開題報告 壓縮感知理論在探地雷達(dá)成像中的應(yīng)用研究

壓縮感知理論在探地雷達(dá)成像中的應(yīng)用研究目錄一、課題的來源、目的和意義 11、探地雷達(dá)： 12、壓縮感知： 13、課題的目的和意義 2二、相關(guān)研究的歷史與現(xiàn)狀 2三、本課題研究的主要內(nèi)容與重點(diǎn) 2四、技術(shù)方案 2五、實(shí)施方案所需的條件 2六、存在的主要問題和技術(shù)關(guān)鍵 2七、預(yù)期能達(dá)到的目標(biāo) 2八、課題研究計(jì)劃進(jìn)度 2九、研究經(jīng)費(fèi)預(yù)算 2十、參考文獻(xiàn) 2文獻(xiàn)檢索方法 31、普通文獻(xiàn)檢索方法及相應(yīng)路徑圖 3（1）中文數(shù)據(jù)庫 3（2）外文數(shù)據(jù)庫 42、使用相關(guān)軟件檢索：如EndNote 4（1）搜尋在線數(shù)據(jù)庫：如PubMed數(shù)據(jù)庫 5（2）使用EndNote在IEEE、知網(wǎng)、萬方、維普等數(shù)據(jù)庫查找文獻(xiàn)：以在維普資訊為例 53、本論文相關(guān)文獻(xiàn) 6一、課題的來源、目的和意義本課題來源于課題組“基于壓縮感知的探地雷達(dá)3維成像方法”。1、探地雷達(dá)：雷達(dá)(Radiodetectionandranging，Radar)是從第二次世界大戰(zhàn)中的軍事需求中發(fā)展起來的，原意是無線電探測和測距。由于雷達(dá)能夠全天候、全天時、遠(yuǎn)距離地對目標(biāo)進(jìn)行檢測和定位，自它問世以來就成為人類對周圍環(huán)境進(jìn)行探測的重要工具。隨著雷達(dá)技術(shù)的不斷發(fā)展和人們對高分辨雷達(dá)的迫切需求，以寬帶微波技術(shù)和先進(jìn)信號處理技術(shù)為基礎(chǔ)的成像雷達(dá)應(yīng)運(yùn)而生。[1]雷達(dá)也向空間相反方向發(fā)展，出現(xiàn)了各種探地雷達(dá)[3~4]，它已經(jīng)或?qū)⒁獞?yīng)用于探雷、資源探測、地下構(gòu)造的“窺探”、地面危險品偵查等方面。2、壓縮感知：采樣定理是采樣過程所遵循的規(guī)律，1928年由美國電信工程師\o"H.奈奎斯特"奈奎斯特首先提出來的，因此稱為奈奎斯特采樣定理。1948年信息論的創(chuàng)始人香農(nóng)對這一定理加以明確說明并正式作為定理引用，因此在許多文獻(xiàn)中又稱為香農(nóng)采樣定理。該理論支配著幾乎所有的信號/圖像等的獲取、處理、存儲、傳輸?shù)?，即：采樣率不小于信號最高頻率的兩倍。該理論指導(dǎo)下的信息獲取、存儲、融合、處理及傳輸?shù)瘸蔀槟壳靶畔㈩I(lǐng)域進(jìn)一步發(fā)展的主要瓶頸之一，主要表現(xiàn)在兩個方面：(1)數(shù)據(jù)獲取和處理方面。對于單個(幅)信號/圖像，在許多實(shí)際應(yīng)用中(例如，超寬帶通信，超寬帶信號處理，THz成像，核磁共振，空間探測，等等），Nyquist采樣硬件成本昂貴、獲取效率低下，在某些情況甚至無法實(shí)現(xiàn)。為突破Nyquist采樣定理的限制，已發(fā)展了一些理論，其中典型的例子為Landau理論，Papoulis等的非均勻采樣理論，M.Vetterli等的finiterateofinnovation信號采樣理論，等等。對于多道(或多模式)數(shù)據(jù)(例如，傳感器網(wǎng)絡(luò)，波束合成，無線通信，空間探測，等)，硬件成本昂貴、信息冗余及有效信息提取的效率低下，等等。(2)數(shù)據(jù)存儲和傳輸方面。通常的做法是先按照Nyquist方式獲取數(shù)據(jù)，然后將獲得的數(shù)據(jù)進(jìn)行壓縮，最后將壓縮后的數(shù)據(jù)進(jìn)行存儲或傳輸，顯然，這樣的方式造成很大程度的資源浪費(fèi)。另外，為保證信息的安全傳輸，通常的加密技術(shù)是用某種方式對信號進(jìn)行編碼，這給信息的安全傳輸和接受帶來一定程度的麻煩。綜上所述：Nyquist-Shannon理論并不是唯一、最優(yōu)的采樣理論，研究如何突破以Nyquist-Shannon采樣理論為支撐的信息獲取、處理、融合、存儲及傳輸?shù)鹊姆绞绞峭苿有畔㈩I(lǐng)域進(jìn)一步往前發(fā)展的關(guān)鍵。眾所周知：(1)Nyquist采樣率是信號精確復(fù)原的充分條件，但絕不是必要條件。(2)除帶寬可作為先驗(yàn)信息外，實(shí)際應(yīng)用中的大多數(shù)信號/圖像中擁有大量的結(jié)構(gòu)（structure）。由貝葉斯理論可知：利用該結(jié)構(gòu)信息可大大降低數(shù)據(jù)采集量。(3)Johnson-Lindenstrauss理論表明：以overwhelming性概率，K+1次測量足以精確復(fù)原N維空間的K-稀疏信號。近年來，由D.Donoho(美國科學(xué)院院士)、E.Candes(Ridgelet,Curvelet創(chuàng)始人)及華裔科學(xué)家T.Tao(2006年菲爾茲獎獲得者，2008年被評為世界上最聰明的科學(xué)家)等人提出了一種新的信息獲取指導(dǎo)理論，即，壓縮感知CompressiveSensing(CS)，或稱CompressedSensing、CompressedSampling）。