High Resolution Radar Sensing with Compressive Illumination
我们提出了一种压缩雷达的设计，结合了多音线性调频（LFM）的波形在发射机与一个经典的拉伸处理器和子奈奎斯特采样在接收机。所提出的压缩照明方案具有更少的随机元素，从而与先前提出的基于随机波形的压缩雷达设计相比，减少了存储和实现的复杂性。我们分析了这种照射方案的任务的联合距离到达角估计的多输入多输出（MIMO）雷达系统。我们提出的恢复保证所提出的照明技术。我们表明，对于足够大数量的调制音调，该系统实现了高分辨率的范围，并成功地恢复了稀疏场景中的目标的范围和到达角。此外，我们提出了一种算法，估计目标的距离，到达角，和散射系数的连续。最后，我们提出了仿真结果来说明作为系统参数的函数的恢复性能。
2021-06-22 cs.IT eess.SP math.IT
MIMO UWB Radar System with Compressive Sensing
Tennessee Technological University（田纳西理工大学）
本文提出基于压缩感知的多输入多输出超宽带认知雷达，通过压缩感知实现稀疏目标信号重建，减少ADC硬件复杂度并提高雷达带宽。
2016-04-14 cs.IT cs.SY eess.SY
Spatial Compressive Sensing for MIMO Radar
我们研究压缩感知在空间域中实现目标定位，特别是到达方向（DOA），使用多输入多输出（MIMO）雷达。针对发射和接收单元随机布置的MIMO阵列，提出了一种稀疏定位框架。这使得所需的元件数量大幅减少，同时仍能获得与填充（奈奎斯特）阵列相当的性能。通过利用结构随机矩阵的属性，我们开发的结果测量矩阵的一致性的约束，并获得条件下，测量矩阵满足所谓的各向同性属性。相干性和各向同性的概念被用来建立均匀和非均匀的恢复保证内提出的空间压缩感知框架。特别地，我们证明了如果发射和接收单元数的乘积MN（也是自由度的数目）与K（log（G））^2成比例，则保证非均匀恢复，其中K是目标的数目，G与阵列孔径成比例，并确定角度分辨率。与其中乘积MN与G线性缩放的填充虚拟MIMO阵列相比，在所提出的框架中对G的对数依赖性支持由虚拟阵列孔径提供的高分辨率，同时使用少量MIMO雷达元件。在数值结果中，我们表明，在所提出的框架中，压缩感知恢复算法能够比经典的方法，如波束成形和MUSIC更好的性能。
2013-10-30 cs.IT math.IT
A Novel Antenna Placement Algorithm for Compressive Sensing MIMO Radar
在共址压缩感知MIMO雷达中，测量矩阵由天线位置确定。为了保证可接受的恢复性能，该测量矩阵应该满足某些属性，例如，一个小的连贯性。文献中的先前工作通常采用优化天线位置的先验分布的随机布局算法。这些算法的性能是次优的，因为它们可以很容易地通过删除来增强。在本文中，我们提出了一个迭代的天线布局算法，确定性的天线位置。所提出的算法联合定位的发射和接收阵列上的天线元件，从而得到的测量矩阵的相干性最小化。数值模拟表明，该算法的性能明显优于基准，即使在删除。
2022-10-24 cs.IT eess.SP math.IT
MIMO Radar Using Compressive Sampling
提出了一种MIMO雷达系统，用于获取潜在目标的角度和多普勒信息。发送器和接收器是小规模无线网络的节点，并且被假设为随机地分散在圆盘上。发送节点发送不相关的波形。每个接收节点对接收信号应用压缩采样以获得少量样本，节点随后将其转发到融合中心。假设目标稀疏分布在角度-多普勒空间中，融合中心根据接收节点转发的样本建立l1优化问题，求解该问题可得到目标角度和多普勒信息。所提出的方法实现了MIMO雷达的高分辨率与远少于其他方法所需的样本。这意味着在接收节点和融合中心之间的通信阶段期间的功率节省。性能在干扰机的存在下进行了分析的情况下，缓慢移动的目标。讨论了与形成跨越角度多普勒空间的基矩阵以及为该空间选择网格有关的问题。大量的仿真结果证明了所提出的方法在不同的干扰和噪声水平的性能。
2009-11-25 cs.IT math.IT
Multi-Frequency GPR Microwave Imaging of Sparse Targets Through a Multi-Task Bayesian Compressive Sensing Approach
