SAR imaging from randomly sampled phase history using compressive sensing

Mishra, A.K. ; Phogat, R. ; Mann, S.

Reconstructing synthetic aperture Radar (SAR) images from gapped phase history or k space data, is a major problem for SAR engineers. In this work we use the newly proposed compressive sensing (CS) algorithms to form SAR images of randomly and sparsely sampled k space data. We also investigate the effect of adding phase noise of various degrees of severity in the sparse and random k space data. We show that CS based algorithms can intelligibly reconstruct SAR images from randomly sparse phase history data and can tolerate a good amount of phase noise corruption. Dantzig selector based CS algorithm was found to perform better than the usual l1 norm based CS algorithm.

Tłumaczenie polskie:

Radar rekonstruując syntezą apertury (SAR), obrazy z historii gapped fazy lub danych przestrzeni k, jest poważnym problemem dla inżynierów SAR. W pracy wykorzystujemy nowo zaproponowane wykrywanie ściskające (CS) algorytmy do tworzenia obrazów SAR losowo i słabo próbek danych k kosmicznych. Mamy również zbadać wpływ dodawania szumu fazowego różnych stopniach ciężkości w rzadkich i losowych danych Space K. Pokażemy, że CS algorytmy można zrozumiały zrekonstruować SAR obrazy z losowo nielicznych danych historii fazowych i tolerują dobrą ilość korupcji szumu fazowego. Dantzig wyboru CS algorytm stwierdzono lepiej niż zwykle normy l1 algorytm CS.

Tapety na pulpit z kategorii Bez kategorii są dostępne w rodzielczościach ekranu:

Dodaj komentarz

Twój adres e-mail nie zostanie opublikowany. Wymagane pola są oznaczone *