稀疏孔径下的运动补偿及快速超分辨成像方法

doi:10.3969/j.issn.0372-2112.2017.02.005

电子学报 ›› 2017, Vol. 45 ›› Issue (2): 291-299.DOI: 10.3969/j.issn.0372-2112.2017.02.005

稀疏孔径下的运动补偿及快速超分辨成像方法

李少东¹, 陈文峰¹, 杨军², 马晓岩², 吕明久¹

1. 空军预警学院研究生队, 湖北武汉 430019;
2. 空军预警学院三系, 湖北武汉 430019

收稿日期:2015-09-30 修回日期:2016-04-21 出版日期:2017-02-25
- 作者简介:
- 李少东,男,1987年出生于河北保定.空军预警学院博士生.主要研究方向为压缩感知在ISAR中的应用、雷达成像.E-mail:liying198798@126.com;陈文峰,男,1989年出生于新疆伊犁.空军预警学院硕士生.主要研究方向为雷达成像、压缩感知.E-mail:chenwf925@163.com;杨军,男,1973年出生于云南大理.空军预警学院副教授、硕士生导师.主要研究方向为雷达系统、雷达信号处理与检测理、SAR/ISAR成像等;马晓岩,男,1962年出生于湖北赤壁.空军预警学院教授、博士生导师,主要研究方向为雷达系统、雷达信号处理与检测理、现代信号处理及其应用;吕明久,男,1985年出生于安徽庐江.空军预警学院博士生.主要研究方向为步进频雷达成像、压缩感知.E-mail:lv_mingjiu@163.com
- 基金资助:
- 国家自然科学基金 (No.61179014）

Research on Motion Compensation and Fast Super Resolution Imaging Method Under Sparse Aperture Condition

LI Shao-dong¹, CHEN Wen-feng¹, YANG Jun², MA Xiao-yan², LV Ming-jiu¹

1. Deptartment of Graduate Management, Air Force Early Warning Academy, Wuhan, Hubei 430019, China;
2. Deptartment of No. 3, Air Force Early Warning Academy, Wuhan, Hubei 430019, China

Received:2015-09-30 Revised:2016-04-21 Online:2017-02-25 Published:2017-02-25
- Supported by:
- National Natural Science Foundation of China (No.61179014)

摘要/Abstract

摘要：

针对稀疏孔径条件下目标运动补偿难和方位稀疏成像算法效率低、分辨率差等问题，本文提出了一种稀疏孔径下的运动补偿和快速超分辨成像方法.首先，通过将运动补偿问题转换为距离频域内的多参数估计问题，基于黄金分割法实现参数的快速估计后同时实现包络对齐和相位校正，从而完成运动补偿；其次，针对补偿后不同距离单元ISAR回波的特征，为实现快速的方位成像，本文提出矩阵形式的Nesterov线性Bregman迭代算法（Matrix form of Nesterov Linearized Bregman Iteration，MNLBI）算法，分析了该算法的基本迭代格式，讨论了加快收敛的原因，并详细分析了该算法的运算量，仿真与实测数据结果验证了本文方法的有效性.

关键词: 稀疏孔径, 逆合成孔径雷达成像, 超分辨, 抗噪性, 线性Bregman迭代

Abstract:

In inverse synthetic aperture radar,the difficulty of motion compensation,the low imaging efficiency and resolution of sparse apertures for non-cooperate targets is a challenge problem.To solve the problem,a novel motion compensation and fast imaging method is proposed in this paper.First,the motion compensation is converted into a multi-parameters estimation problem.In order to accomplish the motion compensation,golden selection search (GSS) is adopted to estimate the multi-parameters.Second,the ISAR echoes' feature changes as range cell changing.To realize azimuth imaging efficiently,a matrix form of Nesterov linearized Bregman iteration (MNLBI) algorithm is proposed and the basic iteration scheme is presented as well.The method to speed up convergence of MNLBI is also given.Finally,the robustness to noise and computation is analyzed.The simulation and real data results show the effectiveness of the proposed method.

