检索结果-内蒙古大学图书馆

系统工程与电子技术 2023年第7期45卷 2051-2059页

作者：赵正义侯颖妮南京电子技术研究所江苏南京210013 中国电科智能感知实验室江苏南京210013

针对传统贝叶斯解卷积方法未能有效利用目标的块结构信息而导致对块目标成像效果不理想的问题,本文提出将模式耦合稀疏贝叶斯学习方法应用于前视成像中。同时,针对其在低信噪比下分辨率迅速恶化的问题,提出使用截断奇异值分解作为解卷... 详细信息

针对传统贝叶斯解卷积方法未能有效利用目标的块结构信息而导致对块目标成像效果不理想的问题,本文提出将模式耦合稀疏贝叶斯学习方法应用于前视成像中。同时,针对其在低信噪比下分辨率迅速恶化的问题,提出使用截断奇异值分解作为解卷积之前的预处理,通过剔除卷积矩阵中较小的奇异值,可以有效抑制解卷积过程中的噪声放大,进而提升方位分辨率。仿真实验结果表明,所提方法在低信噪比下仍具有较好的超分辨成像效果。

关键词：前视成像解卷积块稀疏重构低信噪比超分辨

来源：评论

学校读者我要写书评

暂无评论

稀疏信号重构算法及在雷达成像中的应用研究

稀疏信号重构算法及在雷达成像中的应用研究

引用

作者：冯俊杰南京航空航天大学

学位级别：博士

雷达成像技术能够获取目标精细的结构特征,该项技术的应用在军事、民用等领域中有着重要地位。为了提高雷达成像能力,本文以成像场景中目标的稀疏特性为背景,充分利用目标强散射点的稀疏性的先验信息和目标的结构特征,针对短孔径条件下... 详细信息

雷达成像技术能够获取目标精细的结构特征,该项技术的应用在军事、民用等领域中有着重要地位。为了提高雷达成像能力,本文以成像场景中目标的稀疏特性为背景,充分利用目标强散射点的稀疏性的先验信息和目标的结构特征,针对短孔径条件下稳健高分辨逆合成孔径雷达（Inverse Synthetic Aperture Radar,ISAR）成像,稀疏阵列低旁瓣多输入多输出（Multiple Input Multiple Output,MIMO）雷达成像等问题展开研究。本文的主要内容概括如下:1.基于稀疏信号重构高分辨率ISAR成像算法针对低信噪比条件下ISAR成像问题,提出基于参数迭代优化贝叶斯稀疏重构ISAR成像算法。将ISAR成像转化为贝叶斯准则下的稀疏约束最大后验概率估计,通过目标散射系数和噪声功率交替迭代优化求解,实现目标重构。与传统稀疏重构方法相比,算法的参数能够自适应调整,具有较好的稳健性。研究基于单循环结构平滑l0范数稀疏信号重构算法ISAR成像。将ISAR成像问题转换为最小0l范数的优化问题,采用单循环代替双循环结构,减小搜索步长,更新代价函数,实验结果证明该方法可以提高重构精度和运算效率。2.基于多维稀疏信号重构ISAR成像算法针对稀疏重构ISAR成像向量化处理带来的高计算复杂度和高内存占用率问题,利用二维数据的结构特性,通过二维平滑函数近似信号的l0范数,采用二维平滑0l（SL0）范数稀疏信号重构算法实现ISAR稀疏重构成像,实测数据证明该算法提高了运算效率;针对ISAR目标三维成像,分析接收回波信号三维稀疏表示,采用基于三维平滑0l范数稀疏信号重构算法实现ISAR成像,仿真实验验证,该算法可有效降低计算复杂度和运算量。3.基于块稀疏信号重构ISAR成像算法为实现快速高分辨率ISAR成像,利用ISAR目标的块状结构特征,将ISAR成像转化为lp（7）0（27）p?1（8）范数优化问题,结合信号加权优化思想,采用迭代加权lp范数块稀疏信号重构算法,实现快速ISAR成像;构建多测量向量（multiple measurement vector,MMV）ISAR回波模型,利用回波中目标二维块结构特征,提出基于多测量向量模型的块稀疏平滑0l范数重构ISAR成像算法。实验结果证明该算法提高了运算效率和成像质量。4.基于稀疏信号重构MIMO雷达成像算法针对稀疏阵列MIMO雷达成像高旁瓣问题,采用修正牛顿SL0稀疏信号重构算法MIMO雷达进行成像。采用双曲正切函数作为平滑函数来逼近0l范数,将成像问题转化为0l范数的优化问题,沿双曲正切函数的修正牛顿方向优化求解,实现低旁瓣MIMO雷达成像,同时采用奇异值分解方法和对角加载算法进一步提高算法的稳健性。

关键词：逆合成孔径雷达成像稀疏信号重构算法平滑l0范数块稀疏重构联合稀疏信号重构多测量向量多输入多输出雷达

来源：评论

学校读者我要写书评

暂无评论

压缩采样雷达信号的快速重构方法研究

压缩采样雷达信号的快速重构方法研究

引用

作者：张素玲南京理工大学

学位级别：博士

压缩采样或压缩感知理论是根据信号的稀疏特性,以远低于奈奎斯特率的采样速率表征信号的理论。模拟信息转换(模信转换),以压缩采样理论为基础,有效地实现了稀疏模拟信号的亚奈奎斯特率采样,并在宽带信号采样中获得广泛而深入的研究。在... 详细信息

