合成孔径雷达压缩感知成像方法

为解决大带宽、多通道空间雷达系统的数据量大导致数据无法存储和传输的问题,介绍了一种基于压缩感知理论(CS,Compressive Sensing)的、全新的合成孔径雷达数据获取体制和脉冲压缩方法.在观测场景满足一定稀疏特性的前提条件下,使用该方法取代传统的匹配滤波方法进行脉冲压缩处理,可以从远远低于常规雷达所获取的数据量中恢复出原始场景.压缩感知脉冲压缩是通过使用一种贪婪追踪算法解一个逆问题来重建脉冲压缩后的信号.给出了该方法的原理和过程,并通过计算机仿真验证了该方法的有效性.这种新方法可以简化雷达系统,有效降低存储和传输的数据量,将设计重点从昂贵的接收机硬件上转移到智能信号重建算法上去.      

联合压缩感知与干扰白化的脉冲干扰抑制方法

针对L频段数字航空通信系统1(L-DACS1)以内嵌方式部署在航空无线电导航频段而产生的测距仪脉冲干扰(DME)正交频分复用(OFDM)接收机的问题,提出联合压缩感知与残留干扰白化的测距仪脉冲干扰抑制方法.首先接收机通过空子载波信道来观测测距仪脉冲干扰,并利用测距仪脉冲干扰在时域的稀疏特性,基于l1范数最小化约束的凸优化方法重构测距仪脉冲干扰;然后将重构的脉冲干扰转换到频域进行干扰消除;最后,接收机通过信号解交织器与逆正交变换器将残留的脉冲干扰转换为高斯白噪声,避免了残留干扰信号造成的突发性解调错误.仿真研究表明:联合干扰抑制方法可有效消除测距仪脉冲信号干扰,显著提高L-DACS1系统链路传输的可靠性.      

压缩感知在电容层析成像中的应用

压缩感知(CS)理论是在充分利用信号稀疏性或可压缩性的情况下,对信号进行少量采样即可实现信号的精确重建。本文尝试将CS理论应用于电容层析成像(ECT)图像重建中,首先,使用快速傅里叶变换(FFT)基将原始图像灰度信号进行稀疏化处理;其次,将ECT灵敏度矩阵的各行按随机顺序进行排列,得到ECT系统随机观测矩阵;最后,选取当前普遍使用的基于内点法、梯度投影(GPSR)算法以及贪婪算法的CS图像重建算法进行ECT图像重建,并与线性反投影及Landweber迭代算法进行了对比。仿真实验结果表明:基于CS图像理论的ECT图像重建算法,其重建精度有所提高。本文同时分析了3种CS图像重建算法的优缺点及适用范围。     

基于压缩感知的单脉冲雷达欺骗干扰机研究

欺骗干扰是一种常用的雷达干扰技术,提出了一种对抗单脉冲雷达的欺骗干扰机设计新方法。在分析欺骗干扰信号特性基础上,基于压缩感知(CS)框架和数字射频存储(DRFM)技术,根据线性调频(LFM)信号在分数阶傅里叶域的能量聚集特性,设计了压缩感知框架下的DRFM以产生角度欺骗干扰信号;通过控制干扰信号强度产生角度拖引和闪烁干扰以实现对单脉冲雷达角度跟踪的有效干扰。仿真实验结果表明,干扰机能够产生良好的角度欺骗干扰信号,通过干扰信号强度控制能够产生稳定的角度拖引和闪烁干扰。     

基于混合稀疏表示的二维压缩感知SAR成像

压缩感知(CS)理论在合成孔径雷达(SAR)成像中应用广泛。针对包含城市、河流等区域的非稀疏场景压缩感知SAR成像,提出基于近似观测模型的混合稀疏表示(MSR)压缩感知SAR成像方法。该方法将复杂的SAR图像分解成点、线、面,并将线、面分别通过离散余弦变换和曲波变换转换到稀疏域,使压缩感知的稀疏性条件得以满足,通过求解基于近似观测模型的二维压缩感知优化问题重建非稀疏场景的SAR图像。所提方法能够实现降采样率条件下对包含城市、河流等非稀疏场景区域的成像,仿真场景和实测场景成像结果表明了所提方法的有效性。     

基于压缩感知的近距离电磁辐射源定位方法

提出了一种近距离电磁辐射源定位方法,针对常规多通道阵列系统复杂、硬件成本高、体积大等弊端,提出单天线单通道运动虚拟阵列系统,实现近场定位功能。在此基础上,提出利用辐射源在被测区域空间位置上的稀疏性,采用不驻停运动采样,并结合压缩感知算法,用较少的采样数据重构计算得到辐射源数量与位置。在保证定位精度的前提下减少了采样数据量,并消除了阵元多次采样的时间延迟可能造成的误差影响。经过仿真验证了方法的可行性后,设计了用于实际测试的系统并进行实验,取得了良好的效果。     

自适应圆阵抑制相关干扰技术

研究了相干干扰使自适应天线性能下降的机制。基于对圆阵输出信号的去相干处理,提出了一种自适应圆阵抑制相干干扰技术。理论分析和计算机模拟证实了该技术的正确性和可行性。     

基于傅里叶基的自适应压缩感知重构算法

在压缩感知中,为了提高含噪信号的重构精度,提出了基于傅里叶基的稀疏度自适应匹配追踪算法.该算法在重构过程中采用相关系数作为匹配准则的基础上,创新性地利用傅里叶变换的共轭对称性,进一步严格控制索引值加入支撑集的过程;同时利用余量能量和余量能量变化率双门限作为停止迭代的依据;最后将估计的傅里叶域中的信号逆变换得到时域的重构信号.仿真实验表明,在同等噪声污染的情况下,该算法与同类算法相比有较高的重构精度.      