提出了一种新颖的逆散射（IS）方法，用于有耗半空间中像素稀疏散射体的定量成像。一方面，这种方法通过联合处理所收集的雷达图的多频（MF）谱分量来利用地面穿透雷达（GPR）数据的宽带性质。另一方面，它强制稀疏先验问题的未知数，以产生正则化的解决方案的完全非线性散射方程。为此，多任务贝叶斯压缩感知（MT-BCS）的方法，并适当定制，以充分利用可用的频率分集和先验信息的类成像目标。有代表性的结果报告，以评估拟议的MF-MT-BCS战略也比较有竞争力的国家的最先进的替代品。
2021-08-03 cs.IT math.IT
Separation of sinusoidal and chirp components using Compressive sensing approach
本文研究了在日常通信中不可避免的干扰对线性调频信号和雷达信号的影响。所考虑的情况表示当感兴趣的信号与其他信号或噪声重叠时的情况。为了成功地分离这些信号，我们提出了压缩感知方法，该方法指出，只要所获取的信号在某个变换域中可以呈现为稀疏的，就可以从少量的测量中成功地分离出有用的信号部分。我们的方法的有效性是通过实验证明的例子。
2015-02-12 cs.IT math.IT
Compressive Sampling with Known Spectral Energy Density
提出了一种提高A扫描步进频率连续波探地雷达（SteppedFrequencyContinuousWave-GroundPenetratingRadar，SFCW-GPR）信号压缩采样（CompressionSampling，CS）l1性能的方法。代替随机采样，所提出的方法选择样本的位置，以遵循频谱能量的分布。从三种不同的测量方法收集的样本;均匀采样，随机采样，和能量均分采样，被用来重建一个给定的单周期信号的频谱能量密度是已知的。客观的性能评估结果表明，随机采样的CS重建效果优于均匀采样，而能量均分采样的CS重建效果优于均匀采样和随机采样。这些结果表明，压缩SFCW（步进频率连续波）雷达可以实现类似的性能改善，甚至允许更高的捕获速度。
2013-11-04 cs.CE cs.IT math.FA
Radar Interferometry using Two Images with Different Resolutions
雷达干涉测量通常利用两幅具有相同分辨率的复值雷达图像来提取地形高程信息。本文研究了利用两幅不同分辨率的雷达图像进行干涉测量的问题，称之为双分辨率雷达干涉测量。我们发现，它是可行的恢复高分辨率的干涉图从一个高分辨率的图像和一个低分辨率。将双分辨率干涉测量转化为压缩感知问题，利用干涉图小波域的稀疏性进行求解，由于相干雷达成像中的相干斑效应，期望模型的感知矩阵具有较小的互相关，从而保证了算法的性能。与传统的雷达干涉测量方法相比，该方法降低了对雷达图像采集分辨率的要求。因此，它可以促进宽覆盖、低采样/数据率和存储成本。Sentinel-1数据的数值实验验证了该方法的有效性。
2018-12-13 cs.IT math.IT
Compressive Multidimensional Harmonic Retrieval with Prior Knowledge
本文研究了利用部分时间样本信号谱稀疏性的先验知识估计多维频率的问题。在雷达、无线通信、超分辨率成像等应用中，信号频谱的某些结构信息可能是事先已知的。假设频率位于给定的区间内，目标是通过使用先验信息来提高频率估计性能。本文研究了块Toeplitz矩阵的MD Vandermonde分解，其中频率被限制在给定的区间内。然后，我们提出解决频率选择性原子范数最小化，将它们转换成半定规划的基础上MD范德蒙分解。数值仿真结果表明了该方法的良好性能。
2019-04-25 cs.IT math.IT
High Resolution Compressed Sensing Radar using Difference Set Codes
在本文中，我们考虑压缩感知（CS）为基础的恢复延迟和多普勒频率的高分辨率雷达的目标。我们提出了一种新的次奈奎斯特采样方法在傅立叶域的基础上的差集（DS），称为DS采样，创建字典与高度不相干的原子。如果采用DS采样，字典的相干性达到Welch最小界。这个属性让我们实现亚奈奎斯特高分辨率雷达与最小数量的样本。我们还开发了一种低复杂度的恢复方法，基于结构CS和提出了一种新的波形，称为差集-频率编码调制（DS-FCM）波形，以提高恢复性能的亚奈奎斯特雷达在噪声环境中。所提出的方法解决了许多CS雷达中的一些常见问题，并克服了传统的奈奎斯特处理，即匹配滤波在高分辨率雷达系统中的缺点。所提出的方法允许我们设计亚奈奎斯特雷达，这需要不到2%的奈奎斯特样本和恢复目标的分辨率相比，传统的奈奎斯特处理退化。
2018-10-31 cs.IT math.IT
Pulse-Doppler Signal Processing with Quadrature Compressive Sampling