压缩采样或压缩感知理论是根据信号的稀疏特性,以远低于奈奎斯特率的采样速率表征信号的理论。模拟信息转换(模信转换),以压缩采样理论为基础,有效地实现了稀疏模拟信号的亚奈奎斯特率采样,并在宽带信号采样中获得广泛而深入的研究。在雷达应用领域,模信转换可实现宽带和超宽带雷达信号的亚奈奎斯特率采样,为宽带和超宽带雷达的发展提供了新的思路。但是,在一些应用领域,常常要恢复雷达回波的奈奎斯特率采样信号。从信号重构角度,这是一个大规模稀疏重构问题,现行的稀疏重构算法需要大的存储空间、计算量大,难以实现实时重构。模信转换,根据采样信号对象不同,具有不同的实现结构。业已发展的模信转换系统可分为低通型模信转换、带通型模信转换和多带型模信转换。本文针对这三种模信转换在雷达信号采样中的应用,研究奈奎斯特率雷达信号的快速重构方法。本文的主要工作和贡献如下:1.将随机解调模信转换应用于脉冲雷达基带信号采样,提出了一种分段滑动重构方法,实现了雷达基带回波信号的快速重构。随机解调是一种典型的低通型模信转换系统,可实现雷达基带回波信号的亚奈奎斯特采样。基于对随机解调系统特性和雷达基带回波信号稀疏表示字典的分析,本文发现测量矩阵具有带状结构,并据此提出了一种分段滑动重构方法。该方法对观测时间内获得的压缩测量数据进行重叠分段,将大规模稀疏重构问题分解为一系列小规模稀疏重构子问题,通过采用滑动方式依次求解每个子问题实现信号的快速重构。分段重构性能受到相邻段引入干扰的影响,本文从理论上分析了分段滑动重构方法的重构性能,并通过仿真验证了该方法的有效性。2.将正交压缩采样模信转换应用于脉冲雷达带通信号采样,提出了一种近似处理方法,实现了雷达基带回波信号的快速重构。正交压缩采样是一种带通型模信转换系统,可以实现带通模拟信号的亚奈奎斯特采样,并能够同时获取带通信号同相和正交分量的压缩测量。本文将正交压缩采样系统应用于雷达中频回波信号采样,在对正交压缩采样系统特性进行分析的基础上,将正交压缩采样测量矩阵近似成带状矩阵。由于近似矩阵与随机解调测量矩阵的结构相类似,因而可以根据正交压缩采样的测量数据,采用分段滑动重构方法实现快速重构。本文从理论上分析了对测量矩阵进行近似的合理性,并通过仿真分析验证了其可行性和有效性。3.将多带正交压缩采样模信转换应用于脉冲雷达多带信号采样,提出了块稀疏分段滑动重构方法,实现了每个子带基带信号的快速重构。多带正交压缩采样是一种多带型模信转换系统,可以实现多带模拟信号的亚Landau率采样,并同时获取每个子带同相和正交分量的压缩测量。本文考虑等带宽多带雷达应用场景,将多带正交压缩采样系统应用于多带雷达信号采样。基于对等带宽多带雷达回波信号的分析,揭示出回波信号的块稀疏性,继而提出采用块稀疏重构模型恢复所有子带回波信号的方法,并发展了块稀疏分段滑动重构方法来实现快速重构。该方法根据分段滑动重构方法的分段方式,将大规模块稀疏重构问题分解成一系列小规模块稀疏重构子问题,通过依次求解每个子问题实现快速重构。数值仿真验证了块稀疏分段滑动重构方法的有效性。4.将分段滑动重构方法应用于压缩采样雷达运动目标回波信号的重构,提出了基于正交投影的加权稀疏分段滑动多脉冲回波快速重构方法。与单脉冲回波不同,运动目标在脉冲积累时间内可能产生跨距离单元现象,使得回波信号表示系数具有稀疏时变性。本文首先采用概率分布模型描述稀疏位置的变化,将多脉冲回波信号重构转化为加权稀疏重构问题;然后根据分段滑动重构思想,提出基于正交投影的加权稀疏分段滑动重构方法来实现快速重构。该方法利用前一个脉冲稀疏位置估计信息,构造相邻段引入干扰的正交补空间,将子段压缩测量投影到构造的正交补空间,有效地抑制了相邻段引入的干扰。数值仿真验证了方法的有效性。

关键词：压缩采样压缩感知模拟信息转换随机解调正交压缩采样多带压缩采样稀疏重构分段滑动重构块稀疏重构加权稀疏正交投影

来源：评论

学校读者我要写书评

暂无评论

基于解卷积的雷达前视超分辨技术研究

基于解卷积的雷达前视超分辨技术研究

引用

作者：赵正义中国电子科技集团公司电子科学研究院

学位级别：硕士

雷达前视超分辨成像技术在飞机自主降落、精确制导、地形感知和避让等军事和民事领域具有非常重要的应用价值。然而,受成像机理的限制,导致方位分辨率远低于距离分辨率,制约了实际应用效果,因此研究如何提升雷达前视方位分辨率是目前研... 详细信息

