Skip to main content
SUPERVISOR
Mohammad mahdi Naghsh,Seyed Mahmoud Modarres-Hashemi
محمد مهدی نقش (استاد مشاور) سیدمحمود مدرس هاشمی (استاد راهنما)
 
STUDENT
Peyman Kazemi Varnamkhasti
پیمان کاظمی ورنامخواستی

FACULTY - DEPARTMENT

دانشکده مهندسی برق و کامپیوتر
DEGREE
Master of Science (MSc)
YEAR
1392

TITLE

Application of Block Compressive Sensing in Reconstruction of Synthetic Aperture Radar (SAR) Images
Radar imaging is a kind of remote sensing that realizing by Synthetic Aperture Radar (SAR). In SAR, the motion of the radar platform leads to the Synthetic Aperture with long length andSAR imaging is conducted based on the platform motions. Generaly, traditional imaging algorithm like: RDA, CSA and etc. use chirp signal along with match filter. But high rate sampling (due to high operating frequency and needing to both amplitude and phase infotmation for SAR processing), high rate A/D’s, large on board memories and downlink throughput are serious problems of high resolution SAR. In addition, it’s sidelobes lead to an imperfect output. After introducing the Compressive Sensing (CS) theory and the ability of reconstructing sparse signals with lower rate sampling compared with the Nyquist rate, researchers interested in using CS for SAR processing. In these works, they showed that CS can be used in radar imaging and the resulting performance is similar to the traditional algorithms like RDA, CSA, PFA, and etc., but with considerably fewer samples. Many works have been done in the field of CS-SAR so far and different methods are proposed for imaging with CS, reconstructing, sampling, motion compensation and etc. Since most of the SAR signals coefficients are close to zero in the sparse domain, the SAR signal can be defined as a sparse signal. In addition, SAR images usually include sharp bodies such as manmade structures which are strong reflectors. These strong reflections cause a few number of coefficients have higher values than the others. Due to the fact that these coefficients are usually close together and since each strong reflection can affect its near cells, the block sparse model is a better model for the received SAR data. Indeed, if the received SAR data were divided into some blocks with defiend length, then a few number of blocks of them would have considerable values and others would have zero or negligible values. So, the block reconstruction algorithms can be used for reconstructing SAR images.Consequently, in this thesis we propose to use BCS (Block CS) to construct images in SAR. In proposed method, we have conducted sub-sampling with lower rate than the Nyquist rate and then reconstructed with BCS reconstruction algorithms like BOMP. The BCS-SAR can reconstruct SAR images well with considerable fewer samples. In addition, the affect of noise will be discussed in BCS-SAR. Keywords: Synthetic Aperture Radar (SAR), Compressive Sensing (CS), Sub-Nyquest sampling,Block Compressive Sensing (BCS), Block Sparsity
گونه?ای از سنجش از راه دور، تصویربرداری راداری است که توسط رادارهای روزنه مصنوعی (SAR) محقق می‌شود. این رادارها با استفاده از یک آنتن کوچک و حرکت سکوی رادار، یک روزنه مصنوعی به طول زیاد تشکیل داده و با استخراج نمودار سطح مقطع راداری در سطح یا حجم، تصویر هدف را تشکیل می?دهند. الگوریتم?های سنتی تشکیل تصویر در SAR(مانند RDA، CSA و ...) عموما از سیگنال چرپ به همراه فیلتر منطبق استفاده می?کنند اما مشکلات عمده?ی موجود عبارت?اند از: نرخ بالای نمونه?ها با توجه به فرکانس کاری بالا و نیاز به داشتن اطلاعات دامنه و فاز در پردازشSAR کهموجب نیاز به A/D با نرخ بسیار بالا بر اساس قضیه نایکوئیست، حجم حافظه ی بالای مورد نیاز بر روی سکو و هم?چنین نیاز به توان و پهنای باند بالا برای ارسال اطلاعات به سطح زمین می?شود. علاوه بر آن در روش های سنتی گلبرگ?های فرعی قوی در حین تشکیل تصویر به وجود می?آیند که قدرت تفکیک تصویر خروجی را کاهش می?دهند. با توجه به مشکلات ذکر شده، پس از ارائه حسگری فشرده (CS) و امکان بازسازی سیگنال?های تنک با تعداد نمونه بسیار کم، استفاده از این قضیه برای SAR مورد توجه قرار گرفت. بر اساس فشرده?پذیر بودن سیگنال دریافتی SAR در برخی پایه?ها، این قضیه به خوبی بر روی داده?های دریافتی اعمال و در تشکیل تصویر استفاده شد. تا به حال کارهای زیادی در زمینه CS-SAR انجام شده و برای تشکیل تصویر، بازسازی، نمونه?برداری، جبران سازی خطای حرکت و ... الگوریتم?ها و روش?هایی پیشنهاد شده است. با توجه به اینکه بسیاری از ضرایب سیگنال SAR در فضای تنک نزدیک صفر است، می?توان سیگنال SAR را تنک یا فشرده?پذیر در نظر گرفت. علاوه بر آن سیگنال دریافتی عموما شامل بازتاب کننده?های قوی مانند وسایل ساخت دست انسان است. این بازتاب های قوی در تعداد کمی از ضرایب نمایان می?شود، بنابراین پاره?ای از سلول?ها در سیگنال SAR دارای مقدار بسیار بیشتر از سلول?های دیگر هستند.بر اساس این حقیقت که بازتاب?های بزرگ عموما در چند سلول کنار یکدیگر قرار می?گیرند و همچنین سلول?های مجاور را تحت تاثیر قرار می?دهند، می?توان گفت سیگنال SAR با تعریف تنک بلوکی تطابق بیشتری دارد.در نتیجه اگر داده?های SAR را به بلوک هایی با طول ثابت تقسیم کنیم، تنها تعداد کمی از این بلوک?ها مقدار قابل توجه در مقایسه با مابقی بلوک?ها دارند.در این پایان?نامه بنا بر تحلیل بالا، پیشنهاد شده است از الگوریتم?های حسگری فشرده بلوکی (BCS) برای بازسازی و تشکیل تصویر در SAR استفاده شود. در سیستم BCS-SAR پیشنهادی ابتدا سیگنال با نرخ بسیار پایین (به نسبت نرخ نایکوئیست) نمونه?برداری و سپس با الگوریتم?های بازسازی بلوکی مانند BOMP به بازسازی سیگنال زیرنمونه?برداری شده، پرداخته می?شود. نشان خواهیم داد روش پیشنهادی توانایی قابل توجهی در کاهش تعداد نمونه مورد نیاز برای بازسازی به نسبت روش حسگری فشرده غیربلوکی را دارد و با تعداد نمونه بسیار پایین می?تواند بازسازی صحیحی انجام دهد. علاوه بر آن تاثیر نویز را بر روش پیشنهادی بررسی خواهیم کرد و با روش حسگری فشرده غیربلوکی مقایسه می?کنیم. کلمات کلیدی : 1-رادارهای روزنه مصنوعی (SAR) 2-حسگری فشرده (CS) 3-نمونه‌برداری با نرخ زیر نایکوئیست 4- حسگری فشرده بلوکی (BCS) 5-سیگنال?های تنک بلوکی

ارتقاء امنیت وب با وف بومی