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
Reduced Complexity Angle-Doppler-Range Estimation for MIMO Radar That Employs Compressive Sensing
作者最近提出了一种由小型无线网络实现的MIMO雷达系统。通过在接收节点处应用压缩感知（CS），MIMO雷达超分辨率可以用比传统方法少得多的观测值来实现。这以前的工作考虑了到达方向和多普勒的估计。由于目标在角速度空间中是稀疏的，因此可以通过求解l1最小化问题来提取目标信息。本文通过在具有CS的MIMO雷达中引入步进频率来利用距离信息。该方法在提高距离分辨力的同时，也提高了模糊速度。然而，联合角度多普勒距离估计需要离散化的角度多普勒距离空间，这会导致急剧上升的计算负担的l1最小化问题。为了保持一个可接受的复杂度，提出了一种技术，连续估计角度，多普勒和范围在一个解耦的方式。所提出的方法可以显着降低复杂性，而不牺牲性能。
2009-12-05 cs.IT math.IT
Measurement Matrix Design for Compressive Sensing Based MIMO Radar
在使用压缩感知（CS）的共位多输入多输出（MIMO）雷达中，接收节点经由线性变换（称为测量矩阵）压缩其接收信号。样本随后被转发到融合中心，在融合中心，针对目标信息制定并求解L1优化问题。基于CS的MIMO雷达充分利用了目标在角度-多普勒-距离空间的稀疏性，从而以更少的观测量获得了传统MIMO雷达的高定位性能。测量矩阵对于CS恢复性能至关重要。本文考虑了测量矩阵的设计，实现了最优性标准，依赖于传感矩阵（CSM）和/或信号干扰比（SIR）的一致性。第一种方法最小化性能损失，该性能损失是CSM和逆SIR的线性组合。第二种方法在测量矩阵上施加一种结构，并确定所涉及的参数，从而增强SIR。根据发射波形，第二种方法可以显着提高SIR，同时保持CSM可比的高斯随机测量矩阵（GRMM）。仿真结果表明，建议的测量矩阵可以提高检测精度相比，GRMM。
2011-02-24 cs.IT math.IT
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
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
Coded Aperture Radar Imaging Using Reconfigurable Intelligent Surfaces
本文研究利用单个收发器与可重构智能表面（RIS）的编码孔径雷达成像，通过投影梯度下降设计RIS相移并结合压缩感知，从单天线观测中恢复点散射体和扩展目标雷达场景。
2023-08-11 cs.IT eess.SP 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
Recovery guarantees for multifrequency chirp waveforms in compressed radar sensing
雷达成像系统发射调制的宽带波形以实现高距离分辨率，从而在接收机处产生与发射波形的带宽成比例的高采样率。模拟处理技术可以用于接收，以将测量的数量减少到N，即潜在延迟仓的数量。如果由雷达询问的场景被假设为稀疏的K点目标组成，从压缩感知的结果表明，测量的数量可以进一步减少到与K logN的规模，用于从具有加性噪声的测量中稳定地恢复稀疏场景。虽然非结构化的随机投影仪保证稀疏约束下的成功恢复，他们不能在雷达硬件中实现的实践。最近，结构化的随机Toeplitz和循环矩阵，从使用随机波形的时间延迟估计设置已被证明产生恢复保证类似于非结构化的传感矩阵。然而，相应的发射机和接收机结构具有高复杂度和大存储要求。在本文中，我们提出了一种替代的低复杂度压缩宽带雷达传感器，它结合了多频调信号啁啾波形的发射与接收器，利用模拟混频器其次是一个统一的子奈奎斯特采样阶段。我们得到的结构化测量矩阵和音调的数量的充分条件的恢复保证。我们设计的唯一随机组件是稀疏音调频谱，可有效地在硬件中实现。我们的分析和实验结果表明，我们的计划的性能与非结构化的随机传感矩阵和结构化的Toeplitz和循环矩阵的随机元素。
2015-10-07 cs.IT math.IT
A Variable Density Sampling Scheme for Compressive Fourier Transform Interferometry
