿方位向累加DPCA信号来提高算法的抗噪声能力。由于振动目标SAR方位回波的频谱与脉冲序列具有高度相似性，本文算法选择了检测重复脉冲序列的脉冲重复频率PRI(Pulse Repetition Interval )变换法来实现振动目标的检测。仿真实验表明，本文算法能够在强杂波噪声条件下检测振动目标，同时具有准确振动频率估计性能，甚至当同一个单元存在多个振动目标时，本文算法依然适用。仿真中振动目标检测的计算机运行总时间不超过0.6 s，说明本文算法适用于实时检测，通过与GLRT算法和Hough变换算法运算量的比较，证明了本文算法相比于经典算法具有运算量小，检测速度快的优点。     

Three-Dimensional ISAR Imaging Using a Two-Dimensional Sparse Antenna Array

Conventional antenna array 3-D inverse synthetic aperture radar (ISAR) imaging method does imaging by first carrying out ISAR imaging for all the different antennas and then using array direction of arrival (DOA) estimation on every scatterer to get the position of that scatterer. The aperture formed by the target's motion is used to separate the scatterers, and the antenna array aperture is used for position measurement. In this letter, a 3-D imaging method based on a combination of sparse array beamforming and ISAR imaging is proposed, where 3-D images are formed by space-time match filtering. The estimation of the target's rotation parameters is also given. Simulation results have shown the effectiveness of the proposed methods.      

一种基于曲线SAR的三维目标特征提取与自聚焦新算法

曲线合成孔径雷达（Curvilinear Synthetic Aperture Radar,简称曲线SAR）是一种新的三维成像模式，通过让载机作曲线飞行，曲线SAR系统能同时在方位维和高度维形成大的合成孔径。本文提出一种曲线SAR的三维目标特征提取和自聚焦新方法。新方法是建立在一种灵活的接收数据模型之上的参数化的新方法。仿真实验证明了所提方法的有效性。