高分辨sar稀疏目标成像研究

高分辨sar稀疏目标成像研究

ID:34621800

大小:1.47 MB

页数:73页

时间:2019-03-08

高分辨sar稀疏目标成像研究_第1页
高分辨sar稀疏目标成像研究_第2页
高分辨sar稀疏目标成像研究_第3页
高分辨sar稀疏目标成像研究_第4页
高分辨sar稀疏目标成像研究_第5页
资源描述:

《高分辨sar稀疏目标成像研究》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、高分辨SAR稀疏目标成像研究作者姓名凤宏哲学校导师姓名、职称侯彪教授领域电子与通信工程企业导师姓名、职称李青高工申请学位类别工程硕士提交学位论文日期2014年12月学校代码10710701学号1202121280分类TN82号TN95密级公开西安电子科技大学硕士学位论文高分辨SAR稀疏目标成像研究作者姓名:凤宏哲领域:电子与通信工程学位类别:工程硕士学校导师姓名、职称:李四侯彪教授企业导师姓名、职称:王五李青高工提交日期:2014年12月AStudyofHighResolutionSARImagingofSparseTargetsAthesissubmittedtoXIDIA

2、NUNIVERSITYinpartialfulfillmentoftherequirementsforthedegreeofMasterinElectronicsandCommunicationEngineeringByFenghongzheSupervisor:HoubiaoLiqingDecember2014西安电子科技大学学位论文独创性(或创新性)声明秉承学校严谨的学风和优良的科学道德,本人声明所呈交的论文是我个人在导师指导下进行的研究工作及取得的研究成果。尽我所知,除了文中特别加以标注和致谢中所罗列的内容以外,论文中不包含其他人已经发表或撰写过的研究成果;也不包含为获

3、得西安电子科技大学或其它教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。学位论文若有不实之处,本人承担一切法律责任。本人签名:日期:西安电子科技大学关于论文使用授权的说明本人完全了解西安电子科技大学有关保留和使用学位论文的规定,即:研究生在校攻读学位期间论文工作的知识产权单位属于西安电子科技大学。学校有权保留送交论文的复印件,允许查阅、借阅论文;学校可以公布论文的全部或部分内容,允许采用影印、缩印或其它复制手段保存论文。同时本人保证,获得学位后结合学位论文研究成果撰写的文章,署名单位为西安电子科技大学。保密的

4、学位论文在年解密后适用本授权书。本人签名:导师签名:日期:日期:摘要摘要高分辨SAR成像一直是研究的重点问题,这几年兴起的高分辨SAR稀疏成像更是备受关注,这里的稀疏主要是指成像场景中包含少量且很强的散射点,这就是我们后面要讨论的高分辨SAR稀疏目标成像。其目的主要是最大程度的减少成像场景的背景杂波、噪声和旁瓣对目标的干扰,重点关注稀疏目标的成像质量,以达到突出目标,削弱干扰的效果,降低后续的目标检测和识别的难度。基于Nyquist采样定理的传统回波数据采样方法通常获得全采样的数据,导致高分辨SAR的采样率过高,数据量剧增,给数据的存储、传输和实时处理带来了很大的困难。压缩感

5、知(CompressedSensing,CS)理论的出现,为降低雷达数据采样率,减小雷达平台硬件端的压力,改善雷达成像质量开辟了新的思路。国内外学者将CS理论与SAR成像理论相结合,在基于距离向或方位向的一维CS成像和二维CS成像应用方面取得了一批研究成果,使稀疏目标场景的成像质量有了显著的改善。但是,CS与SAR成像的结合还有很多细节有待进一步深入研究。不同于压缩感知,低秩矩阵重建理论根据成像场景的低秩特性,从矩阵的秩的角度对受噪声干扰和缺损的数据进行恢复。本文对这两种方法在高分辨合成孔径雷达稀疏目标成像中的应用进行了系统的研究,所取得的研究成果为:1.对CS与高分辨率SA

6、R稀疏目标成像的结合进行了研究。针对CS成像中存在的观测矩阵耗费存储大,重建结果时间长以及参数设置复杂的问题,提出了改进的二维CS的SAR成像模型。首先对原始回波数据进行距离徙动(RCM)校正,消除距离向和方位向的二维耦合,然后对观测场景的距离向和方位向分别建立观测矩阵进行观测,这样可以显著减少观测矩阵的存储量和原始数据量,最后,利用改进的迭代硬阈值(IHT)算法对成像场景进行重构。我们利用成像场景服从特定分布的先验知识,简化了阈值参数的求取方法,在成像场景稀疏度未知的情况下,仍然可以获得比较好的二维高分辨稀疏目标成像结果,仿真和实测数据的成像结果都验证了本文方法的有效性。2

7、.对低秩矩阵重建在SAR高分辨稀疏目标成像中的应用进行了研究。不同于CS的向量化处理,低秩矩阵重建理论包括矩阵填充(MC)和低秩矩阵恢复或鲁棒主成份分析(RPCA)理论依据矩阵秩的特性,直接针对二维信号矩阵进行处理,我们将传统的成像算法与低秩矩阵重建理论相结合,提出了一种新的成像框架。首先,我们证明了距离徙动校正(RCMC)后的原始回波数据矩阵的秩与观测场景的秩相等。由此可知,对于低秩的成像场景,经过RCMC的回波数据也具有I西安电子科技大学硕士学位论文低秩特征,这是MC在SAR数据中应用的首要条件。接

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。