基于壓縮感知的高分辨ISAR成像研究.pdf

1、壓縮感知(CS)理論向我們展示了可以用遠低于奈李斯特采樣率的觀測數(shù)據(jù)來重構未知稀疏信號，那么只要找到信號的稀疏變換域，就可以大幅度的減少采樣數(shù)據(jù)的維度，這在工程應用上具有巨大的吸引力。近年來CS理論在各種科學應用領域得到了空前的發(fā)展，如醫(yī)學成像、光學成像等。由于傳統(tǒng)基于傅里葉變換的逆合成孔徑(ISAR)成像方法，其分辨率嚴格受限于相干積累時間，而目標的非合作性和機動性導致實際情況下無法獲得充分的相干積累時間，從而導致成像分辨率相對較低。

2、考慮到目標圖像是由數(shù)量較少的強散射點構成的，這種稀疏性為將CS理論應用于高分辨ISAR成像奠定了基礎。本文基于壓縮感知理論，分析了該理論下高分辨ISAR成像體制的可行性，并從CS重構算法和建模兩個角度出發(fā)分別研究了基于CS的高分辨ISAR成像方法。
　　 首先本文從空間復雜度、時間復雜度及重構精度上分析了各種CS重構算法的性能，由于貪婪迭代算法在時間復雜度上的顯著優(yōu)勢，以及近年來涌現(xiàn)出大量的此類型改進算法，所以本文將貪婪迭代算法

3、應用到ISAR成像的高分辨重建中。文中提出了一種改進的貪婪迭代算法-擴張子空間追蹤(Expanded SubspacePursuit，ESP)算法，并通過多普勒高分辨仿真對比試驗驗證了該算法的有效性。
　　 另一方面，本文從增強稀疏性約束的角度提出了基于廣義柯西先驗的ISAR成像模型，建立了新穎的lMeridan-norm稀疏約束函數(shù)，以及完整的參數(shù)選擇機制。文中詳細對比了所提模型與常規(guī)基于拉普拉斯先驗的壓縮感知模型(LCS)在