該理論指出：對可壓縮的信號可通過遠(yuǎn)低于Nyquist標(biāo)準(zhǔn)的方式進(jìn)行采樣數(shù)據(jù)，仍能夠較精確地恢復(fù)出原始信號。該理論一經(jīng)提出，就在信息論、信號/圖像處理、醫(yī)療成像、模式識別、地質(zhì)勘探、光學(xué)/雷達(dá)成像、無線通信等領(lǐng)域受到高度關(guān)注。3、課題的目的和意義二、相關(guān)研究的歷史與現(xiàn)狀三、本課題研究的主要內(nèi)容與重點(diǎn)四、技術(shù)方案五、實(shí)施方案所需的條件六、存在的主要問題和技術(shù)關(guān)鍵七、預(yù)期能達(dá)到的目標(biāo)八、課題研究計(jì)劃進(jìn)度九、研究經(jīng)費(fèi)預(yù)算十、參考文獻(xiàn)[1]謝春曉.壓縮感知理論在雷達(dá)成像中的應(yīng)用研究[D].北京：中國科學(xué)院研究生院，2010.文獻(xiàn)檢索方法1、普通文獻(xiàn)檢索方法及相應(yīng)路徑圖首先，可以通過本校圖書館來檢索文獻(xiàn)如下圖：（1）中文數(shù)據(jù)庫檢索路徑圖：如下圖1所示：圖1中文數(shù)據(jù)庫檢索路路徑圖以本論文所需文獻(xiàn)為例，如圖2所示：圖2中文文獻(xiàn)檢索過程（2）外文數(shù)據(jù)庫以IEEE為例：進(jìn)入IEEE主頁，輸入檢索詞：CSGPR圖3外文文獻(xiàn)檢索過程（3）通過網(wǎng)頁檢索，例如Emerald、國道外文數(shù)據(jù)庫、ABI外文文獻(xiàn)庫、谷歌學(xué)術(shù)搜索、OA圖書館、百度文庫以及如下所示：2、使用相關(guān)軟件檢索：如EndNoteEndNote是一個在線檢索工具，是一個參考文獻(xiàn)和圖像數(shù)據(jù)庫，建立書目與草稿的軟件工具。（1）搜尋在線數(shù)據(jù)庫：如PubMed數(shù)據(jù)庫結(jié)果：（2）使用EndNote在IEEE、知網(wǎng)、萬方、維普等數(shù)據(jù)庫查找文獻(xiàn)：以在維普資訊為例3、本論文相關(guān)文獻(xiàn)中文期刊：[1]岑翼剛,陳曉方,etal.(2010)."基于單層小波變換的壓縮感知圖像處理."通信學(xué)報(S1):52-55.[2]劉佶鑫,孫權(quán)森,etal.(2010).壓縮感知技術(shù)在遙感圖像識別中的應(yīng)用研究,中國江蘇南京.[3]屈樂樂,方廣有,etal.(2011)."壓縮感知理論在頻率步進(jìn)探地雷達(dá)偏移成像中的應(yīng)用."電子與信息學(xué)報(01):21-26.[4]屈樂樂,黃瓊,etal.(2010)."基于壓縮感知的頻率步進(jìn)探地雷達(dá)成像算法."系統(tǒng)工程與電子技術(shù)(02):295-297.[5]余慧敏and方廣有(2010)."壓縮感知理論在探地雷達(dá)三維成像中的應(yīng)用."電子與信息學(xué)報(01):12-16.[6]張銳(2010)."基于壓縮感知理論的圖像壓縮初步研究."電腦知識與技術(shù)(04):958-959.[7]朱翠濤and瞿毅(2011)."基于壓縮感知的稀疏事件檢測."中南民族大學(xué)學(xué)報(自然科學(xué)版)(01):80-83.[8]馬春光，尚治國，王慧強(qiáng).基于區(qū)域的異構(gòu)無線傳感器網(wǎng)絡(luò)密鑰管理[J].通信學(xué)報，2009，30（5）：74-81.[9]劉丹華，石光明，周佳社。一種冗余字典下的信號稀疏分解新方法[J]．西安電子科技大學(xué)學(xué)報(自然科學(xué)版)，2008，35(2)：22&232。英文期刊：[10]DonohoDL.Compressedsensing[J].IEEETransactionsonInformationTheory,2006,52(4):1289-1306.[11]CandesEJ,RombergJ,andTaoT.StablesignalrecoveryFromincompleteandinaccuratemeasurements[J].CommunicationsonPureandAppliedMathematics,2006,59(8):1207-1223.[12]BaraniukR.Compressivesensing[J].IEEESignalProcessingMagazine,2007,24(4):118-121.[13]CandesEJ.Compressivesampling[C].InternationalCongressofMathematicians,Madrid,Spain,2006,3:1433-1452.[14]CandesEJandTaoT.Decodingbylinearprogramming[J].IEEETransactionsonInformationTheory,2005,51(12):4203-4215.[15]BaraniukR,DavenportM,DeVoreR,andWakinM.Asimpleproofoftherestrictedisometrypropertyforrandommatrices[J].ConstructiveApproximation,2008,28(3):365-372.