350 руб
Журнал «Радиотехника» №5 за 2016 г.
Статья в номере:
Использование разреженных выборок в подповерхностной голографической радиолокации
Ключевые слова: подповерхностная радиолокация радиоголография автоматизированный сбор данных разреженные измерения сжатые измерения
Авторы:
М.А. Чиж - аспирантка, лаборант-исследователь, МГТУ им. Н.Э. Баумана. E-mail: mchizh@rslab.ru
Аннотация:
Рассмотрена методика разреженных измерений, позволяющая существенного повысить скорость получения данных радиолокационной системой и сократить их объем. С целью исследования возможности применения данной методики в подповерхностной голографической радиолокации проведены эксперименты с различными значениями пространственного шага. Приведены результаты восстановления экспериментально полученных голограмм, описан алгоритм их обработки, эффективно повышающий разрешение изображений и подавляющий артефакты. Показано, что, несмотря на значительную разреженность выборок данных, детали тестового объекта хорошо различимы.
Страницы: 134-141
Список источников

 

  1. Sergey I. Ivashov, Vladimir V. Razevig, Timothy D. Bechtel, Igor A. Vasiliev, Lorenzo Capineri, Andrey V. Zhuravlev. Microwave Holography for NDT of Dielectric Structures // Proceedings of the IEEE International Conference on Microwaves, Communications, Antennas and Electronic Systems (COMCAS 2015). Tel-Aviv, Israel, 2−4 November 2015. IEEE. doi: 10.1109/COMCAS.2015.7360372.
  2. Chan W.L., Moravec M., Baraniuk R., Mittleman D. Terahertz imaging with compressed sensing and phase retrieval // Optics Letters. 2008. 33. P. 974−976.
  3. Emmanuel Candès, Terence Tao. Decoding by linear programming // IEEE Trans. on Information Theory. 2005. V. 51. № 12. P. 4203−4215.
  4. Xiaolin Liu, Chong Luo, Feng Wu. Formulating binary compressive sensing decoding with asymetrical property // Data Compression Conference. 2011. P. 213−222.
  5. Zoltan Szabo, Barnabas Poczos, Andras Lorincz. Collaborative Filtering via Group-Structured Dictionary Learning // Latent Variable Analysis and Signal Separation (LVA/ICA). Tel-Aviv. Israel. 12−15 March 2012. V. 7191 of LNCS. P. 247−254.
  6. M.H. Mahoor, M. Zhou, K. Veon, S.M. Mavadati J. Cohn. Facial Action Unit Recognition with Sparse Representation // IEEE International Conference on Automatic Face & Gesture Recognition (FG 2011). March 2011. P. 336−342.
  7. Martin F. Schiffner, Georg Schmitz. Compensating the combined effects of absorption and dispersion in plane wave pulse-echo ultrasound imaging using sparse recovery // IEEE Int. Ultrasonics Symp. (IUS). July 2013. Prague. P. 573−576.
  8. Leyuan Fang, Shutao Li,; Ryan P. McNabb, Qing Nie, Anthony N. Kuo, Cynthia A. Toth, Joseph A. Izatt, Sina Farsiu. Fast Acquisition and Reconstruction of Optical Coherence Tomography Images via Sparse Representation // IEEE Trans. on Medical Imaging. 2013. V. 32. № 11. P. 2034−2049.
  9. Hamed Kajbaf, Joseph T. Case, Zengli Yang, Yahong Rosa Zheng. Compressed Sensing for SAR-Based Wideband Three-Dimensional Microwave Imaging System Using Non-Uniform Fast Fourier Transform // ET Radar, Sonar & Navigation. July 2013. V. 7. № 6. P. 658−670.
  10. Jungang Yang, John Thompson, Xiaotao Huang, Tian Jin, Zhimin Zhou. Random-Frequency SAR Imaging Based on Compressed Sensing // IEEE Transactions on Geoscience and Remote Sensing. February 2013. V. 51. № 2. P. 983−994.
  11. Hossam M. Kasem, Maha El-Sabrouty. A Comparative Study of Audio Compression Based on Compressed Sensing and Sparse Fast Fourier Transform (SFFT): Performance and Challenges. [Электронный ресурс]: URL: http://arxiv.org/abs/1403.3061 (дата обращения: 31.03.2016).
  12. Niranjan M Gowda, Arun Pachai Kannu. Compressive sensing framework for signal processing in heterogeneous cellular networks // IEEE Global Communications Conference. 3−7 Dec. 2012. P. 3610−3615 (doi: 10.1109/GLOCOM.2012.6503676).
  13. Christy Fernandez Cull, David A. Wikner, Joseph N. Mait, Michael Mattheiss, David J. Brady. Millimeter-wave compressive holography // Applied Optics. July 2010. 49(19): E67−E82.
  14. Scott A. Wilson Ram M. Narayanan. Compressive wideband microwave radar holography // Proc. SPIE 9077, Radar Sensor Technology XVIII, 907707. May 29 2014. doi:10.1117/12.2050131.
  15. H.L. Taylor, S.C. Banks, J.F. McCoy. Deconvolution with the l1 norm // Geophysics. 1979.
  16. S. Levy and P.K. Fullagar. Reconstruction of a sparse spike train from a portion of its spectrum and application to high-resolution deconvolution // Geophysics. 1983. V. 46. P. 1235−1243.
  17. Emmanuel Candes, Justin Romberg, Terence Tao. Robust uncertainty principles: Exact signal reconstruction from highly incomplete frequency information // IEEE Trans. on Information Theory. 2006. V. 52. № 2. P. 489−509.
  18. Mackenzie Dana. Compressed sensing makes every pixel count // What\'s Happening in the Math. Sciences. 2009. AMS. 114−127.
  19. Andrey V. Zhuravlev, Vladimir V. Razevig, Sergey I. Ivashov, Alexander S. Bugaev. Experimental Comparison of Multi-Static and Mono-Static Antenna Arrays for Subsurface Radar Imaging // Proceedings of the IEEE International Conference on Microwaves, Communications, Antennas and Electronic Systems. Tel-Aviv, Israel. 2−4 November 2015. P. 1−4 (doi: 10.1109/COMCAS.2015. 7360380).
  20. Andrey Zhuravlev, Alexander Bugaev, Sergey Ivashov, Vladimir Razevig, Igor Vasiliev. Microwave holography in detection of hidden objects under the surface and beneath clothes // XXX International Union of Radio Science (URSI) General Assembly. Istanbul. Turkey. August 13−20. 2011.
  21. Открытая библиотека SciPy для языка программирования Python [Электронный ресурс]: офиц. сайт. URL: http://www.scipy.org/ (дата обращения: 31.03.2016).
  22. Dianyuan Han. Comparison of Commonly Used Image Interpolation Methods // Proceedings of the 2nd International Conference on Computer Science and Electronics Engineering (ICCSEE 2013). Published by Atlantis Press. Paris. France. P. 1556−1559.