開(kāi)題報(bào)告 壓縮感知理論在探地雷達(dá)成像中的應(yīng)用研究 物理學(xué)專業(yè)

1、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(lái)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(wèn)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(kù)3（2）外文數(shù)據(jù)庫(kù)42、使用相關(guān)軟件檢索：如EndNote4（1）搜尋在線數(shù)據(jù)庫(kù)：如PubMed數(shù)據(jù)庫(kù)5（2）使用EndNote在IEEE、知網(wǎng)、萬(wàn)方、維普等數(shù)據(jù)庫(kù)查找文獻(xiàn)：以在維普資訊為例53、本論文相關(guān)文獻(xiàn)

2、6一、課題的來(lái)源、目的和意義本課題來(lái)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)(Radio detection and ranging，Radar)是從第二次世界大戰(zhàn)中的軍事需求中發(fā)展起來(lái)的，原意是無(wú)線電探測(cè)和測(cè)距。由于雷達(dá)能夠全天候、全天時(shí)、遠(yuǎn)距離地對(duì)目標(biāo)進(jìn)行檢測(cè)和定位，自它問(wèn)世以來(lái)就成為人類對(duì)周圍環(huán)境進(jìn)行探測(cè)的重要工具。隨著雷達(dá)技術(shù)的不斷發(fā)展和人們對(duì)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(hào)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)34，它已經(jīng)或?qū)⒁獞?yīng)用于探雷、資源探測(cè)、地下構(gòu)造的“窺探”、地面危險(xiǎn)品偵查等方面。2、壓縮感

3、知：采樣定理是采樣過(guò)程所遵循的規(guī)律，1928年由美國(guó)電信工程師奈奎斯特首先提出來(lái)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(duì)這一定理加以明確說(shuō)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(hào)/圖像等的獲取、處理、存儲(chǔ)、傳輸?shù)?，即：采樣率不小于信?hào)最高頻率的兩倍。該理論指導(dǎo)下的信息獲取、存儲(chǔ)、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(gè)方面：(1)數(shù)據(jù)獲取和處理方面。對(duì)于單個(gè)(幅)信號(hào)/圖像，在許多實(shí)際應(yīng)用中(例如，超寬帶通信，超寬帶信號(hào)處理，THz成像，核磁共振，空間探測(cè)，等等），Nyquist采樣硬件成本昂貴、

4、獲取效率低下，在某些情況甚至無(wú)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L(zhǎng)andau理論，Papoulis等的非均勻采樣理論，M. Vetterli等的 finite rate of innovation信號(hào)采樣理論，等等。對(duì)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(wú)線通信，空間探測(cè)，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(chǔ)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(chǔ)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

5、加密技術(shù)是用某種方式對(duì)信號(hào)進(jìn)行編碼，這給信息的安全傳輸和接受帶來(lái)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(chǔ)及傳輸?shù)鹊姆绞绞峭苿?dòng)信息領(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(hào)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(hào)/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overwhel

6、ming性概率，K+1次測(cè)量足以精確復(fù)原N維空間的K-稀疏信號(hào)。近年來(lái)，由D. Donoho(美國(guó)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(jiǎng)獲得者，2008年被評(píng)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Compressive Sensing(CS)，或稱Compressed Sensing、Compressed Sampling）。該理論指出：對(duì)可壓縮的信號(hào)可通過(guò)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(hào)。該理論一經(jīng)提出，就在信息論、信號(hào)/圖像處理、醫(yī)療

7、成像、模式識(shí)別、地質(zhì)勘探、光學(xué)/雷達(dá)成像、無(wú)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(wèn)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(guó)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(guò)本校圖書館來(lái)檢索文獻(xiàn)如下圖：（1）中文數(shù)據(jù)庫(kù)檢索路徑圖：如下圖1所示：圖1中文數(shù)據(jù)庫(kù)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(guò)程（2）外文數(shù)據(jù)庫(kù)以IEEE

8、為例：進(jìn)入IEEE主頁(yè)，輸入檢索詞：CS GPR圖3 外文文獻(xiàn)檢索過(guò)程（3）通過(guò)網(wǎng)頁(yè)檢索，例如Emerald、國(guó)道外文數(shù)據(jù)庫(kù)、ABI外文文獻(xiàn)庫(kù)、谷歌學(xué)術(shù)搜索、OA圖書館、百度文庫(kù)以及如下所示：2、使用相關(guān)軟件檢索：如EndNoteEndNote是一個(gè)在線檢索工具，是一個(gè)參考文獻(xiàn)和圖像數(shù)據(jù)庫(kù)，建立書目與草稿的軟件工具。（1）搜尋在線數(shù)據(jù)庫(kù)：如PubMed數(shù)據(jù)庫(kù)結(jié)果：（2）使用EndNote在IEEE、知網(wǎng)、萬(wàn)方、維普等數(shù)據(jù)庫(kù)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, et al. (2010). "基于單層小波變換的壓縮感知圖像處理." 通

9、信學(xué)報(bào)(S1): 52-55.2 劉佶鑫, 孫權(quán)森, et al. (2010). 壓縮感知技術(shù)在遙感圖像識(shí)別中的應(yīng)用研究, 中國(guó)江蘇南京.3 屈樂(lè)樂(lè), 方廣有, et al. (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(bào)(01): 21-26.4 屈樂(lè)樂(lè), 黃瓊, et al. (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(bào)(01

