论文部分内容阅读
太阳射电成像依赖于反卷积算法来抵消傅立叶平面的稀疏采样。传统的太阳射电重构算法有两种:CLEAN算法和最大熵算法,该两种算法分别对点源和展源具有较好的重构效果,但是两种方法均未从本质上解决稀疏采样问题,本文在此基础上,结合综合孔径射电观测原理以及压缩感知成像技术,研究了一种新的太阳射电图像重构算法。本论文的主要工作内容如下:(1)本文深入调研了综合孔径成像技术和压缩感知成像国内外发展现状,并重点分析了压缩感知成像用于太阳射电图像重构的发展情况。(2)对压缩感知理论三个方面,稀疏表示、测量矩阵以及稀疏信号的重构进行了详细介绍。(3)研究了太阳图像稀疏表示方法及重构算法:本文深入研究了太阳图像稀疏表示方法,分别从理论证明以及实验验证两方面,分析了离散余弦变换基、小波变换基、K-SVD自适应字典对太阳图像进行稀疏表示的效果。通过采用分块训练的K-SVD算法对字典进行训练,得到了太阳图像稀疏表示自适应字典。对太阳稀疏表示图像进行重构,针对图像重构算法对太阳稀疏表示图像质量的影响,研究了四种贪婪重构算法的重构性能。(4)研究了基于压缩感知的太阳图像重构算法:研究了射电综合孔径成像技术及太阳射电图像重构算法:CLEAN算法、多尺度CLEAN算法以及最大熵算法。结合综合孔径观测原理以及压缩感知成像技术,研究了新的太阳射电图像重构算法,建立了本章算法的图像重建模型。由于预先很难准确获知太阳射电图像的稀疏度,本文改进了CoSaMP算法的自适应性,改进信号初始估计,结合SAMP算法的思想,将残差值对比作为算法终止条件,降低了重构图像的迭代次数以及重构时间。实验结果证明,本文算法重构精度高,抗噪声能力强,并且具有稀疏度自适应的优点。最后对比传统重构算法,本文算法在一定的条件下,提高了太阳射电图像重构质量。本文工作主要基于新一代厘米-分米波射电日像仪(Mingantu Spectral Radioheliograph,MUSER)成像展开。