稀疏微波成像技术在轨验证及应用探讨

doi:10.11959/j.issn.1000-436x.2017263

通信学报 ›› 2017, Vol. 38 ›› Issue (Z2): 37-42.doi: 10.11959/j.issn.1000-436x.2017263

稀疏微波成像技术在轨验证及应用探讨

田菁¹,康利鸿¹,孙希龙¹,李洲¹,张冰尘²

¹ 北京市遥感信息研究所，北京 100192
² 中国科学院电子学研究所，北京 100190

出版日期:2017-11-01 发布日期:2018-06-07
作者简介:田菁（1980-），女，山东沂水人，博士，北京市遥感信息研究所副研究员，主要研究方向为微波遥感卫星系统应用总体技术。|康利鸿（1974-），男，河北新乐人，博士，北京市遥感信息研究所研究员，主要研究方向为遥感卫星系统应用总体技术。|孙希龙（1982-），男，山东高密人，博士，北京市遥感信息研究所助理研究员，主要研究方向为微波遥感卫星应用技术。|孙希龙（1982-），男，山东高密人，博士，北京市遥感信息研究所助理研究员，主要研究方向为微波遥感卫星应用技术。|张冰尘（1973-），男，浙江温州人，中国科学院电子学研究所研究员，主要研究方向为微波遥感与雷达技术、稀疏信号处理。
基金资助:
国家安全重大基础研究基金资助项目(61323801)

Experiment based on orbit satellite and application for sparse microwave imaging

Jing TIAN¹,Li-hong KANG¹,Xi-long SUN¹,Zhou LI¹,Bing-chen ZHANG²

¹ Beijing Institute of Remote Sensing Information,Beijing 100192,China
² Institute of Electronics,Chinese Academy of Science,Beijing 100190,China

Online:2017-11-01 Published:2018-06-07
Supported by:
The National Defiance Program on Key Basic Research Project of China(61323801)

摘要/Abstract

摘要：

介绍了稀疏微波成像技术的在轨试验验证情况，试验中通过更改卫星系统成像参数，完成了系统均匀降采样数据的获取，利用稀疏微波成像方法进行了成像处理，提出了面向稀疏微波成像处理的成像质量评估方法，并对成像结果进行了定量化评估。最后根据试验结论，对稀疏微波成像技术在未来遥感卫星的应用方向进行了展望。

关键词: 稀疏微波成像技术, 在轨验证, 应用

Abstract:

The experiment aiming to verify the sparse microwave image methodology based on orbit SAR satellite was presented.During the experiment,the imaging parameters were changed in order to achieve the uniform de-sampling echo data.The image quality evaluation method for sparse microwave imaging was proposed and quantified evaluation results for the experiment were also presented.Finally,the remote applications of sparse microwave imaging were prospected.

Key words: sparse microwave imaging, experiment based on orbit satellite, application

中图分类号:

TN955

田菁,康利鸿,孙希龙,李洲,张冰尘. 稀疏微波成像技术在轨验证及应用探讨[J]. 通信学报, 2017, 38(Z2): 37-42.

Jing TIAN,Li-hong KANG,Xi-long SUN,Zhou LI,Bing-chen ZHANG. Experiment based on orbit satellite and application for sparse microwave imaging[J]. Journal on Communications, 2017, 38(Z2): 37-42.

图/表 10

图1

图2

图3

图4

表1

表2

表3

表4

表5

表6

编号	提升幅度
1	45.36%
2	17.37%
3	9.30%
4	11.59%
5	44.88%
6	44.64%

图像序号	目标	稀疏成像测试结果/dB	匹配滤波测试结果/dB
图像1	方位向	?20.75	?16.80
图像1	距离向	?19.21	?16.50
图像2	方位向	?25.99	?17.01
图像2	距离向	?23.86	?17.72
图像3	方位向	?29.45	?18.48
图像3	距离向	?24.24	?17.23

目标	稀疏成像测试结果/dB	匹配滤波测试结果/dB	历史图像测试结果/dB
方位向	?29.446 6	?18.48	?18.12
距离向	?24.239 5	?17.23	?18.42

目标序号	稀疏成像/dB	匹配滤波/dB
目标1	?19.80	?15.25
目标2	?22.77	?18.41
目标3	?39.69	?10.54
目标4	?21.57	?15.32
目标5	?17.19	?16.33

目标序号	稀疏成像结果/dB	匹配滤波结果/dB
目标6	72.934 2	21.693 7
目标7	58.825 9	17.706 0
目标8	69.951 3	61.747 0
目标9	8.726 3	5.065 7
目标10	82.945 4	33.194 8
目标11	7.697 7	1.684 3

