基于平滑l 0 范数的高分辨雷达一维成像研究
邱伟* 赵宏钟 陈建军 付强
国防科技大学ATR重点实验室 长沙 410073
High-resolution Radar One-dimensional Imaging Based on Smoothed l0 Norm
Qiu Wei Zhao Hong-zhong Chen Jian-jun Fu Qiang
ATR Key Lab, National University of Defense Technology, Changsha 410073, China
摘要 雷达高分辨距离像对于目标检测、识别具有重要意义。该文针对高频区雷达散射响应的特点,采用稀疏信号表示方法研究了雷达高分辨1维成像问题。以理想点散射模型为基础,构造了相应的过完备基,并引入平滑l 0 范数法实现雷达高分辨成像。实验结果表明该方法在观测数据采样率降低、观测数据缺失等实验条件下均能正确成像,验证了该方法的有效性。
关键词 :
雷达高分辨成像 ,
超分辨 ,
稀疏表示 ,
l 0 范数
Abstract :Radar High Range Resolution Profile (HRRP) plays an important role in target detection and recognition. For the properties of radar scattering response at high frequencies, a novel radar high-resolution imaging method using sparse signal representation is proposed in this paper. Based on ideal point-scattering model, an overcomplete basis is constructed, and an algorithm via smoothed l 0 norm is also introduced to obtain radar HRRP. Experimental results indicate that good HRRP can be reconstructed even under the condition of data sampling rate decreasing or observation data missing, which shows that the proposed method is an effective radar imaging method.
Key words :
Radar high-resolution imaging
Super-resolution
Sparse representation
l 0 norm
收稿日期: 2011-05-02
通讯作者:
邱伟
E-mail: qw2004301@163.com
引用本文:
邱伟, 赵宏钟, 陈建军, 付强. 基于平滑l 0 范数的高分辨雷达一维成像研究[J]. 电子与信息学报, 2011, 33(12): 2869-2874.
Qiu Wei, Zhao Hong-Zhong, Chen Jian-Jun, Fu Qiang. High-resolution Radar One-dimensional Imaging Based on Smoothed l0 Norm. , 2011, 33(12): 2869-2874.
链接本文:
http://jeit.ie.ac.cn/CN/10.3724/SP.J.1146.2011.00418 或 http://jeit.ie.ac.cn/CN/Y2011/V33/I12/2869
[1]
田元荣*,王星,周一鹏. 一种新的基于稀疏表示的单通道盲源分离算法 [J]. 电子与信息学报, 2017, 39(6): 1371-1378.
[2]
陈小龙,关键,于晓涵,何友. 基于短时稀疏时频分布的雷达目标微动特征提取及检测方法 [J]. 电子与信息学报, 2017, 39(5): 1017-1023.
[3]
郭继昌,张帆,王楠. 基于Fisher约束和字典对的图像分类 [J]. 电子与信息学报, 2017, 39(2): 270-277.
[4]
周伟力,贺前华,王亚楼,庞文丰. 基于自适应逼近残差的稀疏表示语音降噪方法 [J]. 电子与信息学报, 2017, 39(2): 309-315.
[5]
孙保明,郭艳,李宁,钱鹏. 无线传感器网络中基于压缩感知的动态目标定位算法 [J]. 电子与信息学报, 2016, 38(8): 1858-1864.
[6]
吴建宁,徐海东,王珏. 基于过完备字典稀疏表示的多通道脑电信号压缩感知联合重构 [J]. 电子与信息学报, 2016, 38(7): 1666-1673.
[7]
刘盛启,占荣辉,翟庆林,欧建平,张军. 基于联合稀疏性的多视全极化HRRP目标识别方法 [J]. 电子与信息学报, 2016, 38(7): 1724-1730.
[8]
郁道银,王悦行,陈晓冬,汪毅. 基于随机投影和稀疏表示的跟踪算法 [J]. 电子与信息学报, 2016, 38(7): 1602-1608.
[9]
赵春晖,郭蕴霆. 一种快速的基于稀疏表示和非下采样轮廓波变换的图像融合算法 [J]. 电子与信息学报, 2016, 38(7): 1773-1780.
[10]
黄宏图,毕笃彦, 高山, 查宇飞,侯志强. 基于局部敏感核稀疏表示的视频跟踪 [J]. 电子与信息学报, 2016, 38(4): 993-999.
[11]
王伟,韩纪庆,郑铁然,郑贵滨,陶耀. 基于Fisher判别字典学习的说话人识别 [J]. 电子与信息学报, 2016, 38(2): 367-372.
[12]
刘永军,廖桂生,杨志伟,许京伟. 一种超分辨OFDM雷达通信一体化设计方法 [J]. 电子与信息学报, 2016, 38(2): 425-433.
[13]
王钊,王鹏毅,苏卫民,王玮,杜冰馨. 基于频域超分辨的高速目标参数估计算法 [J]. 电子与信息学报, 2016, 38(12): 3034-3041.
[14]
许宁,尤红建,耿修瑞,曹银贵. 基于光谱相似度量的高光谱图像多任务联合稀疏光谱解混方法 [J]. 电子与信息学报, 2016, 38(11): 2701-2708.
[15]
冯博, 陈渤, 王鹏辉, 刘宏伟, 严俊坤. 利用稳健字典学习的雷达高分辨距离像目标识别算法 [J]. 电子与信息学报, 2015, 37(6): 1457-1462.