压缩感知在雷达成像中的应用.doc

压缩感知在雷达成像中的应用

2014雷达对抗原理期末报告
题 目：压缩感知在雷达成像中的应用
院 （系） 信息与电气工程学院
专 业 电子信息工程
学 生
班 级
学 号
教 师
报告日期 2014-11-25
1.课题来源
1.1摘要
以 ISAR 和 InISAR 为代表的高分辨率雷达成像技术在军事和民用领域有着广泛的需求。通常情况下，高分辨率雷达图像的获得需要宽带雷达信号，而宽带雷达信号则又会导致雷达数据率的增加。近年来在雷达技术领域得到高度关注的压缩感知理论，其非相关测量过程能够有效地降低高分辨率雷达成像系统的数据率，有望解决雷达系统中超大数据量的采集、存储与传输问题。因此压缩感知理论和技术在雷达成像领域的应用，有可能会为高分辨率雷达成像技术带来巨大变革。压缩感知在高分辨率雷达成像中的应用研究工作虽然取得了一定的进展，但还没有针对压缩感知雷达成像理论进行系统性研究，也没能在此基础上给出实用化的成像算法。论文以基于压缩感知的雷达成像理论与算法作为研究内容，将压缩感知理论应用到高分辨率雷达成像算法中。论文围绕着成像数据获取方法、成像信号处理方法和压缩感知在宽带雷达成像中的应用等紧密联系而侧重不同的三个方面展开了研究，建立了匹配滤波体制和去斜体制下的基带回波信号稀疏表示模型，提出了压缩感知测量器应用到雷达接收机的数字方案与模拟方案，构建了具有保相性的压缩感知距离压缩算法，通过距离-方位解耦合的雷达成像框架，将压缩感知距离压缩算法与传统的雷达二维成像和 InISAR 三维成像算法相结合，形成了压缩感知雷达成像算法，并将其应用到调频步进宽带雷达成像中。论文通过对仿真和实测数据的处理，证明了所提出的方法的有效性。QtEuYGG。
1.2研究的目的和意义
在压缩感知雷达成像算法研究中，首先在常用的稀疏信号重建算法中筛选出适合雷达成像的算法，然后与雷达回波信号稀疏表示模型以及非相干测量矩阵一起构建了具有保相性的压缩感知距离压缩算法。在此基础上利用距离-方位解耦合的雷达成像框架，将压缩感知距离压缩算法与传统的雷达二维成像和 InISAR 三维成像算法相结合，形成了压缩感知雷达成像算法。lEtAh07。
在压缩感知宽带雷达成像算法研究中，结合调频步进信号的子脉冲合成方法，提出了针对调频步进信号的压缩感知测量方法，实现了压缩感知宽带雷达成像。8UEVzlS。
2.国内外在该方向的研究现状及分析
雷达成像的历史可以追溯到 20 世纪 50 年代。1951 年 6 月，美国 Goodyear Aircraft 公司的 Carl Wiley 首先提出利用频率分析方法改善雷达的角分辨率，并设计了实验装置进行验证，这是合成孔径雷达思想的最初体现。1957 年 8 月，Michigan 大学雷达和光学实验室的 Cutrona 和 Leith 等人研制的机载合成孔径雷达进行了飞行试验，得到了第一张大面积的聚焦型合成孔径雷达图像。70 年代，Kirk 等人研制了第一台 SAR 数字处理系统。1978年 5 月，星载 SAR SeaSat 升空，标志着 SAR 技术已进入空间领域。目前，美国、欧空局、加拿大、日本等都有自己的实用化机载和星载合成孔径雷达系统，机载 SAR 系统有美国的 AN/APY-6，德国的 AER-Ⅱ，英国的 DERA ‘ESR’，以及瑞士的 DO-SAR 等；星载SAR 系统有美国的 SIR-A 和 SIR-B 卫星，欧空局的 ERS-1 和 ERS-2 卫星，日本的 JERS-1和 ALOS 卫星，加拿大的 Radarsat-1 和 Radarsat-2 卫星，意大利航天局的 COSMO-SkyMed高分辨雷达卫星星座系统，美国航天局、德国空间局和意大利空间局联合发射的SIR-C/X-SAR 以及德国空间中心和欧洲 EADS Astrium 公司合作开发的 TerraSAR-X 卫星等。在国内，从七十年代开始大力研究 SAR 相关技术，中国科学院电子学研究所在 1979年成功研制了机载合成孔径雷达原理样机，并获得首批 SAR 成像数据。从“八五”开始，对SAR 系统的研究就一直是遥感技术中的重点研究方向之一。目前，中科院电子所、信息产业部 14 所、38 所、航空工业总公司 607 所，以及航科集团等单位都已对 SAR 技术开展了研究，许多单位已经有了机载 SAR 的实验系统，并获得了大量实际成像数据。bZ0YfRP。
