开题报告 压缩感知理论在探地雷达成像中的应用研究 物理学专业

1、压缩感知理论在探地雷达成像中的应用研究目录一、课题的来源、目的和意义11、探地雷达：12、压缩感知：13、课题的目的和意义2二、相关研究的历史与现状2三、本课题研究的主要内容与重点2四、技术方案2五、实施方案所需的条件2六、存在的主要问题和技术关键2七、预期能达到的目标2八、课题研究计划进度2九、研究经费预算2十、参考文献2文献检索方法31、普通文献检索方法及相应路径图3（1）中文数据库3（2）外文数据库42、使用相关软件检索：如EndNote4（1）搜寻在线数据库：如PubMed数据库5（2）使用EndNote在IEEE、知网、万方、维普等数据库查找文献：以在维普资讯为例53、本论文相关文献

2、6一、课题的来源、目的和意义本课题来源于课题组“基于压缩感知的探地雷达3维成像方法”。1、探地雷达：雷达(Radio detection and ranging，Radar)是从第二次世界大战中的军事需求中发展起来的，原意是无线电探测和测距。由于雷达能够全天候、全天时、远距离地对目标进行检测和定位，自它问世以来就成为人类对周围环境进行探测的重要工具。随着雷达技术的不断发展和人们对高分辨雷达的迫切需求，以宽带微波技术和先进信号处理技术为基础的成像雷达应运而生。1雷达也向空间相反方向发展，出现了各种探地雷达34，它已经或将要应用于探雷、资源探测、地下构造的“窥探”、地面危险品侦查等方面。2、压缩感

3、知：采样定理是采样过程所遵循的规律，1928年由美国电信工程师奈奎斯特首先提出来的，因此称为奈奎斯特采样定理。1948年信息论的创始人香农对这一定理加以明确说明并正式作为定理引用，因此在许多文献中又称为香农采样定理。该理论支配着几乎所有的信号/图像等的获取、处理、存储、传输等，即：采样率不小于信号最高频率的两倍。该理论指导下的信息获取、存储、融合、处理及传输等成为目前信息领域进一步发展的主要瓶颈之一，主要表现在两个方面：(1)数据获取和处理方面。对于单个(幅)信号/图像，在许多实际应用中(例如，超宽带通信，超宽带信号处理，THz成像，核磁共振，空间探测，等等），Nyquist采样硬件成本昂贵、

4、获取效率低下，在某些情况甚至无法实现。为突破Nyquist采样定理的限制，已发展了一些理论，其中典型的例子为Landau理论，Papoulis等的非均匀采样理论，M. Vetterli等的 finite rate of innovation信号采样理论，等等。对于多道(或多模式)数据(例如，传感器网络，波束合成，无线通信，空间探测，等)，硬件成本昂贵、信息冗余及有效信息提取的效率低下，等等。(2)数据存储和传输方面。通常的做法是先按照Nyquist方式获取数据，然后将获得的数据进行压缩，最后将压缩后的数据进行存储或传输，显然，这样的方式造成很大程度的资源浪费。另外，为保证信息的安全传输，通常的

5、加密技术是用某种方式对信号进行编码，这给信息的安全传输和接受带来一定程度的麻烦。综上所述：Nyquist-Shannon理论并不是唯一、最优的采样理论，研究如何突破以Nyquist-Shannon采样理论为支撑的信息获取、处理、融合、存储及传输等的方式是推动信息领域进一步往前发展的关键。众所周知：(1) Nyquist采样率是信号精确复原的充分条件，但绝不是必要条件。(2)除带宽可作为先验信息外，实际应用中的大多数信号/图像中拥有大量的结构（structure）。由贝叶斯理论可知：利用该结构信息可大大降低数据采集量。(3) Johnson-Lindenstrauss理论表明：以overwhel

6、ming性概率，K+1次测量足以精确复原N维空间的K-稀疏信号。近年来，由D. Donoho(美国科学院院士)、E. Candes(Ridgelet, Curvelet创始人)及华裔科学家T. Tao(2006年菲尔兹奖获得者，2008年被评为世界上最聪明的科学家)等人提出了一种新的信息获取指导理论，即，压缩感知Compressive Sensing(CS)，或称Compressed Sensing、Compressed Sampling）。该理论指出：对可压缩的信号可通过远低于Nyquist标准的方式进行采样数据，仍能够较精确地恢复出原始信号。该理论一经提出，就在信息论、信号/图像处理、医疗

7、成像、模式识别、地质勘探、光学/雷达成像、无线通信等领域受到高度关注。3、课题的目的和意义二、相关研究的历史与现状三、本课题研究的主要内容与重点四、技术方案五、实施方案所需的条件六、存在的主要问题和技术关键七、预期能达到的目标八、课题研究计划进度九、研究经费预算十、参考文献1 谢春晓. 压缩感知理论在雷达成像中的应用研究D. 北京：中国科学院研究生院，2010.文献检索方法1、普通文献检索方法及相应路径图首先，可以通过本校图书馆来检索文献如下图：（1）中文数据库检索路径图：如下图1所示：图1中文数据库检索路路径图以本论文所需文献为例，如图2所示：图2 中文文献检索过程（2）外文数据库以IEEE

8、为例：进入IEEE主页，输入检索词：CS GPR图3 外文文献检索过程（3）通过网页检索，例如Emerald、国道外文数据库、ABI外文文献库、谷歌学术搜索、OA图书馆、百度文库以及如下所示：2、使用相关软件检索：如EndNoteEndNote是一个在线检索工具，是一个参考文献和图像数据库，建立书目与草稿的软件工具。（1）搜寻在线数据库：如PubMed数据库结果：（2）使用EndNote在IEEE、知网、万方、维普等数据库查找文献：以在维普资讯为例 3、本论文相关文献中文期刊：1 岑翼刚, 陈晓方, et al. (2010). "基于单层小波变换的压缩感知图像处理." 通

9、信学报(S1): 52-55.2 刘佶鑫, 孙权森, et al. (2010). 压缩感知技术在遥感图像识别中的应用研究, 中国江苏南京.3 屈乐乐, 方广有, et al. (2011). "压缩感知理论在频率步进探地雷达偏移成像中的应用." 电子与信息学报(01): 21-26.4 屈乐乐, 黄琼, et al. (2010). "基于压缩感知的频率步进探地雷达成像算法." 系统工程与电子技术(02): 295-297.5 余慧敏 and 方广有 (2010). "压缩感知理论在探地雷达三维成像中的应用." 电子与信息学报(01

10、): 12-16.6 张锐 (2010). "基于压缩感知理论的图像压缩初步研究." 电脑知识与技术(04): 958-959.7 朱翠涛 and 瞿毅 (2011). "基于压缩感知的稀疏事件检测." 中南民族大学学报(自然科学版)(01): 80-83. 8 马春光，尚治国，王慧强.基于区域的异构无线传感器网络密钥管理J.通信学报，2009，30（5）：74-81.9 刘丹华，石光明，周佳社。一种冗余字典下的信号稀疏分解新方法J西安电子科技大学学报(自然科学版)，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