基于稀疏重构的sar成像技术研究

《基于稀疏重构的sar成像技术研究》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、基于稀疏重构的SAR成像技术研究作者姓名王哲导师姓名、职称王敏副教授一级学科信息与通信工程二级学科信号与信息处理申请学位类别工学硕士提交学位论文日期2014年12月学校代码10701学号1202121120分类TN82号TN95密级公开西安电子科技大学硕士学位论文基于稀疏重构的SAR成像技术研究作者姓名：王哲一级学科：信息与通信工程二级学科：信号与信息处理学位类别：工学硕士指导教师姓名、职称：王敏副教授提交日期：2014年12月ResearchonSARImagingTechnologyBasedonSparseRecons

2、tructionAthesissubmittedtoXIDIANUNIVERSITYinpartialfulfillmentoftherequirementsforthedegreeofMasterinInformationandCommunicationEngineeringByWangzheSupervisor:ViceProf.WangminDecember2014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

3、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

4、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（Co

5、mpressiveSensing，CS）与矩阵填充（MatrixCompletion，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

6、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

7、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。关键词：SAR成像，稀疏重构，压缩感知，矩阵填充，梯度下降法论文类型：应用基础研究类I西安电子科技大学硕士学位论文IIABSTRACTAB

8、STRACTSincehighresolutionSARimagingtechnologyiswidelyused,radarneedstotransmitawide-bandsignal.IntheNyquistsamplingtheoremframework,itresultsinhi