稀疏微波成像技术在轨验证及应用探讨

Experiment based on orbit satellite and application for sparse microwave imaging

在线阅读

PDF下载

可视化

摘要/Abstract

引用本文

使用本文

图/表 10

参考文献 5

相关文章 15

Metrics

推荐阅读 0

指标	对比结果
分辨能力	点目标对区分概率70%，略好于匹配滤波方法
成像带宽	提高9%~45%，优于历史图像
相对积分旁瓣比	优于历史图像
模糊比	多数差于历史图像，个别目标优于历史水平
信杂噪比	提高了目标信杂噪比。但是对于弱目标，引入了较大的相对辐射失真

[1]	吴一戎, 洪文, 张冰尘 ,等. 稀疏微波成像研究进展[J]. 雷达学报, 2012,55(8): 1722-1754.
	WU Y R , HONG W , ZHAGN B C ,et al. Current developments of sparse microwave imaging[J]. Journal of Radars, 2012,55(8): 1722-1754.
[2]	BARANIUK R , STEEGHS P . Compressive radar imaging[C]// 2007 IEEE Radar Conference. 2007: 128-133.
[3]	POTTER L C , ERTIN E , PARKER J T ,et al. Sparsity and compressed sensing in radar imaging[J]. Proceedings of the IEEE, 2010,98(6): 1006-1020.
[4]	JOACHIM H G E . On compressive sensing applied to radar[J]. Signal Processing, 2010,90(5): 1402-1414.
[5]	吴一戎, 洪文, 张冰尘 ,等. 稀疏微波成像原理及其应用[J]. 空间对地观测工程与技术, 2015,2: 1-7.
	WU Y R , HONG W , ZHAGN B C ,et al. Sparse microwave imaging[J]. Space Earth Observation Engineering and Technology, 2015,2: 1-7.

[1]	刘奇旭,邱凯丽,王乙文,陈艳辉,陈浪平,刘潮歌. 面向OAuth2.0授权服务API的账号劫持攻击威胁检测[J]. 通信学报, 2019, 40(6): 40-50.
[2]	刘伟,熊曙,杜薇,王伟. 移动云环境中数据流应用的Cloudlet选择策略研究[J]. 通信学报, 2019, 40(1): 87-101.
[3]	李湘,陈宁江,杨尚林,李华. 感知应用特征与网络带宽的虚拟机在线迁移优化策略[J]. 通信学报, 2017, 38(Z2): 147-155.
[4]	刘新宇,翁健,张悦,冯丙文,翁嘉思. 基于APK签名信息反馈的Android恶意应用检测[J]. 通信学报, 2017, 38(5): 190-198.
[5]	韩春静,杨晔,吕红蕾,葛敬国,李佟,刘韵洁. 面向应用感知的骨干网缓存方法研究[J]. 通信学报, 2017, 38(12): 73-85.
[6]	丁男,林滔,宋彩霞,谭国真. 面向车联网按需驱动的多宿主多链路TCP拥塞控制算法[J]. 通信学报, 2016, 37(7): 96-106.
[7]	许艳萍,马兆丰,王中华,钮心忻,杨义先. Android智能终端安全综述[J]. 通信学报, 2016, 37(6): 169-184.
[8]	贾岩,王鹤,吕少卿,张玉清. HTML5应用程序缓存中毒攻击研究[J]. 通信学报, 2016, 37(10): 149-157.
[9]	胡焰智,章锋斌,甘志春,田田,尹才华. 基于场景的移动应用服务QoS建模与评估[J]. 通信学报, 2015, 36(Z1): 110-117.
[10]	高长喜,吴亚飚,王枞. 基于抽样分组长度分布的加密流量应用识别[J]. 通信学报, 2015, 36(9): 65-75.
[11]	张洛什,王大伟,薛一波. 基于流感知的复杂网络应用识别模型[J]. 通信学报, 2015, 36(3): 161-169.
[12]	张建勋,古志民,胡潇涵,蔡旻. 面向非规则大数据分析应用的多核帮助线程预取方法[J]. 通信学报, 2014, 35(8): 137-146.
[13]	张建勋，古志民，胡潇涵，蔡旻. 面向非规则大数据分析应用的多核帮助线程预取方法[J]. 通信学报, 2014, 35(8): 17-146.
[14]	杨宏宇,常媛. 基于K均值多重主成分分析的App-DDoS检测方法[J]. 通信学报, 2014, 35(5): 16-24.
[15]	杨宏宇，常媛. 基于K均值多重主成分分析的App-DDoS检测方法[J]. 通信学报, 2014, 35(5): 3-24.