逆合成孔径雷达是在合成孔径雷达的基础上发展起来的又一种高分辨成像雷达，其历史可以追溯到二十世纪六十年代。六十年代，在 Brown 领导下的 Willow Run 实验室就开展了对旋转目标的成像。Walker 从 1970 年起开展对旋转目标成像的研究，他的研究工作对距离-多普勒成像理论做了更明确的阐述，并且由于引入了极坐标存储技术（光学处理），解决了运动穿越分辨单元的处理问题。1978 年，C.C.Chen 等人利用地基雷达对直线飞行和弯道飞行的飞机进行了成像研究，对信号预处理、距离曲率、距离校准以及运动补偿等问题均作了分析和研究，实现了对非合作运动目标的 ISAR 成像。70 年代末，美国 MIT 林肯实验室研制出了第一部远距离成像雷达 ALCOR，并成功获得了高质量的近地空间卫星的 ISAR 图像；同一时期，D.B. Campbell 利用旋转目标成像原理，成功地获得了金星表面的高分辨雷达图像。80 年代末 ISAR 成像的理论和测量技术已经取得了巨大的发展和广泛应用，并成为电磁散射实验室、目标特性及其控制研究、微波遥感等诸多领域不可缺少的标志性技术。kiPSWPg。
目前，主要发达国家都已掌握了较成熟的 ISAR 技术并使之走向实用。由于其高分辨的成像能力，在防空、反舰、反潜斗争中都是十分有力的手段。而且 ISAR 还具有很高的抗干扰能力以及潜在的反隐身能力。现在国外已有多种战术成像雷达生产，如法国的Oceanmaster-400、美国的 APS-137、英国的“雄狐”，俄罗斯已把 ISAR 做成功能部件，装备于许多雷达上。除了在军事上的应用，ISAR 在民用，如空中交通管制、机场调度、港口交通管制等许多领域也有广泛的应用。3.主要研究内容及研究方案QukzAMW。
3.1.压缩感知基本理论
Donoho 和 Candès 等人提出的压缩感知理论主要包括信号的稀疏表示、信号的非相关测量以及重建算法等三个核心内容，其前提条件是信号具有稀疏性或可压缩性。将压缩感知理论应用到雷达成像中也需要解决相应的三个问题，即雷达回波信号的稀疏表示、压缩感知雷达成像信号的获取以及处理方法。由于雷达回波信号及图像信号都是复数形式的，本章将围绕复数域内稀疏信号的测量与重建展开讨论，研究目前常用的测量矩阵和重建算法在复数域下的性能，为压缩感知雷达成像算法寻找性能良好的信号获取方法和重建算法。6IdgHtU。
由信号理论可知，信号x，能够用一组基Ψ=[ | |… | ]线性表示，即：
x==Ψα （1）
式中，α是 N*1的系数向量，如果公式中仅有 K（ K<<N）个非零系数（或远大于零的系数）n时，则称信号x在基Ψ上是稀疏的（或可压缩的），称Ψ为信号 x的稀疏基或稀疏字典，K 为信号x的稀疏度。PKe1rdb。
在压缩感知理论中，对稀疏信号x的观测并不是直接测量信号 x本身，而是通过非相关测量将信号 x投影到一组低维的测量向量Φ=[ | |… | ]上，即U1T5KmT。
y=Φx （2）
式中， y 是 M*1( M《N)向量，Φ是 M*N的测量矩阵。
将公式(4.1)代入公式(4.2)中，有
Y=Φx=ΦΨα=Θa （3）
式中，Θ=ΦΨ是M*N矩阵。
由于信号测量值维数M 小于信号维数N ，直接求解公式(3)是一个病态问题，所以无法直接从 y 中解出信号 x 。由于公式(3)中α是 K 稀疏的，即仅有 K 个非零系数，而且K<M<N，那么可以通过求解公式(3)的逆问题得到稀疏系数 α ，也即等同于得到了原信号x。LTzPTW1。
为了保证重建算法的收敛性，使得K 个系数能够由M 个测量值准确地恢复，测量矩阵Φ的选择必须受到稀疏字典Ψ和重建矩阵Θ的共同约束。当公式(3)中的矩阵 Θ=ΦΨ满足重建算法的收敛条件时，压缩感知理论能够通过公式(3)的逆问题先求解稀疏系数，然后代入公式(1)，将稀疏度为K 的信号x从M 维的测量值 y 中正确地重建出来。4nskcG9。
3.2.成像距离理论计算
对系统的成像距离进行理论计算,扫描成像技术主要是因其虽然作用距离较远，但其成像分辨率很难得到保障。成像的距离是由到达接收器的信号光强度和接收器接收并能分辨出信号的阈值所决定。以下将从这两方面对本章方法和距离选通成像技术进行计算。进而得到理论上本章方法的最远成像距离。0LOd2uu。
