压缩感知雷达成像
作者：黄晓涛，杨俊刚，金添 著
出版时间：2014年版
内容简介
雷达成像技术自提出以来发展至今，其主要的理论基础仍然是匹配滤波。匹配滤波方法的局限是必须根据Shannon-Nyquist采样定理对信号进行采样并且成像分辨率受限于系统带宽。《压缩感知雷达成像》将从更一般的数学角度来理解雷达成像，对雷达成像问题建立统一的数学框架，在该框架下解释最小二乘方法、匹配滤波方法、正则化方法、贝叶斯最大后验概率估计方法以及压缩感知方法，并分析和比较这些方法的联系和差异。与传统匹配滤波成像方法相比，压缩感知方法由于利用了稀疏性这个先验信息，可用少量的观测数据得到更好的成像结果。将压缩感知理论引入到雷达成像中，可突破传统匹配滤波成像方法和成像系统的诸多局限。《压缩感知雷达成像》主要介绍压缩感知方法应用于雷达成像所遇到的若干问题，包括稀疏采样体制、快速重建方法、杂波环境下稀疏目标重建、模型误差补偿、场景稀疏表示等。
目 录
前言第 1章 压缩感知雷达成像的研究背景 1
1.1研究背景和意义 2
1.1.1雷达成像理论与方法的发展历程 2
1.1.2压缩感知雷达成像方法的意义 9
1.2压缩感知雷达成像的研究现状 10
1.3压缩感知雷达成像的难点与挑战 13
1.4本书内容安排 15 第 2章 雷达成像的统一数学模型 19
2.1雷达成像的观测模型 19
2.2雷达成像方法的统一推导 22
2.2.1匹配滤波类方法 23
2.2.2正则化方法 23
2.2.3压缩感知方法 24
2.3利用稀疏信息的正则化方法 26
2.3.1目标稀疏特性 27
2.3.2准确重建的条件 27
2.3.3重建算法 28
2.3.4模型误差的影响 29
2.4本章小结 29 第 3章 基于压缩感知的随机频率 SAR成像 31
3.1步进频率 SAR成像 33
3.1.1步进频率波形 33
3.1.2成像几何与脉冲串内距离差 35
3.1.3脉冲串内距离差补偿 37
3.1.4步进频率信号 Stolt插值 38
3.1.5步进频率 SAR成像处理流程 39
3.2步进频率 SAR系统参数制约 40
3.3压缩感知随机频率 SAR成像 41
3.3.1离散频率信号 SAR观测模型 42
3.3.2压缩感知成像方案 44
3.3.3目标重建算法 45
3.4仿真和实测数据结果 45
3.4.1步进频率 SAR仿真结果 45
3.4.2步进频率 SAR实测数据结果 47
3.4.3压缩感知随机频率 SAR仿真结果 49
3.4.4压缩感知随机频率 SAR实测数据结果 55
3.5本章小结 56 第 4章 压缩感知 SAR分段快速重建方法 58
4.1压缩感知 SAR成像模型 59
4.1.1 SAR成像模型 59
4.1.2压缩感知成像模型 61
4.2分段重建方法 61
4.2.1距离像重建 63
4.2.2距离像分割 64
4.2.3子段场景重建 65
4.2.4子段场景拼接 66
4.3参数分析 66
4.3.1准确重建的条件 66
4.3.2重建运算量 68
4.3.3所需存储空间 69
4.4仿真和实测数据结果 69
4.4.1点目标仿真 69
4.4.2 SAR图像仿真 73
4.4.3实测数据结果 75
4.5本章小结 77 第 5章 杂波环境下稀疏 MIMO阵列前视 GPR成像 79
5.1 MIMO阵列步进频率 GPR 81
5.1.1 MIMO阵列 81
5.1.2步进频率波形 82
5.1.3 MIMO阵列步进频率 GPR成像模型 83
5.2 稀疏 MIMO阵列和稀疏频率 GPR成像 84
5.2.1基于压缩感知的 GPR成像方法 84 5.2.2准确重建的条件 85
5.2.3场景网格密度选择 85
5.3重建区域外的杂波抑制 86
5.3.1方位杂波抑制 87
5.3.2近距杂波抑制 88
5.4杂波环境下的正则化参数选择 89
5.5仿真和实测数据结果 91
5.5.1仿真结果 91
5.5.2角反射器实测数据结果 95
5.5.3浅埋地雷实测数据结果 97
5.6本章小结 101 第 6章 压缩感知雷达成像观测位置误差补偿 102
6.1包含观测位置误差的雷达成像模型 103
6.1.1雷达成像几何模型 103
6.1.2信号模型 104
6.2结合观测位置误差估计的压缩感知成像方法 106
6.2.1目标重建 107
6.2.2观测位置误差估计 108
6.2.3计算复杂度和收敛性分析 110
6.3仿真和实测数据结果 110
6.3.1仿真结果 110
6.3.2步进频率雷达轨道实验结果 116
6.3.3 机载 SAR实验结果 118
6.4本章小结 121 第 7章 基于幅度稀疏表示的正则化雷达成像方法 122
7.1 SAR成像模型 124
7.2已有的幅度稀疏表示重建方法 125
7.3改进的幅度稀疏表示重建方法 126
7.3.1幅度的实值约束 127
7.3.2利用部分基的稀疏表示方法 127
7.3.3改进方法的框架和具体求解方法 128
7.3.4二维稀疏表示结构 130
7.3.5计算复杂度和参数分析 131
7.4仿真和实测数据结果 132
7.4.1一维成像仿真 132
7.4.2二维成像仿真 135
7.4.3实测数据结果 138
7.5本章小结 140 参考文献 141 附录 A由二维匹配滤波推导后向投影算法 153 附录 B由二维匹配滤波推导 ωK算法 154 附录 C步进频率波形距离差补偿项推导 156 附录 D数据误差关于距离的导数 158 彩图