[16]WakinMB,LaskaJN,andDuarteMF,etal..Anarchitectureforcompressiveimaging[C].IEEEInternationalConferenceonImageProcessing,Atlanta,GA,USA,Oct.8-11,2006:1273-1276.[17]LustigM,DonohoD,andPaulyJM.TheapplicationofcompressedsensingforrapidMRimaging[J].MagneticResonanceinMedicine,2007,58(6):1182-1195.[18]BaraniukRandSteeghsP.Compressiveradarimaging[C].IEEERadarConference,Waltham,Massachusetts,USA,April2007:128-133.[19]GurbuzAC,McClellanJH,andWaymondRS.CompressivesensingforGPRimaging[C].ConferenceRecordoftheForty-FirstAsilomarConferenceonSignals,SystemsandComputers,PacificGrove,CA,USA,Nov.4-7,2007:2223-2227.[20]CandesEJ,RudelsonM,TaoT,andVershyninR.Errorcorrectionvialinearprogramming[C].The46thAnnualIEEESymposiumonFoundationsofComputerScience,Pittsburgh,PA,USA,Oct.23-25,2005:295-308.[21]HoughPVC.Amethodandmeansforrecognizingcomplexpatterns：US，3069654[P].1962-12-18.[22]ToftPA.UsingthegeneralizedRadontransformfordetectionofcurvesinnoisyimages[C]//ICASSP-96，1996：2219-2222.[23]AggarwalN，KarlWC.Linedetectioninimagesthroughregu-larizedhoughtransform[J].IEEETransonImageProcessing，2000，15（3）：582-591.[24]ChenSS，DonohoDL，SaundersMA.Atomicdecompositionbybasispursuit[J].SIAMJSciComput，1999，20（1）：33-61.[25]DonohoDL.Compressivesensing[J].IEEETransonInformationTheory，2006，52（4）：1289-1306.[26]CandèsEJ，RombergJ，TaoT.Robustuncertaintyprinciples：Exactsignalreconstructionfromhighlyincompletefrequencyinforma-tion[J].IEEETransonInformationTheory，2006，52（2）：489-509.[27]TakharD.Anewcompressiveimagingcameraarchitectureusingoptical-domaincompression[C]//ProcCompImagingIVatSPIEElectronicImaging，2006：43-52.[28]CandèsE，TaoT.Thedantzigselector：Statisticalestimationwhenpismuchlargerthann[J].AnnalsofStatistics，2007，35（6）：2313-2351.[29]CandèsE，RombergJ，TaoT.Stablesignalrecoveryfromincom-pleteandinaccuratemeasurements[J].CommonPureandAp-pliedMath，2006，59（8）：1207-1223.[30]MallatS，ZhangZ.Matchingpursuitswithtimefrequencydic-tionaries[J].IEEETransonSignalProcessing，1993，41（12）：3397-3415.[31]BoufounosP，DuarteMF，BaraniukR.Sparsesignalreconstruc-tionfromnoisycompressivemeasurementsusingcrossvalida-tion[C]//ProcIEEEWorkshoponSSP，2007：299-303.[32]KimZW.Robustlanedetectionandtrackinginchallengingscenarios[J].IEEETransonIntelligentTransportationSystems，2008，9（1）：16-26.[33]Donoho,D.,“Superresolutionviasparsityconstraints,”SIAMJournalonMathematicalAnalysis,vol.23,no.5,pp.1309–1331,1992.[34]Donoho,D.,Elad,M.,andTemlyakov,V.,“Stablerecoveryofsparseovercompleterepresentationsinthepresenceofnoise,”IEEETransac