اخبار و اعلانات
آمار
| تعداد نشریات | 35 |
| تعداد شماره‌ها | 1,283 |
| تعداد مقالات | 9,272 |
| تعداد مشاهده مقاله | 8,598,226 |
| تعداد دریافت فایل اصل مقاله | 5,271,033 |
افزایش وضوح تصاویر رادار دهانة حقیقی در راستای سمت با استفاده از الگوریتم sparse-TSVD تسریع شده و الگوی تشعشعی کالیبره شده برای اهداف گسسته و پیوسته | ||
| رادار | ||
| مقاله 5، دوره 11، شماره 1، شهریور 1402، صفحه 43-54 اصل مقاله (1.15 M) | ||
| نوع مقاله: مقاله پژوهشی | ||
| نویسندگان | ||
| علی اکبر رحیمی فرد1؛ محمد ذوالفقاری* 2؛ طیبه قلی پور3؛ سپیده السادات شمس4؛ هادی صفدرخانی2 | ||
| 1دانشجوی دکترا ، دانشگاه یزد ،یزد ،ایران | ||
| 2استادیار، دانشگاه یزد ،یزد ،ایران | ||
| 3دکتری ، دانشگاه یزد ،یزد ،ایران | ||
| 4کارشناسی ارشد ، دانشگاه یزد ،یزد ،ایران | ||
| تاریخ دریافت: 21 خرداد 1402، تاریخ بازنگری: 20 تیر 1402، تاریخ پذیرش: 08 مرداد 1402 | ||
| چکیده | ||
| تصویربرداری راداری عوارض زمین به دلیل سازگاری بالا با ملاحظات زیست‌محیطی و شرایط آب‌وهوایی همواره برای کاربردهای نقشه‌برداری و آمایش سرزمین موردتوجه قرار گرفته است. رادارهای دهانة حقیقی با پویش چرخشی به دلیل ناحیة پوشش زیاد، سادگی تجهیزات و قابلیت حمل مناسب می‌توانند گزینة مطلوبی برای تصویربرداری راداری محسوب شوند. بااین‌وجود، پهنای بیم نسبتاً وسیع آنتن به‌کاررفته در این رادارها برای رسیدن به قدرت تفکیک بالا مناسب نیست. گسترش الگوریتم‌های پردازشی برای رسیدن به تصاویر باقدرت تفکیک بالا بر پایة حل معادله ماتریسی وابسته به الگوی آنتن موضوع اصلی تحقیقات در این حوزه را در سال‌های اخیر به خود اختصاص داده است. جابه‌جاشدن مرکز فاز آنتن در زمان چرخش می‌تواند عملکرد این روش‌ها را با چالش مواجه کند. برای رفع این چالش، استفاده از الگوی مختلط به‌جای الگوی استاندارد دامنه که بر اساس موج برگشتی از یک هدف نقطه‌ای در ناحیة تست به دست می‌آید در این مقاله پیشنهاد شده است. نتایج به‌دست‌آمده از داده‌های برداشتی از یک رادار پیاده‌سازی شده در باند X نشان می‌دهد که روش پیشنهادی می‌تواند به‌صورت سرانگشتی تا میزان شش برابر قدرت تفکیک رادار دهانة حقیقی در راستای سمت را افزایش دهد. | ||
| کلیدواژه‌ها | ||
| رادار دهانه‌ی حقیقی؛ قدرت تفکیک سمت؛ تصویربرداری راداری؛ پترن تشعشعی کالیبره‌شده؛ پویش چرخشی سمت | ||
| عنوان مقاله [English] | ||
| Azimuth Resolution Enhancement of Real Aperture Radar Using the Accelerated Sparse-TSVD algorithm and Calibrated Radiation Pattern for Discrete and Distributed Targets | ||
| نویسندگان [English] | ||
| Aliakbar Rahimifard1؛ Mohammad Zolfaghari2؛ Tayebeh Gholipour3؛ , Sepideh Sadat Shams4؛ Hadi Safdarkhani2 | ||
| 1PhD student, Yazd University, Yazd, Iran | ||
| 2Assistant Professor, Yazd University, Yazd, Iran | ||
| 3Ph.D., Yazd University, Yazd, Iran | ||
| 4Master's degree, Yazd University, Yazd, Iran | ||
| چکیده [English] | ||
| Real aperture radar (RAR) is appealing for land surveying due to its environmental resilience, wide coverage, simplicity, and portability. However, the relatively wide antenna beam results in limited azimuth resolution, constraining image clarity. While super-resolution algorithms can enhance resolution, they face significant challenges when the antenna phase center shifts during scanning. This paper proposes a novel approach that employs a complex antenna pattern based on point target reflections. The proposed method demonstrates an approximate six-fold improvement in azimuth resolution for X-band RAR data, effectively overcoming the limitations of conventional methods in scanning RAR systems. | ||
| کلیدواژه‌ها [English] | ||
| Real aperture radar (RAR), Azimuth resolution, Radar imaging, Calibrated radiation pattern, Azimuth scanning | ||
| مراجع | ||
|
