论文部分内容阅读
合成孔径雷达(SAR)具有全天时、全天候工作的能力，在环境保护、灾害监测、海洋观测、资源勘查、地质测绘和政府公共决策等方面发挥着巨大的作用。随着合成孔径雷达成像技术和应用需求的进一步发展，SAR的分辨率越来越高，成像区域越来越大，随之带来了A/D采样硬件成本的提升以及海量数据传输和存储的问题。近年来提出的压缩感知(CS)理论认为，只要信号是稀疏的或在某个变换域下可以稀疏表示，那么就可以用一个与变换基不相关的测量矩阵将高维信号投影到低维空间上，然后通过求解最优化问题从高度不完整的测量信息中高概率恢复或逼近原始信号。CS理论与SAR的结合有助于突破Nyquist采样定理的限制，缓解海量数据采样、传输和存储的难题。
随着硬件的发展，机载SAR上已实现实时成像，星载SAR星上实时成像也成为一个发展趋势。因此利用CS理论对SAR数据处理就有两个选择，对SAR图像数据进行压缩测量和重构以及对SAR原始回波数据进行压缩测量和成像。本文将围绕这两个紧密联系而侧重点有所不同的两个选择展开研究。
本文在前人工作的基础上主要做了下面的工作:
1.提出了“基于压缩感知和小波稀疏表示的SAR模值图像压缩与重构算法”，降低了SAR图像数据采样率，一定程度上抑制了SAR图像相干斑噪声，获取了较好的视觉效果。
2.改进了“基于压缩感知的SAR稀疏场景二维联合处理算法”，算法处理时内存调用的数据量明显下降，在同样的硬件条件下，有限度突破了原算法只能处理小场景的限制;同时，针对原算法在低信噪比条件下重构易产生虚假目标的情况，引入快速贝叶斯匹配追踪算法，使虚假目标得到了抑制。
3.提出了“基于压缩感知和小波稀疏表示的SAR复杂场景二维联合处理算法”，分析了SAR复杂场景后向散射系数的小波稀疏表示，构建了合适的压缩感知模型，在一定的简化条件下，取得了较好的成像效果。
4.改进了“基于压缩感知的SAR稀疏场景二维分别处理算法”在方位向的采样，进一步降低了方位向的数据采样率。