Compressed Sensing applied to image reconstruction in a noise SAR

• Autorzy: Misiurewicz J. , Maślikowski Ł.

Warianty tytułu

PL

Zastosowanie Compressed Sensing do rekonstrukcji obrazu w radarze szumowym z syntetyczną aperturą

• Konferencja: Microwave and Radar Week (5 ; 21-26.05.2012 ; Warsaw, Poland)
• Języki publikacji: EN

Abstrakty

EN

The paper presents a practical application of Compressed Sensing for reconstruction of radar image from synthetic aperture measurements in a noise radar. When the spatial sampling frequency is limited by external constraints, the image constructed with classical approach would suffer from spatial aliasing. Nonuniform sampling in spatial (along-track) domain followed by Compressed Sensing reconstruction of SAR image leads to correct image reconstruction under the assumption of image sparsity. The described technique is applied to the real data from an experimental ground-based noise SAR built in Warsaw University of Technology. The imaged scene was not a specifically sparse one, however the Compressed Sensing approach proved to be effective even in this case - images of a sparse target recovered with Compressed Sensing do not exhibit aliasing even with significant thinning of the input data.

PL

W pracy przedstawiono praktyczne zastosowanie metody Compressed Sensing do rekonstrukcji obrazu radarowego z sygnału zarejestrowanego radarem szumowym z syntetyczną aperturą. W sytuacji, w której z powodów obiektywnych występują ograniczenia częstotliwości próbkowania w wymiarze przestrzennym poniżej częstotliwości Nyquista, obraz zrekonstruowany metodami klasycznymi wykazuje silne efekty aliasingu przestrzennego. Wykorzystanie nierównomiernego próbkowania i rekonstrukcji metodami Compressed Sensing pozwala na uzyskanie poprawnego obrazu przy założeniu, że obrazowana scena jest rzadka. Opisana technika została zastosowana do rzeczywistego sygnału zarejestrowanego przy pomocy eksperymentalnego radaru szumowego SAR skonstruowanego w Politechnice Warszawskiej. Obrazowana scena nie spełniała ściśle założenia o rzadkości, jednakże technika Compressed Sensing pozwoliła zrekonstruować obraz rzadkich obiektów bez aliasingu nawet przy znacznym podpróbkowaniu danych wejściowych.

Słowa kluczowe

EN

radar; compressed sensing; synthetic aperture radar; SAR; noise radar; sub-Nyquist sampling

PL

metoda Compressed Sensing; aliasing przestrzenny

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Elektronika : konstrukcje, technologie, zastosowania
• Rocznik: 2012
• Tom: Vol. 53, nr 7
• Strony: 37--40
• Opis fizyczny: Bibliogr. 10 poz., il.

Twórcy

autor

Misiurewicz J.

autor

Maślikowski Ł.

• Warsaw University of Technology, Institute of Electronics Systems

Bibliografia

• [1] Candes E. and M. Wakin: An introduction to compressive sampling. Signal Processing Magazine, IEEE, vol. 25, no. 2, pp. 21-30, March 2008.
• [2] Kulpa K., K. Lukin, J. Misiurewicz, Z. Gajo, A. Mogiła, and P. Vyplavin: Quality enhancement of image generated with bistatic ground based noise waveform SAR. IET Radar, Sonar & Navigation, vol. 2, no. 4, pp. 263-273, 2008. [Online], Available: http://link.aip.org/link/?RSN/2/263/1.
• [3] Maślikowski Ł. and J. Misiurewicz: Nonuniform spatial sampling in a noise SAR. in Radar Symposium (IRS), 2010 11th International, June 2010, pp. 72-75.
• [4] Nonuniform spatial sampling in a ground-based noise SAR. Interna­tional Journal of Electronics and Telecommunications, vol. 57, no. 1, pp. 71-75, 2011.
• [5] Maślikowski Ł., M. Malanowski, K. S. Kulpa, and C. Contartese: Preliminary results of ground-based noise SAR experiments. in 8th European Conference on Synthetic Aperture Radar (EuSAR).1em plus 0.5em minus 0.4emAachen, Germany: VDE Publishing House, 2010, pp. 596-599.
• [6] Candes E. and T. Tao: Near-optimal signal recovery from random projections: Universal encoding strategies? Information Theory, IEEE Transactions on, vol. 52, no. 12, pp. 5406-5425, December 2006.
• [7] Candes E., J. Romberg, and T. Tao: Robust uncertainty principles: exact signal reconstruction from highly incomplete frequency information. Information Theory, IEEE Transactions on, vol. 52, no. 2, pp. 489-509, February 2006.
• [8] Donoho D.: Compressed sensing. Information Theory, IEEE Transactions on, vol. 52, no. 4, pp. 1289-1306, April 2006.
• [9] Mallat S. and Z. Zhang: Matching pursuits with time-frequency dictionaries. Signal Processing, IEEE Transactions on, vol. 41, no. 12, pp. 3397-3415, Dec 1993.
• [10] Maslikowski L. and M. Malanowski: Sub-band phase calibration in stepped frequency GB noise SAR. in Radar Conference (EuRAD), 2010 European, October 2010, pp. 200-203.