Sparsity-Based Multipath Exploitation for Through-the-Wall Radar Imaging

این پایان نامه در مورد روش های بهره برداری چند مسیره مبتنی بر پراکندگی برای تصویربرداری راداری از طریق دیوار گزارش می دهد. Multipath در اندازه گیری ها ابهاماتی ایجاد می کند که باعث تحریک اهداف ارواح ناخواسته در تصویر می شود. این کتاب روش‌های پراکنده بازسازی را توصیف می‌کند که نه تنها اهداف ارواح را سرکوب می‌کنند، بلکه از چند مسیر به نفع خود استفاده می‌کنند. با اتخاذ اصل سنجش فشاری، اندازه گیری های کمتری برای بازسازی تصویر در مقایسه با تکنیک های معمولی مورد نیاز است. این کتاب توسعه یک مدل سیگنال جامع و برخی روش‌های بازسازی مرتبط را توصیف می‌کند که می‌تواند با بسیاری از سناریوهای مرتبط، مانند به هم ریختگی سازه‌های ساختمان، بازتاب‌های ثانویه از دیوارهای داخلی، و همچنین اهداف ثابت و متحرک، در تصویربرداری رادار شهری مقابله کند. روش‌های توصیف‌شده در اینجا با استفاده از داده‌های شبیه‌سازی‌شده و همچنین اندازه‌گیری‌شده از آزمایش‌های آزمایشگاهی نیمه‌کنترل‌شده ارزیابی می‌شوند.

This thesis reports on sparsity-based multipath exploitation methods for through-the-wall radar imaging. Multipath creates ambiguities in the measurements provoking unwanted ghost targets in the image. This book describes sparse reconstruction methods that are not only suppressing the ghost targets, but using multipath to one’s advantage. With adopting the compressive sensing principle, fewer measurements are required for image reconstruction as compared to conventional techniques. The book describes the development of a comprehensive signal model and some associated reconstruction methods that can deal with many relevant scenarios, such as clutter from building structures, secondary reflections from interior walls, as well as stationary and moving targets, in urban radar imaging. The described methods are evaluated here using simulated as well as measured data from semi-controlled laboratory experiments.