傅里叶变换干涉测量（FTI）是一种有吸引力的高光谱（HS）成像模式，用于要求高光谱分辨率的许多应用，例如，在荧光显微镜中。然而，FTI的有效分辨率受到生物元素暴露于照明光时的耐久性的限制。过度曝光的元素会受到光漂白，变得无法发出荧光。在这种情况下，基于以奈奎斯特速率对光程差（OPD）轴进行采样的生物HS体积的采集导致光谱分辨率、HS体积的质量和曝光强度之间的令人不快的权衡。我们提出了FTI成像仪的两种变体，即，基于压缩感知（CS）理论的编码照明FTI（CI-FTI）和结构照明FTI（SI-FTI）。这些方案有效地在时间上（在CI-FTI中）或时空上（在SI-FTI中）调节曝光。利用最近在CS中引入的可变密度采样策略，我们提供了接近最佳的照明策略，使施加在生物标本上的曝光最小化，同时保留光谱分辨率。我们的分析集中在两个标准上：（i）对于给定的光谱分辨率，曝光强度和重建的HS体积的质量之间的权衡;（ii）对于固定的光谱分辨率和受约束的曝光预算，最大化HS体积质量。我们的贡献可以适应FTI成像仪没有硬件修改。从CS-FTI测量的HS体积的重建依赖于促进空间谱稀疏性先验的$l_1$ -范数最小化问题。数值上，我们支持所提出的方法在各种情况下的合成数据和模拟CS测量（从实际FTI测量）。特别地，生物HS体积可以在光暴露减少三到十倍的情况下重建。
2019-01-30 cs.IT math.IT
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
RZA-NLMF algorithm based adaptive sparse sensing for realizing compressive sensing problems
非线性稀疏感知（NSS）技术已被用于实现压缩感知在许多应用中，如雷达成像。与NSS不同的是，本文提出了一种自适应稀疏感知（ASS）方法，该方法使用重新加权的零吸引归一化最小均值四分之一（RZA-NLMF）算法，该算法取决于几个给定的参数，即，重权因子、正则化参数和初始步长。首先，基于独立假设，Cramer Rao下界（CRLB）推导出的商标的性能比较。此外，重新加权因子的选择方法，提出了实现鲁棒估计性能。最后，为了验证该算法，给出了基于Monte Carlo的计算机模拟，表明ASS实现了更好的均方误差（MSE）性能比NSS。
2014-03-02 cs.IT math.IT
Analysis of Sparse MIMO Radar
UC Davis（加州大学戴维斯分校）；UC Santa Cruz（加州大学圣克鲁兹分校）
针对MIMO雷达系统，利用压缩感知理论推导了通过稀疏近似算法在方位-距离域和方位-距离-多普勒域中目标可恢复性的理论框架，证明了可检测目标数量和有噪条件下的分辨率界限，并通过数值模拟验证。
2012-03-13 cs.IT cs.NA math.IT
Power Allocation and Measurement Matrix Design for Block CS-Based Distributed MIMO Radars
多输入多输出（MIMO）雷达提供更高的分辨率，更好的目标检测，更准确的目标参数估计。由于目标在空间速度域的稀疏性，当采样率远小于奈奎斯特采样率时，可以利用压缩感知（CS）来提高MIMO雷达的性能。在分布式MIMO雷达中，由于接收信号是一个基上的块稀疏信号，因此可以用块压缩感知方法代替经典的压缩感知方法，以获得更好的性能。针对基于分组CS的分布式MIMO雷达，提出了两种提高雷达性能的新方法。第一种方法是一种新的能量分配方法，另一种方法是一种新的测量矩阵的优化设计方法。这些方法基于感测矩阵块相干性的上限的最小化。仿真结果表明，这两种方法提高了多目标参数估计的精度。
2016-03-08 cs.IT math.IT
Graph Attention Network Based Single-Pixel Compressive Direction of Arrival Estimation
İstanbul Technical University（伊斯坦布尔理工大学）；Queen’s University（女王大学）；Polytechnique Montréal（蒙特利尔理工学院）
在本文中，我们提出了一种利用基于图注意力网络（GAT）的深度学习框架的单像素压缩波达方向（DoA）估计技术。物理层压缩使用编码孔径技术实现，使用一组时空非相干模式探测入射在孔径上的远场源的光谱。然后将该信息编码并压缩到编码孔径的信道中。编码孔径是基于超表面天线设计，它作为一个接收机，表现出单通道，并取代传统的多通道光栅扫描为基础的解决方案的DOA估计。GAT网络使得压缩DoA估计框架能够直接从使用编码孔径获取的测量中学习DoA信息。该步骤消除了对额外重建步骤的需要，并且显著简化了处理层以实现DoA估计。我们表明，所提出的GAT集成单像素雷达框架，即使在相对较低的信噪比（SNR）水平下，也可以检索高保真度的DOA信息。
2021-11-01 cs.IT cs.LG eess.SP
Beamforming in Integrated Sensing and Communication Systems with Reconfigurable Intelligent Surfaces
