论文部分内容阅读
阵列三维合成孔径雷达(Synthetic Aperture Radar,SAR)成像通过线阵天线沿航向直线运动合成等效的虚拟二维阵列天线,获得阵列方向的二维分辨率,然后结合脉冲压缩技术,在雷达视线方向获得高分辨率。此技术解决了传统二维SAR对地观测时存在的阴影遮挡、顶底倒置以及迎坡缩短等失真。由于受线阵天线尺寸的限制,阵列三维SAR阵列向分辨率不高。在三维场景中,目标具有很大的稀疏性,可以采用压缩感知技术对其进行非相关测量,再结合稀疏重构方法,提高三维阵列SAR阵列向的分辨率。本文的主要工作与创新内容如下:1、介绍了阵列SAR三维成像与压缩感知的理论模型、成像算法。介绍了线性调频信号,脉冲压缩,匹配滤波,阵列三维SAR成像几何与回波信号模型,三维BP成像等。从三个方面介绍了压缩感知理论:信号的稀疏表示、传感矩阵的构造和稀疏重构算法的设计。详细介绍了稀疏重构算法中的正交匹配追踪(Orthogonal Matching Pursuit,OMP)算法和基追踪(Basis Pursuit,BP)算法。2、在迭代加权最小二乘算法(Iteratively Reweighted Least Squares,IRLS)的基础上提出了一种新的稀疏重构的方法:基于双门限S型罚函数(Double-Threshold Sigmoid,DTHS)的正则化稀疏重构方法,根据范数的选择,分别有DTHS-1和DTHS-2。详细分析了DTHS-1与DTHS-2算法的收敛性,指出其收敛过程可以分为两个阶段。在迭代的初始阶段,DTHS-1算法退化为IRLS算法;DTHS-2算法退化为Tikhonov正则化算法;当迭代序列的非零元素大于上门限时,迭代进入DTHS阶段,这确保了解的无偏性。对DTHS算法中使用的参数进行分析和仿真实验,结果表明影响算法性能的主要参数是其惩罚函数的上门限值。与其它算法比较表明,DTHS算法比IRLS算法性能好;与OMP算法相比,它既适用于离散稀疏情况,也适用于连续稀疏情况。3、建立了阵列三维SAR稀疏分辨率增强的模型。分析了阵列三维SAR成像目标的稀疏性,根据雷达的距离压缩后的回波方程构建了阵列三维SAR成像的线性测量模型。介绍了两种降低测量矩阵维数并求解线性测量模型的解的建模方法:提取回波信号中的强目标的稀疏模型和基于阵列维分维稀疏模型。进行仿真实验,得出DTHS算法的稀疏分辨率增强能力;与传统的后向投影(Back Projection,BP)成像算法相比,DTHS算法具有分辨率增强和旁瓣抑制的效果。对数字高程图(Digital Elevation Model,DEM)进行重构的结果表明,DTHS算法效果比IRLS算法稍好,并且IRLS算法和DTHS算法的重建结果都比BP算法好。总之,本文的提出了DTHS正则化稀疏重构方法,并将其运用于阵列三维SAR图像稀疏分辨率增强,为阵列三维SAR图像增强提供了技术参考。