基于压缩感知的雷达成像论述.docx

Harbin Institute of Technology 课程报告 课程名称： 现代信号处理专题 论文题目： 基于压缩感知的雷达成像 院 系： 电信学院 班 级： 电子一班 设 计 者： 刘玉鑫 学 号： 13S005061 指导教师： 张云 时 间： 2014.06 哈尔滨工业大学 第一章 压缩感知理论基本原理 1.1 压缩感知的基本知识 压缩感知理论的核心思想主要包括两点。第一个是信号的稀疏结构。传统的香农信号表示方法只开发利用了最少的被采样信号的先验信息，即信号的带宽。但是，现实生活中很多广受关注的信号本身具有一些结构特点。相对于带宽信息的自由度，这些结构特点是由信号的更小的一部分自由度所决定。换句话说，在很少的信息损失情况下，这种信号可以用很少的数字编码表示。所以，在这种意义上，这种信号是稀疏信号（或者近似稀疏信号、可压缩信号）。另外一点是不相关特性。稀疏信号的有用信息的获取可以通过一个非自适应的采样方法将信号压缩成较小的样本数据来完成。理论证明压缩感知的采样方法只是一个简单的将信号与一组确定的波形进行相关的操作。这些波形要求是与信号所在的稀疏空间不相关的。 压缩感知方法抛弃了当前信号采样中的冗余信息。它直接从连续时间信号变换得到压缩样本，然后在数字信号处理中采用优化方法处理压缩样本。这里恢复信号所需的优化算法常常是一个已知信号稀疏的欠定线性逆问题。 1.2 压缩感知的主要原理内容 总的说来，压缩感知方法的处理流程可简要描述为：基于待处理信号在某个基上的稀疏性或可压缩性，设计合理的测量矩阵，获得远小于信号维数但包含足够信号特征信息的采样，通过非线性优化算法重构信号。 在传统理论的指导下，信号X的编解码过程如图1-1所示。编码端首先获得X的N店采样值经变换后只保留其中K个最大的投影系数并对它们的幅度和位置编码，最后将编得的码值进行存储或者传输。 解压缩仅仅是编码过程的逆变换。实际上，采样得到的大部分数据都是不重要的，即K值很小，但由于奈奎斯特采样定理的限制，采样点数N可能会非常大，采样后的压缩是造成资源浪费的根本所在。 图1-1 传统数据的编解码过程 压缩感知很好的解决了这一问题，它将信号的采样、压缩及编码合并在了同一步骤中，不经过N点采样的中间过程而直接得到信号的表示，其编解码过程如图1-2所示。可压缩信号X通过一个线性观测过程获得M个观测值后直接进行存储或传输。在满足一定的条件下接收端可以根据这M个观测值通过一个非线性优化过程恢复出原信号X。 图 1-2 CS理论下数据的编解码过程 1.2.1 信号的稀疏表示 信号的稀疏性或可压缩性是压缩感知的重要前提和理论基础。现考虑一个实值离散时间信号X，长度为N。X在时域的元素为，n=1，2，…，N。假设追域的一组标准正交基为，则信号X 可以由线性表示为： 或 （1-1） 其中X、S为N×1的列向量，为N×N矩阵且（表示转置），。可见，X 和是同一信号在不同域的等价表示。如果X只是K（KN）个基向量的线性组合，那么信号X 就是K-稀疏的。当式（1-1）中仅有少量的大系数，而大部分的系数都很小时，就认为信号X 是可压缩的。如果信号具有稀疏性或是可压缩的，那么小系数的丢弃不会影响对原始信号的高概率重构。 图1-2中的线性观测过程可以用一个M×N的矩阵椎表示，对信号X 观测得到的M 个观测值为，。其中是向量Y（M×1）中的元素，是观测矩阵（M×N）的列向量。写成矩阵形式为： （1-2） 将式（2-1）代入式（2-2）中得： （1-3） 其中是M×N的矩阵。该观测过程是非自适应的，也就是说是固定的，不随信号X 的变化而变化。有下面两个问题需要解决：（1）如何设计一个稳定的观测矩阵使得在从到的降维处理中可压缩信号的重要信息不被破坏。（2）如何设计重构算法从个测量值Y 中恢复出X。 1.2.2 测量矩阵的设计 在式（1-2）中，因方程的个数M远远小于未知数的个数N故该线性方程组有无穷解。但是如果X 是K-稀疏