为方便讨论起见，对成像条件做如下假设：
a. 两种方法使用相同的照明和光学成像系统；
b. 目标物充满成像视场，且激光照明范围与视场重合；
c. 照明光束的强度分布均匀；
d. 目标对照明光束的反射为漫反射。
3.3.基于压缩感知的雷达三维成像处理方法
由于雷达三维成像需要利用多幅二维图像进行干涉处理，如果在雷达二维成像中使用压缩感知技术，就能够有效地降低雷达三维成像所需的数据量，相应的信号处理流程图如图1所示。IQjbR6n。

图1 压缩感知雷达三维成像框架
3.4.压缩感知全变差模型在图像降噪中的应用
由于很多二维图像的离散梯度是稀疏的,在图像处理中,经常用最小全变差的方法进行图像的恢复与处理。
在这一部分,我们提出一种基于压缩感知理论全变差模型的图像降噪方法。我们将图像降噪问题的传统模型加以改进, 定义成EMs805w。
Min||x-b+||x (4)
办为有噪声的图像,jc为降噪目标图像。Min||x-b部分的2-范数由Frobenius-范数代替,由Frobenius-范数的定义(矩阵中所有元素的平方和)可以看出,本文定义的优化模型使图像中每一个像素都直接参与运算。其中Frobenius-范数和2-范数有如下关系: ||x=。我们假设有图像的7T-范数主要由噪声部分贡献,原始的图像对jy-范数的贡献相比要小的多,图像降噪问题合理定义成这样一个优化问题。那么恢复的图像既要尽量保留原噪声图像b的全部信息,也要对后一部分噪声进行一定的控制。Tw5kqH4。
3.5.成像系统与相关性图像重构方法
令x( r′)表示被探测物体上r′点对特定波长电磁波的散射或反射特性， y ( r )为探测器上r点的测量值。一般而言，探测器接收信号y(r)可表示为被成像物体x(r′)与成像系统的卷积，即YYnk6QZ。
y(r )=∫h(r ,r′)x(r′)dr′ (5)
其中 h ( r ,r′)为从物体上r′点至探测器上r点的成像系统全链路响应函数。“成像”过程就是由测量y ( r )来获取被探测物体的散射特性x( r′)。V2dwbiy。
假定系统是移不变的，则可以写成
y(r )=∫h(r -r′)x(r′)dr′ (6)
作 Fourier 变换之后，可以得到
Y(ω)=H(ω) X(ω),
其中Y(ω)、H (ω)和X(ω)分别为 y( r )、h (r−r′)和 x (r′)的Fourier 变换。Bq3kSPI。
于是，求解x(r′)最直观的方法是在式的两端同时乘以(ω)，然后再对Y (ω)(ω)作逆 Fourier 变换得到x(r′)，此即所谓的逆滤波过程。但是，实际成像系统的响应函数往往是病态（甚至不可逆）的，即 (ω)在高频区将趋于无穷大，任何微小的测量噪声都会造成x(r′)估计值上极大的误差，因此基于逆滤波的成像方法一般是不稳定的。qrnm7la。
3.6. 压缩感知全变差模型在图像去模糊中的应用
基于Frobenius-范数的压縮感知全变差模型在图像去模糊问题中的应用去模糊模型问题模型如下
(7)
其中X为图像矩阵变量,^表示一个线性模糊算子,可以是匀速直线运动模糊算子或者高斯低通滤波算子,即J对应了一个有较小模糊核的线性卷积算子。我们令apRoKDn。
(8)
显然/(x)是一个光滑的凸函数。为一个正则化的全变差范数,它是连续的凸函数,但可能非光滑。我们的模型代表了这样一类无约束凸优化问题:3Md16uf。
(9)
f(x),f(x)称为Lipchitz梯度连续可微。
(10)
其中L(f)>0为Lipchitz常数,通常可以取||的上确界。表示一个线性卷积算子,则我们认为f(x)=满足 f(x)即满足梯度连续可微条件。参考无约束凸优化模型,我们可用一般的凸二次函数逼近模型,即zwr9jlD。
(11)
使得xeC,这意味着=P()而
(12)
如果我们令
(13)
可以得到
(14)
方程f(x)=办中A作为线性算子,它的梯度函数为
(15)
可以写成
(16)
又根据连续条件,有
(17)
在本程序中,对于高速低通模糊党子,算得L= 2。
去模糊问题可以同时在降噪问题中的快速梯度投影算法恢复。算法流程如下:
算法GPDeblur(A,b,,L,,):
