论文部分内容阅读
随着高分辨SAR成像技术的广泛应用,雷达需要发射大带宽信号。在Nyquist采样定理框架下,这造成了雷达系统的采样率升高、数据量变大、实时处理及硬件实现困难。然而,雷达回波信号本身具有稀疏性质,这使得打破Nyquist采样定理的限制并利用稀疏信号进行SAR成像处理成为可能。其中,压缩感知(Compressive Sensing,CS)与矩阵填充(Matrix Completion,MC)理论是处理稀疏信号的常见方法,将其应用于SAR成像领域优势明显。与此同时,目前压缩感知理论中观测矩阵与重构算法的设计方法仍然有待完善,将其利用梯度下降法进行改进具备一定的研究价值。本文围绕稀疏SAR成像方法展开研究,主要工作内容如下:1.介绍了SAR回波信号模型和距离多普勒算法,分别利用点目标模型和实测数据对算法的正确性和有效性进行了验证。2.研究了基于压缩感知的SAR成像模型,对雷达回波的稀疏性进行了分析。以此为基础,研究了稀疏基矩阵和观测矩阵的构造方式,并转化为数学优化模型,实现了基于压缩感知的SAR成像处理。分别在距离维、方位维以及二维应用压缩感知理论进行点目标仿真,仿真结果表明该方法在降低采样数据量的同时能够大幅度提高分辨率。实测数据的成像结果同样验证了其有效性。3.在压缩感知SAR成像方法的基础上,对观测矩阵和重构算法进行了改进。首先简单介绍了梯度下降法。然后分析了表征观测矩阵性能的因素,并利用梯度下降法改进该因素,从而达到改进观测矩阵的目的。仿真实验中新方法表现出了更好的重构性能。最后介绍了OMP算法与SL0算法,并利用梯度下降法改进OMP算法,加快了其收敛速度。仿真结果表明新方法在重构时间上优于原始的OMP算法。4.研究了基于矩阵填充的SAR成像方法,对雷达回波的低秩特性进行了简要说明。然后介绍了SAR成像模型和降采样集合的构造方法,并将其应用于距离向降采样下的SAR成像。在噪声存在的情况下,利用点目标和实测数据进行仿真,仿真结果表明该方法在降低采样数据量的同时能够正确成像且真实地反映了点目标散射信息,并具有一定的抗噪性能。