|
传统成像雷达通常采用匹配滤波实现脉冲压缩，匹配滤波使得高斯白噪声条件下的输出信噪比最大化，但相对高的旁瓣通常妨碍了邻近目标的分辨，且在接收端需要一个高速A/D转换器。 压缩感知思想用于雷达成像 压缩感知思想为取消雷达接收端的匹配滤波器、降低接收机必需的A/D转换带宽提供了契机。利用压缩感知来研究雷达成像问题，一方面可望减少提取目标脉冲响应和刻画目标散射机制所需的测量数，生成高分辨雷达图像；另一方面也可用于雷达图像的后处理，减少斑点噪声，实现特征增强，从而有利于图像分析和目标识别。 R.Baraniuk等人正是基于此率先研究了基于压缩感知理论的新兴雷达系统设计问题，发射机同传统雷达，接收端由一个低速率A/D转换器组成，目的是将雷达系统中昂贵的接收机硬件设计转移到灵活的信号恢复算法研究。 M.Herman等人通过数值模拟研究了基于压缩感知理论的高分辨雷达，从另一个角度验证了取消匹配滤波器的作用。把场景对发射信号的作用建模为一个广义线性算子，然后将该算子分解成时延和多普勒移位的组合，采用压缩感知方法重构目标距离-多普勒分布图。 压缩感知用于雷达成像的三个关键点 建立雷达回波的稀疏模型 稀疏性是信号复杂度的本质度量，待处理信号在某个基上可稀疏表示是压缩感知理论应用的前提。稀疏基的选择目前主要有两种途径，其一是采用稀疏表示字典的波形匹配分量构造方法，即根据发射信号和回波信号模型的先验信息设计波形匹配字典；其二是分析雷达回波数据模型，通过离散化目标空间，综合每个空间位置的模型数据来生成字典元素。 构造测量矩阵 基于随机滤波、随机卷积的通用压缩感知测量体系，即将信号通过一个具有随机延迟系数的确定性FIR滤波器或与一个随机脉冲相卷积，然后降采样。雷达回波序列对应于发射脉冲和目标场景反射率函数的卷积，可把发射脉冲视为随机滤波中的FIR滤波器、随机卷积中的随机脉冲，从而基于压缩感知实现雷达成像。 设计有效稳健的重构算法 对雷达数据进行稀疏性建模，并确定观测模型后，即可采用非线性重构算法生成雷达图像，雷达图像重构算法的研究主要集中在减少测量数、增强稳健性和降低复杂度上。目前重构算法可归为凸优化、贪婪追踪和组合算法三大类。 仿真结果对比 传统脉压成像脉压过程采用匹配滤波实现；基于压缩感知成像实验中，数据量为50%，重构算法采用正交匹配追踪法（Orthogonal Matching Pursuit）。采用匹配滤波方法得到的距离压缩结果有旁瓣，而采用压缩感知方法所得到距离向压缩结果中旁瓣被明显抑制。 对此领域敢兴趣的可以发送“170110”获取WORD文档（11页）。 |
|
|