Key words: sparse aperture, inverse synthetic aperture radar imaging, super resolution, noise robustness, linearized Bregman iteration

中图分类号:

TN911.7

李少东, 陈文峰, 杨军, 等. 稀疏孔径下的运动补偿及快速超分辨成像方法[J]. 电子学报, 2017, 45(2): 291-299.

LI Shao-dong, CHEN Wen-feng, YANG Jun, et al. Research on Motion Compensation and Fast Super Resolution Imaging Method Under Sparse Aperture Condition[J]. Acta Electronica Sinica, 2017, 45(2): 291-299.

参考文献

[1] 保铮,邢孟道,王彤.雷达成像技术[M].电子工业出版社,2003.
[2] Wahl D E,Eichel P H,Ghigetia D C,et al.Phase gradient autofocus-a robust tool for high resolution SAR phase correction[J].IEEE Transactions on Aerospace and Electronic Systems,1994,30(3):827-835.
[3] C.A.Snarski.Rank one phase estimation for range-Doppler imaging[J].IEEE Transactions on Aerospace and Electronic Systems,1996,32(2):676-688.
[4] Daiyin Zhu,Ling Wang,Yusheng Yu,et al.Robust ISAR range alignment via minimizing the entropy of the average range profile[J].IEEE Transactions on Geoscience and Remote Sensing Letters,2009,6(2):204-208.
[5] 俞翔,朱岱寅.一种ISAR 二维压缩感知成像的运动补偿方法[J].电子学报,2012,40(9):1783-1789. Yu Xiang,Zhu Dai-yin.A motion compensation algorithm for 2-dimensional compressed ISAR imaging[J].Acta Electronica Sinica,2012,40(9):1783-1789.(in Chinese)
[6] 俞翔,朱岱寅,等.基于设计结构化Gram矩阵的ISAR运动补偿方法[J].电子学报,2014,42(3):542-461. Yu Xiang,Zhu Dai yin,et al.A motion compensation algorithm based on the designing structured gram matrices[J].Acta Electronica Sinica,2014,42(3):542-461.(in Chinese)
[7] 张磊.高分辨SAR/ISAR成像及误差补偿技术研究[D].西安电子科技大学,2012.
[8] Candes E.The restricted isometry property and its implication for compressed sensing[J].Comptes Rendus del Cademie dea Sciences,Series 1,2008,346(9-10):589-592.
[9] Wei Rao,Gang Li,Xiqin Wang,et al.Parametric sparse representation method for ISAR imaging of rotating targets[J].IEEE Transaction on Aerospace and Electronic Systems,2014,50(2):910-918.
[10] 杨俊刚.利用稀疏信息的正则化雷达成像理论与方法研究[D].国防科技大学研究生院,2013.
[11] 李少东,裴文炯,等.贝叶斯模型下的OMP重构算法及应用[J].系统工程与电子技术,2015,37(2):246-251.
[12] Gang Xu,Meng-Dao Xing,Lei Zhang.Sparse apertures isar imaging and scaling for maneuvering targets[J].IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing,2014,7(7):2942-2956.
[13] Liu H C,Jiu B,Liu H W,et al.A novel ISAR imaging algorithm for micromotion targets based on multiple sparse Bayesian learning[J].IEEE Trans on Geoscience and Remote Sensing Letters,2014,11(10):1772-1776
[14] Jian Fang,Zongben Xu,et al.Fast compressed sensing SAR imaging based on approximated observation[J].IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing,2014,7(1):352-363
[15] 李少东,陈文峰,杨军,等.一种快速复数线性Bregman迭代算法及其在ISAR成像中的应用[J].中国科学信息科学,2015 doi:10.1360/N112014-00316.
[16] 李少东,陈文峰,杨军,等.任意稀疏结构的多量测向量模型快速稀疏重构算法研究[J].电子学报,2015,43(4):708-715. Li Shao dong,Chen Wen feng,Yang Jun,et al.Study on the fast sparse recovery algorithm via multiple measurement vectors of arbitrary sparse structure[J].Acta Electronica Sinica,2015,43(4):708-715.(in Chinese)
[17] Osher S,Mao Y,Dong B,et al.Fast linearized bregman iteration for compressive sensing and sparse denoising[J].Mathematics of Computation,2011,78(267):1515-1536.
[18] CAI J F,Osher S,Shen Z W.Linearized Bregman iterations for frame-based image deblurring[J].SIAM J Imaging Sciences,2009,2(1):226-252
[19] Bo Huang,Shiqian Ma,Donald Goldfarb.Accelerated linearized Bregman method[J].J Sci Comput,2013,54:428-453.
[20] Yin W T,Osher S,Goldfarb D,et al.Bregman iterative algorithms for l1-minimization with applications to compressed sensing[J].SIAM J Imaging Sciences,2008,1(1):143-168.
[21] 吴敏,邢孟道,张磊.基于压缩感知的二维联合超分辨 ISAR 成像算法[J].电子与信息学报,2014,36(1):187-193.

