資源描述:
《壓縮感知sar成像重構(gòu)算法研究》由會(huì)員上傳分享,免費(fèi)在線閱讀,更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。
1、國(guó)內(nèi)圖書(shū)分類號(hào):TN958.2國(guó)際圖書(shū)分類號(hào):621.3西南交通大學(xué)研究生學(xué)位論文年姓級(jí)三Q二Q級(jí)名周主L申請(qǐng)學(xué)位級(jí)別亟±專業(yè)籃曼量信息處理指導(dǎo)老師堇俊遮量9塾援二零一三年五月一令一二,平丑月密級(jí):公開(kāi)ClassifiedIndex:TN958.2U.D.C:621.3SouthwestJiaotongUniversityMasterDegreeThesisRESEARCHONRECONSTRUCTIONALGORITHMSOFCOMPRESSIVESENSINGSARIMAGIMGGrade:2010Candidate:ZhouLiAcademicDegreeAppliedfor:Maste
2、rDegreeSpecialty:SignalandInformationProcessingSupervisor:AssociateProfessorFanJunboMay,2013西南交通大學(xué)曲南父遺大罕學(xué)位論文版權(quán)使用授權(quán)書(shū)本學(xué)位論文作者完全了解學(xué)校有關(guān)保留、使用學(xué)位論文的規(guī)定,同意學(xué)校保留并向國(guó)家有關(guān)部門或機(jī)構(gòu)送交論文的復(fù)印件和電子版,允許論文被查閱和借閱。本人授權(quán)西南交通大學(xué)可以將本論文的全部或部分內(nèi)容編入有關(guān)數(shù)據(jù)庫(kù)進(jìn)行檢索,可以采用影印、縮印或掃描等復(fù)印手段保存和匯編本學(xué)位論文。本學(xué)位論文屬于1.保密口,在年解密后適用本授權(quán)書(shū);2.不保密d,使用本授權(quán)書(shū)。(請(qǐng)?jiān)谝陨戏娇騼?nèi)打“√”)
3、學(xué)位論文作者簽名:/司客乙指導(dǎo)老師簽名:嗍磯,3’叫啉山伊¨c,’西南交通大學(xué)碩士學(xué)位論文主要工作(貢獻(xiàn))聲明本人在學(xué)位論文中所做的主要工作或貢獻(xiàn)如下:l、在深入研究自適應(yīng)濾波框架重構(gòu)算法基礎(chǔ)上,對(duì)zo.LMS算法中厶范數(shù)的近似表示進(jìn)行改進(jìn),不再使用固定參數(shù)的連續(xù)函數(shù)替代乇范數(shù),而是采用近似程度控制參數(shù)連續(xù)變化的拉普拉斯函數(shù)近似表示乇范數(shù);在零吸引過(guò)程中,也不再使用固定的零吸引強(qiáng)度,而是在迭代過(guò)程中動(dòng)態(tài)的調(diào)節(jié)零吸引強(qiáng)度。最后,數(shù)值仿真結(jié)果表明從上述兩方面改進(jìn)后的to.LMS算法表現(xiàn)出更好的性能。2、對(duì)平滑乇范數(shù)重構(gòu)算法中,為了進(jìn)一步提高近似乇范數(shù)的逼近性能,使用高斯函數(shù)與雙曲正切函數(shù)混合形式的
