《chap7-压缩感知介绍-v3.ppt

分布式压缩感知（Distributed Compressive Sensing, DCS）与MIMO雷达 相参MIMO雷达系统通过多发多收形成大数量的虚拟阵列，在发射机、目标以及接收机之间构成对目标的分布式探测系统，这与分布式压缩感知（DCS）的思想不谋而合。 如果多个信号都在某个变换基下是稀疏的,并且这些信号彼此相关,那么每个信号都能够通过测量矩阵进行联合压缩测量，利用优化方法对待测量进行联合重构。 3 压缩感知应用 Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile . Copyright 2004-2011 Aspose Pty Ltd. 分布式压缩感知（DCS）与MIMO雷达 （1）基于MIMO雷达体系的DCS变换基构造 3 压缩感知应用 Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile . Copyright 2004-2011 Aspose Pty Ltd. （2）联合稀疏表示 构造压缩测量矩阵 对接收信号 进行联合稀疏表示，即是充分利用接收信号自身以及接收信号之间的相关性信息，对变换域系数进行联合编码，对接收信号进行降低冗余度的信息融合 。 分布式压缩感知（DCS）与MIMO雷达 3 压缩感知应用 Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile . Copyright 2004-2011 Aspose Pty Ltd. （3） DCS-MIMO联合重构算法 求解欠定方程的处理过程，实现DCS-MIMO雷达信号重构。 常采用的方法有贪婪算法、粒子群算法、模拟退火算法等优化算法。 分布式压缩感知（DCS）与MIMO雷达 3 压缩感知应用 Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile . Copyright 2004-2011 Aspose Pty Ltd. 3.4.3 CS与雷达成像 基于CS的SAR成像需要解决的主要问题有: 目标场景的稀疏基设计， 非相关测量 最优化重构算法等。 3 压缩感知应用 Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile . Copyright 2004-2011 Aspose Pty Ltd. 3.4.3 CS与雷达成像 实际场景信号的构成模式比点目标模型要复杂得多； 大场景雷达成像，由于噪声的缘故，在实际雷达系统中非相关测量的设计是一个有待解决的问题 ； 压缩感知需要求解一个非线性最优化问题，即需要较高的信噪比，然而大场景雷达成像的数据量特别大，且信噪比很差。因此，如何利用CS实施大场景雷达成像是一件非常具有挑战性的课题。 3 压缩感知应用 Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile . Copyright 2004-2011 Aspose Pty Ltd. 穿墙雷达成像和探地雷达成像 余慧敏等 压缩感知理论在探地雷达三维成像中的应用 电子与信息学报，2010 Richard Baraniuk? et al， Compressive Radar Imaging, Preprint, 2008 A. Gurbuz, et al, Compressive sensing for GPR imaging, Preprint, 2008 3 压缩感知应用 3.4.3 CS与雷达成像 Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile . Copyright 2004-2011 Aspose Pty Ltd. 穿墙雷达成像和探地雷达成像 /110050241.html 3 压缩感知应用 3.4.3 CS与雷达成像 Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile . Copyright 2004-2011 Aspose Pty Ltd. 基于压缩感知的含旋转部件目标ISAR成像方法 目标到雷