10、): 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(shí)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(cè)." 中南民族大學(xué)學(xué)報(bào)(自然科學(xué)版)(01): 80-83. 8 馬春光，尚治國(guó)，王慧強(qiáng).基于區(qū)域的異構(gòu)無(wú)線傳感器網(wǎng)絡(luò)密鑰管理J.通信學(xué)報(bào)，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(hào)稀疏分解新方法J西安電子科技大學(xué)學(xué)報(bào)(自然科學(xué)版)，2008，35(2)：22&232。英文期刊：10 Donoho D L. Co

11、mpressed sensing J. IEEE Transactions on Information Theory, 2006, 52(4): 1289-1306. 11 Candes E J, Romberg J, and Tao T. Stable signal recovery From incomplete and inaccurate measurements J. Communications on Pure and Applied Mathematics, 2006, 59(8): 1207-1223. 12 Baraniuk R. Compressive sensing J

12、. IEEE Signal Processing Magazine, 2007, 24(4): 118-121. 13 Candes E J. Compressive samplingC. International Congress of Mathematicians, Madrid, Spain, 2006, 3: 1433-1452. 14 Candes E J and Tao T. Decoding by linear programming J. IEEE Transactions on Information Theory, 2005, 51(12): 4203-4215.15 B

13、araniuk R, Davenport M, DeVore R, and Wakin M. A simple proof of the restricted isometry property for random matrices J. Constructive Approximation, 2008, 28(3): 365-372. 16 Wakin M B, Laska J N, and Duarte M F, et al. An architecture for compressive imagingC. IEEE International Conference on Image

14、Processing, Atlanta, GA, USA, Oct. 8-11, 2006: 1273-1276. 17 Lustig M, Donoho D, and Pauly J M. The application of compressed sensing for rapid MR imagingJ. Magnetic Resonance in Medicine, 2007, 58(6): 1182-1195. 18 Baraniuk R and Steeghs P. Compressive radar imagingC. IEEE Radar Conference, Waltham

15、, Massachusetts, USA, April 2007: 128-133. 19 Gurbuz A C, McClellan J H, and Waymond R S. Compressive sensing for GPR imagingC. Conference Record of the Forty-First Asilomar Conference on Signals, Systems and Computers, Pacific Grove, CA, USA, Nov.4-7, 2007: 2223-2227. 20 Candes E J, Rudelson M, Tao

16、 T, and Vershynin R. Error correction via linear programmingC. The 46th Annual IEEE Symposium on Foundations of Computer Science, Pittsburgh,PA, USA, Oct. 23-25, 2005: 295-308.21 Hough P V C.A method and means for recognizing complex patterns：US，3069654P.1962-12-18.22 Toft P A.Using the generalized

17、Radon transform for detection of curves in noisy imagesC/ICASSP-96，1996：2219-2222.23 Aggarwal N，Karl W C.Line detection in images through regu-larized hough transformJ.IEEE Trans on Image Processing，2000，15（3）：582-591.24 Chen S S，Donoho D L，Saunders M A.Atomic decomposition by basis pursuitJ.SIAM J

18、Sci Comput，1999，20（1）：33-61.25 Donoho D L.Compressive sensingJ.IEEE Trans on Information Theory，2006，52（4）：1289-1306.26 Candès E J，Romberg J，Tao T.Robust uncertainty principles：Exact signal reconstruction from highly incomplete frequency informa-tion J.IEEE Trans on Information Theory，2006，52（2

19、）：489-509.27 Takhar D.A new compressive imaging camera architecture using optical-domain compressionC/Proc Comp Imaging IV at SPIEElectronic Imaging，2006：43-52.28 Candès E，Tao T.The dantzig selector：Statistical estimation when p is much larger than nJ.Annals of Statistics，2007，35（6）：2313-2351.2

20、9 Candès E，Romberg J，Tao T.Stable signal recovery from incom-plete and inaccurate measurementsJ.Comm on Pure and Ap-plied Math，2006，59（8）：1207-1223.30 Mallat S，Zhang Z. Matching pursuits with time frequency dic-tionaries J.IEEE Trans on Signal Processing，1993，41（12）：3397-3415.31 Boufounos P，Dua

21、rte M F，Baraniuk R.Sparse signal reconstruc-tion from noisy compressive measurements using cross valida-tionC/Proc IEEE Workshop on SSP，2007：299-303.32 Kim Z W.Robust lane detection and tracking in challenging scenariosJ.IEEE Trans on Intelligent Transportation Systems，2008，9（1）：16-26.33 Donoho, D.,

22、 “Superresolution via sparsity constraints,” SIAM Journal on Mathematical Analysis, vol. 23, no. 5, pp. 13091331, 1992.34 Donoho, D., Elad, M., and Temlyakov, V., “Stable recovery of sparse overcomplete representations in the presence of noise,” IEEE Transactions on Information Theory, vol. 52, no. 1, pp. 618, 2006.35 Duda, R. O. and Hart, P. E., “Use of Hough transformation t