| 摘要 | 第5-7页 |
| abstract | 第7-9页 |
| 第一章 绪论 | 第14-32页 |
| 1.1 研究背景和选题意义 | 第14-16页 |
| 1.2 国内外研究现状和发展趋势 | 第16-28页 |
| 1.2.1 三维合成孔径雷达技术发展动态 | 第16-25页 |
| 1.2.2 合成孔径雷达分辨率增强技术发展现状 | 第25-28页 |
| 1.3 本文主要研究内容和贡献 | 第28-30页 |
| 1.3.1 主要研究内容 | 第28-29页 |
| 1.3.2 论文主要贡献和创新点 | 第29-30页 |
| 1.4 论文章节安排 | 第30-32页 |
| 第二章 SAR信号和阵列信号处理基础 | 第32-54页 |
| 2.1 引言 | 第32页 |
| 2.2 线性调频信号 | 第32-33页 |
| 2.3 驻定相位原理 | 第33-35页 |
| 2.4 脉冲压缩技术 | 第35-38页 |
| 2.4.1 匹配滤波 | 第35-36页 |
| 2.4.2 去斜处理 | 第36-38页 |
| 2.5 插值技术 | 第38-40页 |
| 2.5.1 辛克函数插值 | 第38页 |
| 2.5.2 NUFFT插值 | 第38-40页 |
| 2.6 旁瓣抑制技术 | 第40-47页 |
| 2.6.1 加窗处理 | 第40-44页 |
| 2.6.2 空间劫趾滤波 | 第44-47页 |
| 2.7 阵列数字波束形成和波达方向估计 | 第47-53页 |
| 2.7.1 傅里叶变换 | 第48页 |
| 2.7.2 谱估计技术 | 第48-53页 |
| 2.8 本章小结 | 第53-54页 |
| 第三章 阵列三维SAR原理和快速高精度成像算法 | 第54-85页 |
| 3.1 引言 | 第54页 |
| 3.2 阵列三维SAR模型 | 第54-60页 |
| 3.2.1 几何构型 | 第54-55页 |
| 3.2.2 天线构型 | 第55-59页 |
| 3.2.3 信号模型 | 第59-60页 |
| 3.3 模糊函数和分辨率分配问题 | 第60-66页 |
| 3.3.1 模糊函数和空间分辨率 | 第60-63页 |
| 3.3.2 分辨率分配问题 | 第63-66页 |
| 3.4 阵列三维SAR快速成像算法 | 第66-84页 |
| 3.4.1 三维Chirp Scaling算法 | 第66-74页 |
| 3.4.2 CUDA NUFFT BP算法 | 第74-80页 |
| 3.4.3 随机天线相位中心快速三维成像 | 第80-84页 |
| 3.5 本章小结 | 第84-85页 |
| 第四章 阵列三维SAR稀疏分辨率增强建模 | 第85-108页 |
| 4.1 引言 | 第85页 |
| 4.2 压缩传感基本原理 | 第85-89页 |
| 4.2.1 压缩传感的基本问题 | 第85-87页 |
| 4.2.2 约束等距性质和最大互相干性准则 | 第87-88页 |
| 4.2.3 复数问题的常规转换 | 第88-89页 |
| 4.3 阵列三维SAR的稀疏性 | 第89-91页 |
| 4.3.1 散射目标稀疏性 | 第89页 |
| 4.3.2 分维切片稀疏性 | 第89-90页 |
| 4.3.3 天线相位中心稀疏性 | 第90-91页 |
| 4.4 像素间隔和分辨率增强关系 | 第91页 |
| 4.5 阵列三维SAR稀疏分辨率增强模型 | 第91-103页 |
| 4.5.1 基于目标空间的整体稀疏模型 | 第92-93页 |
| 4.5.2 基于提取强目标区域的稀疏模型 | 第93-101页 |
| 4.5.3 基于阵列维的分维稀疏模型 | 第101-103页 |
| 4.6 分辨率增强能力 | 第103-106页 |
| 4.6.1 REA性能实验 | 第104-105页 |
| 4.6.2 曲面仿真实验 | 第105-106页 |
| 4.7 本章小结 | 第106-108页 |
| 第五章 反正切函数正则化分辨率增强算法 | 第108-131页 |
| 5.1 引言 | 第108页 |
| 5.2 复向量稀疏重构经典算法 | 第108-113页 |
| 5.2.1 OMP算法 | 第109-110页 |
| 5.2.2 CoSaMP算法 | 第110-111页 |
| 5.2.3 HTP/GHTP算法 | 第111-112页 |
| 5.2.4 稀疏驱动算法 | 第112-113页 |
| 5.3 反正切函数正则化算法 | 第113-121页 |
| 5.3.1 L0准范数逼近 | 第113-114页 |
| 5.3.2 算法基本原理 | 第114-116页 |
| 5.3.3 降维优化处理 | 第116-118页 |
| 5.3.4 罚函数核的特点 | 第118-119页 |
| 5.3.5 趋稀疏和正则化参数不敏感的特性 | 第119页 |
| 5.3.6 与OMP、CoSaMP和HTP算法比较 | 第119-121页 |
| 5.4 性能验证和分辨增强实验 | 第121-130页 |
| 5.4.1 参数Q的选择 | 第121-122页 |
| 5.4.2 正则化参数不敏感 | 第122-123页 |
| 5.4.3 高斯随机矩阵实验 | 第123页 |
| 5.4.4 处理大数据问题 | 第123-124页 |
| 5.4.5 分辨率增强仿真实验 | 第124-130页 |
| 5.5 本章小结 | 第130-131页 |
| 第六章 迭代自适应L1范数正则化分辨率增强算法 | 第131-146页 |
| 6.1 引言 | 第131页 |
| 6.2 常规L1范数正则化参数选择 | 第131-135页 |
| 6.2.1 广义交叉校验法 | 第132-133页 |
| 6.2.2 L曲线法 | 第133-135页 |
| 6.3 迭代重加权L1范数最小化 | 第135-137页 |
| 6.4 迭代重加权最小二乘 | 第137-138页 |
| 6.5 迭代自适应L1范数正则化 | 第138-145页 |
| 6.5.1 算法原理 | 第138-141页 |
| 6.5.2 仿真实验 | 第141-145页 |
| 6.6 本章小结 | 第145-146页 |
| 第七章 总结与展望 | 第146-150页 |
| 7.1 全文总结 | 第146-148页 |
| 7.2 后续研究方向展望 | 第148-150页 |
| 致谢 | 第150-151页 |
| 参考文献 | 第151-161页 |
| 攻读博士学位期间取得的成果 | 第161-162页 |