*********************************************************************a4B0hCG。
输入：线性模糊算子A ,Lipchitz常数L,观测图像矩阵b,正则化参数,降噪迭代次数，去模糊迭代次数输出:优化后的图像x(在一定阈值下)e6Ivi8t。
步骤1：=0
步骤k:(k=1,2,3……) ,计算;用降噪声算法RGP(,2/L,)，求解更新x=.BvxdnDj。
*********************************************************************BBwiyCk。
4.结束语
4.1论文的主要内容和结论
本论文以基于压缩感知的高分辨率雷达成像理论与算法作为研究内容，将压缩感知理论与高分辨率雷达成像算法相结合。论文围绕着成像数据获取方法、成像号处理方法和压缩感知在宽带雷达成像中的应用等紧密联系而侧重不同的三个方面展开了研究。论文的主要内容如下：lDDQi5A。
1.对一维雷达成像理论进行了介绍，为雷达信号稀疏性分析和成像数据获取方法研究提供相关的理论背景。文中首先对脉冲压缩理论进行了阐述；然后介绍了匹配滤波和去斜这两种基本脉冲压缩算法；最后针对调频步进信号在高分辨成像雷达中的应用，介绍了相应的子脉冲合成方法。XhFYIiR。
2.对雷达二维成像和 InISAR 三维成像技术展开了研究，为压缩感知雷达成像算法研究提供相关的理论基础。在雷达二维成像中首先介绍了单站 ISAR 的成像原理和运动补偿算法；然后介绍了双站 ISAR 成像基本理论，对双站 ISAR 在距离向和方位向上的分辨率进行了分析；针对 ISAR 数据处理中的需求，介绍了 SAR 成像算法和基于时频分析的参数估计方法。在 InISAR 三维成像技术首先介绍了双站InISAR 和天线阵列 InISAR 成像的原理，由于 MIMO 雷达阵列能够提供更加灵活天线配置模式，所以将 MIMO 雷达阵列引入 InISAR 三维成像中，并利用仿真实验进行了验证。W62H4II。
3.针对压缩感知理论中的数据获取方法和稀疏重建算法进行研究。首先对压缩感知理论进行了阐述，介绍了常见的三种测量矩阵和重建算法；然后针对在雷达成像中的应用，提出了复数域中稀疏重建算法和非相关测量矩阵性能评价标准；最后依据性能评价标准对典型的稀疏重建算法和非相关测量矩阵进行了筛选，选择了适合雷达成像的重建算法与测量矩阵。pHOFAMf。
4.2后续工作及展望
压缩感知雷达成像在当前是一个新领域，本文的研究只涉及到其中的一小部分，在很多方面的研究都还需要展开和细化。在后续的研究中，本论文所作的工作还需要进一步的完善和细化，主要针对以下几方面来展开：vJCVrAO。
1. 雷达回波数据的稀疏特性研究。
2. 压缩感知成像算法研究
3. 压缩感知高分辨率雷达成像系统性能指标体系和评估分析方法
4. 压缩感知理论在实际雷达系统中的硬件实现方法
5.参考文献
[1].谢晓春，压缩感知理论在雷达成像中的应用研究。2010-04-20
[2].Compressive Sampling based Single-Image Super-resolution Reconstruction bydual-sparsity and Non-local Similarity RegularizerPattern Recognition Letters 33 (2012) 1049–1059Uoz9B65。
[3]. Compressive sampling in computed tomography: Method and applicationNuclearInstrumentsandMethodsinPhysicsResearchA748(2014)26–32KDY3fOH。
[4].吕沛，基于压缩感知理论的水下成像技术和图像压缩编码技术研究 2012-05
[5].刘吉英，压缩感知理论及在成像中的应用 2010-10
[6].Frequency Domain Compressive Sampling forUltrasound Imaging Volume 2012, Article ID 231317, 16 pages1Qow27w。
[7].冯瑞，压缩感知算法在图像中的应用 2013-04-28
[8].刘记红，压缩感知雷达成像技术综述 2011-02