[8] J. Luo et al., "Two-Dimensional Angular Super-Resolution for Airborne Real Aperture Radar by Fast Conjugate Gradient Iterative Adaptive Approach," IEEE Transactions on Aerospace and Electronic Systems, vol. 59, no. 6, pp. 9480-9500, Dec. 2023, doi: 10.1109/TAES.2023.3321261. [9] Li, Wenchao, et al. "LRSD-ADMM-NET: Simultaneous Super-resolution Imaging and Target Detection for Forward-looking Scanning Radar." IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing (2024), doi:10.1109/igarss52108.2023.10283151. [10] M. Migliaccio and A. Gambardella, “Microwave radiometer spatial resolution enhancement”, IEEE Transactions on Geoscience and Remote Sensing, vol. 43, no. 5, pp. 1159–1169, May 2005.doi:10.1109/TGRS.2005.844099 [11] Y. Zha, Y. Zhang, Y. Huang, and J. Yang, “Bayesian angular super-resolution algorithm for real-aperture imaging in forward-looking radar”, Information, vol. 6, no. 4, pp. 650–668, Oct. 2015. doi:10.3390/info6040650 [12] Y. Zhang, Y. Huang, Y. Zha, and J. Yang, “Super-resolution imaging for forward-looking scanning radar with generalized Gaussian constraint,” Prog. Electromagn. Res., vol. 46, pp. 1–10, Jan. 2016. doi:10.2528/PIERM15120805 [13] Y. Zhang, A. Jakobsson, D. Mao, Y. Zhang, Y. Huang, and J. Yang, “Generalized time-updating sparse covariance-based spectral estimation,” IEEE Access, vol. 7, pp. 143876-143887, 2019.doi: 10.1109/access.2019.2944788 [14] Y. Zhang, A. Jakobsson, Y. Zhang, Y. Huang, and J. Yang, “Wideband sparse reconstruction for scanning radar,” IEEE Trans. Geosci. Remote Sens., vol. 56, no. 10, pp. 6055–6068, Oct. 2018. doi: 10.1109/tgrs.2018.2830100 [15] Y. Zhang, D. Mao, Q. Zhang, Y. Zhang, Y. Huang, and J. Yang, “Airborne forward looking radar super-resolution imaging using iterative adaptive approach,” IEEE J. Sel. Topics Appl. Earth Observ. Remote Sens., vol. 12, no. 7, pp. 2044–2054, Jul. 2019 .doi: 10.1109/jstars.2019.2920859 [16] https://images.app.goo.gl/byLpec21RS2yPq9m6 [17] https://images.app.goo.gl/XSnbpLCRatxX1A167 [18] F. Lenti, F. Nunziata, M. Migliaccio, and G. Rodriguez, “Two dimensional TSVD to enhance the spatial resolution of radiometer data,” IEEE Trans. Geosci. Remote Sens., vol. 52, no. 5, pp. 2450–2458, May 2014.doi: 10.1109/tgrs.2013.2261303 [19] J. D. Shea, B. D. Van Veen, and S. C. Hagness, “A TSVD analysis of microwave inverse scattering for breast imaging,” IEEE Trans. Biomed. Eng., vol. 59, no. 4, pp. 936–945, Apr. 2012. doi: 10.1109/tbme.2011.2176727 [20] X. Tuo, Y. Zhang, D. Mao, Y. Kang, and Y. Huang, “A radar forward looking super resolution method based on singular value weighted truncation,” in Proc. IEEE Int. Geosci. Remote Sens. Symp. (IGARSS), Jul. 2019, pp. 9180–9183. doi: 10.1109/IGARSS.2019.8898704 [21] P.-A. Barriere, J. Idier, Y. Goussard, and J.-J. Laurin, “Fast solutions of the 2D inverse scattering problem based on a TSVD approximation of the internal field for the forward model,” IEEE Trans. Antennas Propag., vol. 58, no. 12, pp. 4015–4024, Dec. 2010. doi: 10.1109/tap.2010.2078440 [22] A. Gambardella and M. Migliaccio, “On the super-resolution of microwave scanning radiometer measurements,” IEEE Geosci. Remote Sens. Lett., vol. 5, no. 4, pp. 796–800, Oct. 2008. doi: 10.1109/lgrs.2008.2006285 [23] M. T. Alonso, P. López-Dekker, and J. J. Mallorquí, “A novel strategy for radar imaging based on compressive sensing,” IEEE Trans. Geosci. Remote Sens., vol. 48, no. 12, pp. 4285–4295, Dec. 2010. doi: 10.1109/tgrs.2010.2051231 [24] R. Baraniuk and P. Steeghs, “Compressive radar imaging,” IEEE Radar Conf., Apr. 2007, pp. 128–133. [25] Q. Zhang, Y. Zhang, Y. Huang, Y. Zhang, W. Li, and J. Yang, “Sparse with fast MM super-resolution algorithm for radar forward-looking imaging,” IEEE Access, vol. 7, pp. 105247–105257, 2019. doi: 10.1109/access.2019.2932612 [26] Y. Wu, Y. Zhang, D. Mao, Y. Huang, and J. Yang, “Sparse super-resolution method based on truncated singular value decomposition strategy for radar forward-looking imaging,” J. Appl. Remote Sens., vol. 12, no. 3, 2018, Art. no. 03502. doi: 10.1117/1.jrs.12.035021 [27] Y. Zhang, X. Tuo, Y. Huang, and J. Yang, “A tv forward looking super-resolution imaging method based on TSVD strategy for scanning radar,” IEEE Transactions on Geoscience and Remote Sensing, vol. 58, no. 7, pp. 4517–4528, 2020. doi: 10.1109/tgrs.2019.2958085 [28] X. Tuo, Y. Zhang, Y. Zhang, Y. Huang and J. Yang, "Accelerated l1-svd Deconvolution Approach for Real Aperture Radar Super-resolution Imaging," 2022 IEEE Radar Conference (RadarConf22), New York City, NY, USA, 2022, pp. 1-6. doi: 10.1109/RadarConf2248738.2022.9764344 | ||
|
آمار تعداد مشاهده مقاله: 128 تعداد دریافت فایل اصل مقاله: 20 |
||