论文部分内容阅读
压缩感知理论表明稀疏或可压缩信号可从其高度欠采样测量样本中精确重构出来。由于雷达目标在高频区的后向电磁散射通常由少数散射中心支配,该理论适用于高分辨雷达成像领域。通过利用这一理论的数据压缩能力,基于压缩感知的高分辨雷达成像有望利用远少于传统成像方法所要求的回波数据实现目标图像重构。显然,这一特性能够显著降低雷达系统在数据采集、存储与传输等方面的代价。本文围绕基于压缩感知的高分辨雷达成像方法展开研究,主要致力于解决现有压缩感知成像方法所面临的关键问题。具体地,本文的研究内容包括如下几个方面:第一章介绍了课题研究背景与意义,概述了压缩感知理论以及基于该理论的高分辨雷达成像的研究现状,并指出了进一步开展压缩感知高分辨雷达成像研究的必要性。第二章阐述压缩感知高分辨雷达成像的基本原理。首先介绍了压缩感知信号重构的数学模型,归纳了现有主要的压缩感知信号重构方法,推导了高分辨雷达成像的回波模型。然后基于上述工作给出了基于压缩感知的高分辨雷达成像的一般方案,并提供了基于该方案与现有压缩感知重构方法的仿真结果。基于上述结果,指出了现有压缩感知重构方法所面临的关键问题,即词典失配将导致成像性能显著恶化。通过利用词典优化策略,第三章提出一种用于实现复正弦信号压缩感知的高精度重构算法。为解决词典失配问题,该算法将复正弦信号的稀疏表示词典建模为一个参数化的傅里叶词典,词典的潜在参数即为其所对应的频率格点。从而,稀疏表示词典在信号重构过程中是可动态优化的,且其优化可通过频率格点的调整实现。为实现上述思路,所提算法通过利用变分期望-最大化算法来交替地执行稀疏系数恢复与频率格点更新。基于仿真与暗室测量数据的大量实验结果表明,该算法可有效处理词典失配问题,能够生成高质量的高分辨距离像。为解决基于词典优化的重构算法具有较高计算复杂度这一问题,第四章研究复正弦信号的快速重构方法。首先,通过将一阶泰勒近似应用于原始信号的真实稀疏表示词典,建立了一种新的稀疏表示模型,该模型对实际复正弦信号的稀疏表示更加准确。然后,基于这一模型,将信号重构转化为一个约束条件下的基于两个已知词典的稀疏恢复问题,其中约束条件为“两个词典上的稀疏表示系数具有相同的支撑集”。为解决上述问题,在变分贝叶斯推理框架下发展出一种迭代算法。该算法不涉及矩阵求逆运算,且采用FFT来计算所有的词典-向量乘积,这些特性说明算法具有较小的计算复杂度。基于仿真与暗室测量数据的大量实验结果表明,所提算法能够有效解决词典失配问题,同时使得计算代价保持在较低水平。第五章研究能够克服词典失配影响的二维高分辨雷达成像方法。首先,利用一阶泰勒近似技术建立了更准确的用于二维雷达成像的稀疏表示模型,并在此基础上将二维雷达成像建模为一个约束条件下的基于三个已知词典的稀疏恢复问题,约束条件即为“三个词典上的稀疏表示系数具有相同的支撑集”。然后,在变分贝叶斯推理框架下推导了一种用于解决上述问题的流程,并提出一种迭代算法来实现所得流程。具体地,该算法所采用的稀疏表示词典具有二维DFT矩阵的形式,这使得算法免去了显式产生词典元素的巨大存储量,同时使得算法可利用二维FFT来实现词典-向量乘积。为检验所提算法,利用仿真数据、高频电磁散射计算软件所得数据以及暗室测量数据进行了大量实验。实验结果表明,所提算法具有处理词典失配问题的能力,能够基于高度欠采样样本生成高质量的二维图像。第六章对本文工作进行了总结,并指出了下一步的研究方向。