我们考虑在可重构智能表面（RIS）辅助的通感一体化（ISAC）系统中的发射波束形成和反射图案设计，以联合预编码通信符号和雷达波形。我们对待多个用户和目标的两个设置。在第一个，我们使用一个单一的RIS，以提高ISAC系统的通信性能和设计具有良好的互相关特性的波束，以匹配所需的波束图案，同时保证所需的信号与干扰加噪声比（SINR）为每个用户。在第二种设置中，我们使用两个专用的RIS来辅助ISAC系统，其中光束被设计为最大化最坏情况下的目标照明功率，同时保证每个用户的期望SINR。我们提出了基于交替优化的求解器，因为这两种情况下的设计问题都是非凸优化问题。通过大量的数值模拟，我们证明了RIS辅助ISAC系统的优势。特别是，我们表明，建议单RIS辅助ISAC系统提高了最小用户SINR，同时遭受适度的损失，雷达目标照射功率。另一方面，双RIS辅助的ISAC系统改善了最小用户SINR以及目标处的最坏情况的目标照明功率，特别是当用户和目标不直接可见时。
2022-06-15 cs.IT eess.SP math.IT
SAR Imaging of Moving Targets via Compressive Sensing
提出了一种基于压缩感知（CS）的合成孔径雷达（SAR）动目标成像算法。该方法将接收到的SAR回波信号分解为多个子基信号之和，子基信号是通过对目标空间域和速度域进行离散化，并对每个离散化的空间位置和速度候选项合成SAR接收数据而产生的。这样，SAR成像问题转化为子信号选择问题。在运动目标稀疏分布的情况下，利用压缩感知技术可以得到运动目标的反射率、位置和速度。结果表明，与传统算法相比，该算法获得的目标图像具有更高的分辨率和更低的旁瓣，而所需的测量次数比以奈奎斯特采样率采样的方法少一个数量级。该算法可以同时对多个不同速度的目标进行成像，具有较高的效率。
2011-04-06 cs.IT math.IT
Compressive Sensing - Introduction and Relations to Deep Learning
University of Pittsburgh（匹兹堡大学）；Ludwig-Maximilians-Universität München（慕尼黑大学）；Munich Center for Machine Learning（慕尼黑机器学习中心）
本文介绍压缩感知，阐述其与深度学习的关联，讨论展开式稀疏恢复神经网络的泛化性及梯度下降的隐式正则化，推动两领域交叉发展。
2026-08-26 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
Hyperspectral fluorescence microscopy based on Compressive Sampling
压缩感知（CS）的数学理论认为，可以从速率远低于总带宽的测量中获取信号。虽然CS理论现在已经发展得很好，但关于基于CS的采集设备的硬件实现的挑战-特别是在光学方面-才刚刚开始得到解决。本文提出了一种压缩传感在荧光显微镜及其应用的生物医学成像的实现。我们的CS显微镜结合了动态结构化宽视场照明和快速灵敏的单点荧光检测，能够重建荧光珠、细胞和组织的图像，欠采样率（像素数和测量数之间）高达32。我们进一步展示了高光谱模式，并记录了128个光谱通道和欠采样率高达64的图像，说明了CS采集高维信号的潜在好处，通常具有极高的冗余度。总而言之，我们的研究结果强调CS计划的兴趣，在一个显着降低的速度收购，并指出一些剩余的挑战CS荧光显微镜。
2013-07-17 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
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
Integrated Sensing and Communications for Unsourced Random Access: A Spectrum Sharing Compressive Sensing Approach
本文针对ISAC系统中的无源随机接入问题，提出基于频谱共享压缩感知的UNISAC方案，通过重叠通信与感知信号，实现比TDMA和ALOHA高20-30 dB的容量增益。
2025-04-24 cs.IT math.IT
Coherence-Pattern Guided Compressive Sensing with Unresolved Grids
University of California, Davis（加州大学戴维斯分校）
针对高相干感知矩阵，提出基于频带排除和局部优化的压缩感知改进算法，证明BLOOMP能重构稀疏目标且独立于网格间距，并系统评估了动态范围、噪声稳定性、稀疏性和分辨率性能。
2011-06-25 cs.IT cs.NA math.IT
