合成孔径雷达数据的低秩加稀疏分解用于目标成像与跟踪
信号处理
2019-06-07 v1
摘要
我们分析了包含静止与运动目标复杂地面场景的合成孔径雷达（SAR）成像。在通常的 SAR 采集方案下，我们考虑对数据进行预处理以分离运动目标贡献与静止背景反射体贡献的方法。数据的两个分量，即来自静止与运动目标的反射，分别被视为目标成像与跟踪所需的信号。我们使用的方法是将数据矩阵分解为低秩部分与稀疏部分。该分解使我们能将运动目标反射捕获至数据的稀疏部分，将静止目标反射捕获至低秩部分。所采用的计算工具是应用于 SAR 数据矩阵的鲁棒主成分分析（RPCA）。我们还引入了数据的无损基带变换，简化了分析并提升了 RPCA 算法性能。我们的主要贡献是理论分析，确定了 RPCA 算法参数的最优选择，从而有效且稳定地分离来自运动与静止目标的 SAR 数据。该分析还给出了可检测目标速度的下界。我们特别表明，稀疏矩阵的秩与目标速度在连接 SAR 平台轨迹与成像区域方向上的平方根成正比。该方法的鲁棒性在 X 波段 SAR 体制下的数值模拟中得到说明。
引用
@article{arxiv.1906.02311,
title = {Low rank plus sparse decomposition of synthetic aperture radar data for target imaging and tracking},
author = {Matan Leibovich and George Papanicolaou and Chrysoula Tsogka},
journal= {arXiv preprint arXiv:1906.02311},
year = {2019}
}