正交压缩采样（QuadCS）是一种新引入的用于获取射频信号的同相和正交（I/Q）分量的亚奈奎斯特采样。对于脉冲多普勒雷达的应用，QuadCS的输出可以安排在2维数据类似的奈奎斯特采样。本文提出了一种基于亚奈奎斯特采样的压缩采样脉冲多普勒（CoSaPD）处理方案。CoSaPD方案遵循多普勒估计/检测和距离估计，并且在子奈奎斯特样本上进行，而不恢复奈奎斯特样本。多普勒估计与经典处理一样，通过频谱分析仪实现。检测是在多普勒频点数据上完成的。通过稀疏恢复算法对检测到的目标进行距离估计，从而减少了计算量。该算法通过设置较低的检测门限来提高检测概率，并利用恢复算法固有的检测特性在距离估计阶段去除引入的假目标。仿真结果证实了我们的发现。CoSaPD方案的数据在八分之一的奈奎斯特速率和SNR高于-25dB可以实现经典的处理与奈奎斯特样本的性能。
2014-02-26 cs.IT math.IT
Super-resolution radar imaging via convex optimization
雷达系统发射探测信号并记录反射信号。从接收到的信号估计相对角度、延迟和多普勒频移允许确定对象的位置和速度。然而，由于实际约束，探测信号具有有限带宽B，仅在长度为T的有限时间间隔上观察接收信号，并且雷达通常仅具有一个或几个发射天线和接收天线。这些约束从根本上限制了对象可以被区分的分辨率。具体地，雷达不能区分延迟和多普勒频移分别比1/B和1/T近得多的物体，并且具有N_T发射天线和N_R接收天线的雷达系统不能区分角度比1/（N_T N_R）近的物体。因此，标准雷达的延迟、多普勒和角分辨率与1/B和1/T以及1/（N_T N_R）成比例。在本章中，我们表明，连续的角度延迟多普勒三重峰和相应的衰减因子可以解决在更精细的分辨率，使用压缩感知的想法。具体地说，如果角度-延迟-多普勒三元组被与角度上的1/（N_T N_R-1）、延迟上的1/B或多普勒方向上的1/T成比例的因子分离，则它们可以被恢复为显著更小的尺度或更高的分辨率。
2018-10-06 cs.IT math.IT
Quadrature compressive sampling SAR imaging
提出了一种正交压缩采样（QuadCS）合成孔径雷达（SAR）快速成像方法。与其他的模拟-信息转换器不同，QuadCS模拟-信息转换器使用独立的扩频信号对不同发射脉冲的SAR回波信号进行采样。这样得到的感知矩阵的任意两列之间的相关性都比固定扩频信号的感知矩阵的相关性低，从而可以重建出更好的SAR图像。通过适当设置QuadCS中的扩展信号，传感矩阵具有适合快速计算矩阵向量乘法运算的结构，从而实现快速图像重建。使用真实的SAR图像评估所提出的方案的性能。仅用四分之一的Nyquist采样数据重建的SAR图像就能达到与经典的Nyquist采样SAR图像相似的图像质量。
2018-01-11 cs.IT eess.SP math.IT
Mismatch and resolution in compressive imaging
University of California, Davis（加州大学戴维斯分校）
针对高相干感知矩阵（如低于瑞利阈值的网格离散化或冗余字典）导致的重建问题，提出基于频带排除和局部优化的BOMP和BLOOMP算法，在保持与OMP相近稀疏约束和计算成本下，实现与冗余无关的稀疏目标重建保证。
2011-09-16 cs.IT cs.NA math.IT
Gridless Quadrature Compressive Sampling with Interpolated Array Technique
正交压缩采样（QuadCS）是一种用于雷达中获取同相和正交（I/Q）分量的亚奈奎斯特采样方案。在该方案中，接收到的中频（IF）信号被表示为发送波形的时间延迟和缩放副本的线性组合。对于离散时延空间网格上的稀疏中频信号，QuadCS可以有效地从亚奈奎斯特采样重构I/Q分量。实际上，信号的特征在于连续空间中的一组未知的时延参数。传统的稀疏信号重建会降低QuadCS重建的性能。本文主要研究具有连续延迟参数的I/Q分量的重构问题。定义了一种参数化谱匹配字典，该字典通过延迟参数和增益系数稀疏地描述了中频信号的频域特性，并在新字典下对QuadCS系统进行了重新分析。利用QuadCS系统的固有结构，可以将时延参数的估计与稀疏增益系数的估计解耦，从而得到一种具有时变波束形成矩阵的波束空间波达方向（DOA）估计公式。在此基础上，提出了一种内插波束域DOA估计方法。建立了一种最优插值阵，并给出了保证时延参数估计成功的充分条件。利用估计的时延，可以方便地通过求解线性最小二乘问题来确定增益系数。大量的仿真结果表明，该算法在重构具有连续延迟参数的稀疏信号时具有优越的性能。
2015-03-02 cs.IT math.IT
