基于二维压缩感知的高分辨sar成像分析-analysis of high resolution sar imaging based on 2d compressive sensing.docxVIP

摘 要I摘 要传统的 SAR 成像分辨率与点扩散函数的主瓣宽度有关，通常需要发射大带宽 信号。由此会造成采样率升高、数据量剧增等问题，给传输、存储及实时成像造 成不便。雷达目标具有电磁散射特性，符合压缩感知对稀疏性的要求，使得在 SAR成像中引入压缩感知（Compressive Sensing，CS）理论具有可行性。由于基于 CS 的 SAR（简称 CS-SAR）成像可以有效消除点扩散函数的影响，提高成像分辨率， 并且 CS 理论中的非相关观测能有效降低高分辨雷达成像所需的数据量，所以 CS-SAR 高分辨成像具有非常重要的意义。本文主要在前人研究的基础上，深入展开基于二维 CS 的高分辨 SAR 成像算法的系统研究。首先是在距离维和方位维分别应用 CS 得到基于 CS 的二维可分离 的高分辨 SAR 成像算法。包括适用于正侧视的 RD-CS（Range-Doppler-CS）二维 成像算法，适用于大斜视的改进 RD-CS 二维成像算法，以及与经典 chirp-scaling 算法结合的 CS-CS 高分辨成像算法。实验仿真已经证明这些算法在分辨率及数据 率上均胜于传统成像算法。但是，目前 CS-SAR 成像算法对不稀疏场景的成像效 果还不理想，本文设想利用回波的两维联合信息来提高 CS-SAR 的成像效果。基 于此思路提出基于梯度投影算法的二维联合高分辨 SAR 成像算法和基于 CS 二维联合基的高分辨 SAR 成像算法。并经实验初步证明了回波信号中蕴含丰富的两维 联合信息，若充分利用这些联合信息，则可以大大降低采样率和场景稀疏度对 CS-SAR 成像效果的限制。关键词：压缩感知 合成孔径雷达 高分辨 二维联合 大斜视II摘 要AbstractIIIAbstractHigh-resolution SAR imaging usually needs a wide-band signal, because the resolution has relation with the main lobe width of the point spread function. But the wide-band signal will result in high sampling rate and huge date volume which are difficult to transmit, storage and real time image. Recent advent of theory of Compressive Sensing (CS) introduces a novel SAR imaging modality based on the electromagnetic scattering characteristics of the radar target s. The resolution of SAR imaging based on CS can be improved according to the new imaging scheme can suppress the influence of the point spread function. Moreover, the incoherent measurement of CS can reduce the data needed by the imaging. So the high- resolution CS-SAR imaging has huge significance.This thesis will do further research on the two-dimensional high-resolution SARimaging algorithm based on CS theory. Firstly, we introduce the two-dimensional-separated high-resolution SAR imaging algorithm based on CS theory. It includes side looking SAR imaging algorithm RD-CS and the improved RD-CS algorithm suitable for large squint SAR imaging as well as a new chirp-scaling algorithm based on CS named as CS-CS. Simulation experiments show the above algorithms work better in res