4、近似雙曲正切函數(shù)表示乇范數(shù);同時(shí),為了避免最速下降法在搜索最優(yōu)值過(guò)程中,搜索路徑出現(xiàn)的“鋸齒效應(yīng)”,使用牛頓算法求解改進(jìn)后,o范數(shù)的最優(yōu)值。改進(jìn)的修正牛頓平滑如范數(shù)算法獲得比原始平滑乇范數(shù)重構(gòu)算法和修正牛頓平滑乇范數(shù)算法更好的重構(gòu)性能。3、在壓縮感知雷達(dá)成像中,重構(gòu)過(guò)程需要在復(fù)數(shù)域完成。為了可以直接完成復(fù)數(shù)域的重構(gòu)過(guò)程,將基于平滑乇范數(shù)的一類重構(gòu)算法擴(kuò)展到復(fù)數(shù)域。最后,復(fù)數(shù)域的數(shù)值仿真結(jié)果表明,擴(kuò)展后的重構(gòu)算法可以在稀疏基為復(fù)數(shù)時(shí)直接重構(gòu)出原始的復(fù)數(shù)信號(hào)。本人鄭重聲明:所呈交的學(xué)位論文,是在導(dǎo)師指導(dǎo)下獨(dú)立進(jìn)行研究工作所得的成果。除文中已經(jīng)注明引用的內(nèi)容外,本論文不包含任何其他個(gè)人或集體已經(jīng)發(fā)表
5、或撰寫(xiě)過(guò)的研究成果。對(duì)本文的研究做出貢獻(xiàn)的個(gè)人和集體,均已在文中作了明確說(shuō)明。本人完全了解違反上述聲明所引起的一切法律責(zé)任將由本人承擔(dān)。學(xué)位論文作者躲閏i、[j隰勱,3’"/西南交通大學(xué)碩士研究生學(xué)位論文第l頁(yè)曼曼曼皇曼曼皇皇曼曼曼曼舅曼!曼曼曼曼量曼曼曼IIII舅曼鼉皇量摘要為了獲得高分辨率圖像,合成孔徑雷達(dá)通常面臨著高速率A/D轉(zhuǎn)換和巨大數(shù)據(jù)量等問(wèn)題的挑戰(zhàn)。然而,壓縮感知理論表明高分辨率圖像可以在相較于奈奎斯特采樣率下極少的測(cè)量值重構(gòu)出來(lái),在雷達(dá)成像領(lǐng)域表現(xiàn)出巨大的優(yōu)勢(shì)。因此,近年來(lái)越來(lái)越多的研究機(jī)構(gòu)與學(xué)者開(kāi)始了壓縮感知理論應(yīng)在合成孔徑雷達(dá)成像領(lǐng)域中的應(yīng)用。作為壓縮感知理論研究三要素之一的
6、壓縮感知重構(gòu),其主要過(guò)程是采用優(yōu)化理論從少數(shù)的測(cè)量值中重構(gòu)出原始信號(hào)。研究設(shè)計(jì)有效的重構(gòu)算法,是將壓縮感知由理論推向?qū)嵱帽夭豢扇钡牟糠?。因此,本文在深入研究基于自適應(yīng)濾波框架和平滑乇范數(shù)重構(gòu)算法基礎(chǔ)上,針對(duì)合成孔徑雷達(dá)成像領(lǐng)域出現(xiàn)的復(fù)數(shù)域重構(gòu)問(wèn)題,從以下幾個(gè)方面進(jìn)行研究:對(duì)基于自適應(yīng)濾波框架的Io.LMS重構(gòu)算法進(jìn)行改進(jìn)。本文在深入分析自適應(yīng)濾波重構(gòu)算法后,重點(diǎn)研究對(duì)f0范數(shù)的近似表示以及如何減小穩(wěn)態(tài)均方誤差。針對(duì)上述兩個(gè)方面的問(wèn)題,在改進(jìn)to.LMS重構(gòu)算法中,對(duì)乇范數(shù)的表示采用近似程度控制參數(shù)連續(xù)變化的拉普拉斯函數(shù)以及在迭代過(guò)程中使用逐漸衰減的零吸引強(qiáng)度,從而在保證算法收斂速度的同時(shí)降低穩(wěn)
7、態(tài)均方誤差,提高重構(gòu)性能。對(duì)平滑f0范數(shù)重構(gòu)算法進(jìn)行改進(jìn)。對(duì)于近似f0范數(shù)函數(shù)的選取,使用“陡峭性"更高的近似雙曲正切函數(shù)逼近毛范數(shù);相比于最速下降法,使用修正牛頓算法優(yōu)化近似乇范數(shù)。通過(guò)數(shù)值試驗(yàn)證明,改進(jìn)的修正牛頓平滑乇范數(shù)重構(gòu)算法取得了較好的重構(gòu)性能。將基于平滑乇范數(shù)一類的重構(gòu)算法擴(kuò)展到復(fù)數(shù)域。在壓縮感知雷達(dá)成像過(guò)程中,為了實(shí)現(xiàn)在復(fù)數(shù)域的直接感知重構(gòu),本文提出了復(fù)數(shù)域中乇范數(shù)的近似表示,并指出