壓縮感知sar成像重構算法研究

《壓縮感知sar成像重構算法研究》由會員上傳分享，免費在線閱讀，更多相關內容在學術論文-天天文庫。

1、國內圖書分類號：TN958．2國際圖書分類號：621．3西南交通大學研究生學位論文年姓級三Q二Q級名周主L申請學位級別亟±專業(yè)籃曼量信息處理指導老師堇俊遮量9塾援二零一三年五月一令一二，平丑月密級：公開ClassifiedIndex：TN958．2U．D．C：621．3SouthwestJiaotongUniversityMasterDegreeThesisRESEARCHONRECONSTRUCTIONALGORITHMSOFCOMPRESSIVESENSINGSARIMAGIMGGrade：2010Candidate：ZhouLiAcademicDegreeAppliedfor：Maste

2、rDegreeSpecialty：SignalandInformationProcessingSupervisor：AssociateProfessorFanJunboMay,2013西南交通大學曲南父遺大罕學位論文版權使用授權書本學位論文作者完全了解學校有關保留、使用學位論文的規(guī)定，同意學校保留并向國家有關部門或機構送交論文的復印件和電子版，允許論文被查閱和借閱。本人授權西南交通大學可以將本論文的全部或部分內容編入有關數(shù)據(jù)庫進行檢索，可以采用影印、縮印或掃描等復印手段保存和匯編本學位論文。本學位論文屬于1．保密口，在年解密后適用本授權書；2．不保密d，使用本授權書。(請在以上方框內打“√”)

3、學位論文作者簽名：／司客乙指導老師簽名：嗍磯，3’叫啉山伊¨c，’西南交通大學碩士學位論文主要工作(貢獻)聲明本人在學位論文中所做的主要工作或貢獻如下：l、在深入研究自適應濾波框架重構算法基礎上，對zo．LMS算法中厶范數(shù)的近似表示進行改進，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)；在零吸引過程中，也不再使用固定的零吸引強度，而是在迭代過程中動態(tài)的調節(jié)零吸引強度。最后，數(shù)值仿真結果表明從上述兩方面改進后的to．LMS算法表現(xiàn)出更好的性能。2、對平滑乇范數(shù)重構算法中，為了進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，為了避免最速下降法在搜索最優(yōu)值過程中，搜索路徑出現(xiàn)的“鋸齒效應”，使用牛頓算法求解改進后，o范數(shù)的最優(yōu)值。改進的修正牛頓平滑如范數(shù)算法獲得比原始平滑乇范數(shù)重構算法和修正牛頓平滑乇范數(shù)算法更好的重構性能。3、在壓縮感知雷達成像中，重構過程需要在復數(shù)域完成。為了可以直接完成復數(shù)域的重構過程，將基于平滑乇范數(shù)的一類重構算法擴展到復數(shù)域。最后，復數(shù)域的數(shù)值仿真結果表明，擴展后的重構算法可以在稀疏基為復數(shù)時直接重構出原始的復數(shù)信號。本人鄭重聲明：所呈交的學位論文，是在導師指導下獨立進行研究工作所得的成果。除文中已經(jīng)注明引用的內容外，本論文不包含任何其他個人或集體已經(jīng)發(fā)表

5、或撰寫過的研究成果。對本文的研究做出貢獻的個人和集體，均已在文中作了明確說明。本人完全了解違反上述聲明所引起的一切法律責任將由本人承擔。學位論文作者躲閏i、[j隰勱，3’"／西南交通大學碩士研究生學位論文第l頁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，合成孔徑雷達通常面臨著高速率A／D轉換和巨大數(shù)據(jù)量等問題的挑戰(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量值重構出來，在雷達成像領域表現(xiàn)出巨大的優(yōu)勢。因此，近年來越來越多的研究機構與學者開始了壓縮感知理論應在合成孔徑雷達成像領域中的應用。作為壓縮感知理論研究三要素之一的

6、壓縮感知重構，其主要過程是采用優(yōu)化理論從少數(shù)的測量值中重構出原始信號。研究設計有效的重構算法，是將壓縮感知由理論推向實用必不可缺的部分。因此，本文在深入研究基于自適應濾波框架和平滑乇范數(shù)重構算法基礎上，針對合成孔徑雷達成像領域出現(xiàn)的復數(shù)域重構問題，從以下幾個方面進行研究：對基于自適應濾波框架的Io．LMS重構算法進行改進。本文在深入分析自適應濾波重構算法后，重點研究對f0范數(shù)的近似表示以及如何減小穩(wěn)態(tài)均方誤差。針對上述兩個方面的問題，在改進to．LMS重構算法中，對乇范數(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)以及在迭代過程中使用逐漸衰減的零吸引強度，從而在保證算法收斂速度的同時降低穩(wěn)

7、態(tài)均方誤差，提高重構性能。對平滑f0范數(shù)重構算法進行改進。對于近似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)。通過數(shù)值試驗證明，改進的修正牛頓平滑乇范數(shù)重構算法取得了較好的重構性能。將基于平滑乇范數(shù)一類的重構算法擴展到復數(shù)域。在壓縮感知雷達成像過程中，為了實現(xiàn)在復數(shù)域的直接感知重構，本文提出了復數(shù)域中乇范數(shù)的近似表示，并指出