基于压缩感知的高精度地磁基准图构建方法

地磁基准图的构建是实现地磁匹配导航的基石。针对实测数据量较小时利用插值法构建的地磁基准图精度不理想的问题,将压缩感知理论应用到地磁信息采集中。结合地磁基准图的结构特点设计了以离散余弦变换作为稀疏基、单位矩阵作为观测矩阵,以压缩采样匹配追踪（CoSaMP）算法作为重构算法的基于压缩感知的高精度地磁基准图构建方法,并与三次样条插值、Kriging插值及PSO-Kriging插值法进行对比。实验结果表明:所提方法具有较高的重构精度和稳定性,与性能最好的PSO-Kriging插值法相比,在6.25%采样率下重构地磁基准图,所提方法使得峰值信噪比（PSNR）由66.97 dB提高至74.67 dB,绝对误差由25.47 nT减小至10.26 nT,均方根误差由28.57 nT减小至11.33 nT。      

面向量化分块压缩感知的区域层次化预测编码

在量化分块压缩感知的预测编码中,低参考价值的候选者将导致较差的率失真性能。为了高效地降低编码失真,提出了一种基于螺旋逐块扫描的区域层次化预测编码方法。在以同一采样率进行观测后,各块按由内向外的扫描次序进行预测与量化。当前观测矢量从上下文感知候选集中选取与之具有最小误差的反量化矢量,作为其预测矢量;根据层次相关性,所有块被划分到3种区域之一,通过块编码模型为不同区域设定自适应的质量因子,关键区域被赋予较大的质量因子。与现有的预测编码方法相比,所提方法综合利用了矢量之间的空域相关性和层次相关性,实验结果获得了至少0.12 dB的率失真增益。      

一种基于DCT的SAR图像自聚焦算法

研究了一种基于离散余弦变换(DCT, Discrete Cosine Transform)的SAR(Synthetic Aperture Radar)图像自聚焦算法.该方法从复图像域出发,通过在距离压缩相位历史域引入相位误差模型,改变图像的聚焦程度直至一维像的DCT序列在高序数区域的权值达到最大,从而完成误差校正.同相位梯度自聚焦算法相比,该方法无需在图像域分离出强点目标,因此特别适用于无任何明显特征的图像.由于DCT存在快速算法,使得该自聚焦算法计算量较少,更易实现.实测数据及仿真数据的成像结果证明了此方法的可行性.      

基于deramp的星载聚束式SAR改进ECS算法

基于两步成像算法和ECS(Extended Chirp Scaling)成像算法,提出一种结合Deramp预处理的星载聚束式SAR(Synthetic Aperture Radar)改进的ECS成像算法.Deramp预处理是基于SPECAN算法的思想,将信号通过非空变的方位滤波器实现批压缩,该方法在保证成像分辨率的前提下,通过deramp处理消除了由采样率不足导致的方位频谱混叠特别是在星载SAR高分辨率聚束模式下.尽管ECS算法中的子孔径处理可以降低对系统脉冲重复频率的要求,但是脉冲重复频率依然受到单点多普勒带宽的限制.所介绍的方法可以进一步降低ECS算法中子孔径分割处理对脉冲重复频率的要求,使得ECS的算法的应用更为广泛.通过对点目标进行仿真和成像,成像指标评估验证了该算法的可行性.     

压缩感知OFDM稀疏信道估计导频设计

为提高稀疏信道估计性能, 基于压缩感知(CS)理论, 研究了正交频分复用(OFDM)系统中的导频设计问题。由于已有方法不能准确衡量采样矩阵重建性能, 从而导致根据已有方法设计的导频具有较差的信道估计性能, 因此提出以互相关矩阵元素的立方和为准则准确评价采样矩阵的重建性能。针对OFDM系统信道估计导频设计为离散组合优化问题, 提出了一种并行完全树分组替换搜索算法用于搜索最优的导频。在算法的每次循环中, 先将导频索引集合分组, 再根据每一组替换的结果更新导频, 提出的方法扩大了导频搜索空间, 避免了导频搜索的局部最优问题。仿真结果表明, 提出的评价方法相比现有方法能够准确评价采样矩阵重建性能, 使用提出的准则设计的导频与现有互相关准则相比信道估计均方误差可减小约3 dB。同时, 所提出的导频搜索算法具有更快的收敛速度和最优的导频搜索性能。      

Vector quantization for saturated SAR raw data compression

Spaceborne SAR involves the storage and transmission of large-size sampling data. Block adaptive quantization (BAQ) is now the most widely used onboard data compression algorithm due to its good tradeoff between system performance and complexity. However, when spaceborne SAR raw data is saturated, the performance of conventional BAQ deteriorates dramatically because its precondition of Gaussian distribution of raw data no longer holds. In order to solve this problem, an improved vector quantization (VQ) algorithm is proposed. This algorithm firstly introduces saturation modification to a conventional vector quantizer, obtains the saturation codebook based on Gaussian density function, and then obtains the new vector quantizer for the whole set of Saturation Degree (SD). This algorithm makes the vector quantizer match statistical model of data for the whole set of SD, so the performance of the compression is improved. The case of the 2D signal is explicitly computed. The performance of the proposed algorithm is verified by simulated and real data experiments.