雷达前视超分辨成像技术在飞机自主降落、精确制导、地形感知和避让等军事和民事领域具有非常重要的应用价值。然而,受成像机理的限制,导致方位分辨率远低于距离分辨率,制约了实际应用效果,因此研究如何提升雷达前视方位分辨率是目前研究的热点和难点。本文主要在实孔径扫描雷达工作模式下,采用解卷积的方法进行前视超分辨成像算法方面的研究,并主要做了以下四方面的工作:（1）根据实孔径扫描雷达成像的空间几何关系,推导了雷达平台与地面目标之间的瞬时斜距,进而建立了信号回波模型和方位向的卷积模型,为后续超分辨算法的研究提供理论基础。（2）针对稀疏场景成像中经典的1L正则化解卷积方法所产生的解并非最稀疏,提出了基于L1 2正则化的解卷积方法,由于L1 2正则算子比1L正则算子稀疏约束能力更强,因此产生的解更稀疏,鲁棒性更好,在稀疏场景下具有更好的成像效果。（3）针对传统的贝叶斯解卷积方法忽略了目标自身的结构信息而导致分辨率低、成像效果较差的问题,提出了基于模式耦合机制的块稀疏贝叶斯解卷积方法,通过学习和利用目标自身的块结构信息,可以达到共同稀疏的目的,进而提升成像效果。（4）针对基于模式耦合的块稀疏贝叶斯解卷积方法在低信噪比下分辨率下降的问题,提出在解卷积之前先使用截断奇异值分解（TSVD）方法剔除卷积矩阵中导致噪声放大的较小奇异值,以此削弱低信噪比下噪声对块稀疏贝叶斯解卷积方法性能的影响。以上所述的模型及超分辨方法,均已通过仿真进行了实验验证,相比于传统方法,能够起到更好的成像效果。

关键词：前视成像方位超分辨解卷积块稀疏重构

来源：评论

学校读者我要写书评

暂无评论

基于块稀疏恢复的空时自适应信号处理研究

基于块稀疏恢复的空时自适应信号处理研究

引用

作者：季文韬南京理工大学

学位级别：硕士

空时自适应处理(STAP)技术利用空域和时域的信息有效抑制了杂波,与稀疏恢复算法相结合可以减少所需的样本数据,但是,在样本数量严重不足时,该方法恢复出的杂波只能得到大概位置,与真实谱相差甚远。由于STAP信号中的非零值不仅具有稀疏特... 详细信息

空时自适应处理(STAP)技术利用空域和时域的信息有效抑制了杂波,与稀疏恢复算法相结合可以减少所需的样本数据,但是,在样本数量严重不足时,该方法恢复出的杂波只能得到大概位置,与真实谱相差甚远。由于STAP信号中的非零值不仅具有稀疏特性,而且显著值还具有聚类的特性,即具有块稀疏特性,因此可以考虑利用STAP信号特有的块稀疏特性恢复杂波谱,从而提高抑制杂波的性能。本文将块稀疏重构理论应用于STAP技术,在样本量严重不足时,较大地提高了重构精度与杂波抑制性能,并且计算时间在可接受范围内。本文所做的工作具体如下:1.介绍STAP的基本原理,分析杂波谱特性与性能指标。同时介绍了信号稀疏重构的原理与方法,选择正交匹配追踪(OMP)算法与光滑l0(SLO)算法这两种经典方法梳理算法过程,并且将这两种算法应用于STAP技术中,分析其性能上的不足。2.介绍块稀疏重构的原理,并在分析了 STAP杂波空时谱具有块稀疏特性的基础上,创新性地将块稀疏重构算法与STAP技术相结合,提出了基于块稀疏恢复算法重构STAP杂波谱的算法流程,并对算法步骤进行了详细研究。3.将OMP算法推广为块稀疏情况下的块正交匹配追踪(BOMP)算法并通过重构STAP杂波谱仿真分析得出,在BOMP应用于STAP技术时,由于STAP杂波子块边界未知,块稀疏分块的不准确会使贪婪算法本身易陷入局部最优解的缺陷放大。因此本文提出了一种BOMP修正算法,对要选择的最优原子块进行修正,设能量阈值对该子块边界进行判断,避免上述的重构误差,提高了重构精度与抑制杂波性能。同时,用Matlab仿真数据和MountainTop实测数据分别重构杂波谱进行比较,验证了提出算法的有效性。4.将SL0算法推广为块稀疏情况下的块光滑l0(BSL0)算法并用Matlab仿真数据和MountainTop实测数据分别重构杂波谱进行比较分析并验证:用块稀疏恢复算法处理STAP信号性能要优于普通稀疏恢复算法应用于STAP的性能。同时,在相同条件下横向比较两类算法,证明上述结论。

关键词：空时自适应处理技术压缩感知块稀疏重构

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：