稀疏孔径下的运动补偿及快速超分辨成像方法

Research on Motion Compensation and Fast Super Resolution Imaging Method Under Sparse Aperture Condition

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

[1]	刘杰, 葛一凡, 田明. 文物图像的超分辨率重建算法研究[J]. 电子学报, 2023, 51(1): 139-145.
[2]	李滔, 董秀成, 林宏伟. 基于深监督跨尺度注意力网络的深度图像超分辨率重建[J]. 电子学报, 2023, 51(1): 128-138.
[3]	吴靖, 叶晓晶, 黄峰, 陈丽琼, 王志锋, 刘文犀. 基于深度学习的单帧图像超分辨率重建综述[J]. 电子学报, 2022, 50(9): 2265-2294.
[4]	王相海, 赵晓阳, 王鑫莹, 赵克云, 宋传鸣. 非抽取小波边缘学习深度残差网络的单幅图像超分辨率重建[J]. 电子学报, 2022, 50(7): 1753-1765.
[5]	王罗胜斌, 吴国庆, 徐振海, 李永祯, 王雪松. 雷达极化域变焦角反组合体对抗方法：抗质心式干扰[J]. 电子学报, 2022, 50(12): 2957-2968.
[6]	周登文, 李文斌, 李金新, 黄志勇. 一种轻量级的多尺度通道注意图像超分辨率重建网络[J]. 电子学报, 2022, 50(10): 2336-2346.
[7]	田典, 余宁梅, 周广霖, 李娜. 双线阵无透镜超分辨率扫描成像方法研究[J]. 电子学报, 2022, 50(10): 2503-2516.
[8]	唐艳秋, 潘泓, 朱亚平, 李新德. 图像超分辨率重建研究综述[J]. 电子学报, 2020, 48(7): 1407-1420.
[9]	王相海, 赵晓阳, 毕晓昀, 陶兢喆. 小波域多角度轮廓模板变分模型的单幅图像超分辨率重建[J]. 电子学报, 2018, 46(9): 2256-2262.
[10]	陈文峰, 李少东, 杨军, 马晓岩. 低信噪比下二维联合快速超分辨B-ISAR成像方法[J]. 电子学报, 2018, 46(4): 840-848.
[11]	张彦奎, 许海韵, 巴斌, 逯志宇, 代正亮. 基于互质阵列重构的高维波达方向估计算法[J]. 电子学报, 2018, 46(12): 2923-2929.
[12]	伍政华, 孙明健, 顾宗山, 范明意. 基于二阶广义方向性全变分的图像超分辨率重建方法[J]. 电子学报, 2017, 45(11): 2625-2632.
[13]	詹曙, 方琪, 杨福猛, 常乐乐, 闫婷. 基于耦合特征空间下改进字典学习的图像超分辨率重建[J]. 电子学报, 2016, 44(5): 1189-1195.
[14]	杜奕, 张挺. 基于多点信息统计法的土地覆盖图像超分辨率重建方法[J]. 电子学报, 2016, 44(11): 2576-2582.
[15]	任福全, 邱天爽, 韩军, 金声. 基于二阶广义全变差的多帧图像超分辨率重建[J]. 电子学报, 2015, 43(7): 1275-1280.