A new approach for one-bit compressed synthetic aperture radar imaging

Sentetik Açıklıklı Radar (SAR) görüntüleme sistemi, yüksek çözünürlüklü bir görüntü elde etmek için çok fazla ölçüm gerektirir. Bu durum aynı zamanda ölçüm sayısının çok fazla olmasından dolayı, hızlı analog-dijital dönüştürücülere ve büyük yerleşik depolama sistemlerine duyulan ihtiyacı da arttırır. 1-bit nicemlemeyi kullanmak, bu sorunlara rasyonel bir çözüm olabilir. Bu tezde zamanla değişen eşikler kullanılarak 1-bit sıkıştırılmış SAR görüntüleme için yeni bir çerçeve sunulmuştur. Seyrek SAR görüntülerinin zamana göre değişen eşik değerlerle 1-bit olarak ölçülen gürültülü ölçümlerden nasıl yeniden yapılandırılacağı gösterilmiştir. Geleneksel 1-bit Sıkıştırılmış Algılama (SA) algoritmalarında, ölçümleri sıfır eşik ile karşılaştırarak 1-bit nicemleme yapılmıştır. Bu, sinyalin büyüklüğünün kaybolmasına neden olur ve tam sinyal geri kazanımı imkansız hale gelir. Bu algoritmaların aksine, biz alınan sinyali zamanla değişen eşiklerle karşılaştırarak 1-bitlik nicemleme yapıyoruz. Bu 1-bitlik nicemleme metodu ile birim norm kısıtlaması, tutarlılık fonksiyonu ve sofistike optimizasyon algoritmaları artık gerekli değildir. Ayrıca, bu yöntemle elde edilen sinyallerin genlikleri daha doğrudur. Bu 1-bit nicemleme yaklaşımını kullanarak, 1-bit CS SAR görüntüleme yeniden yapılandırma problemini, amaç fonksiyonunun l_2 veri doğruluğu terimi ve düzgün olmayan bir normalleştirme fonksiyonu içeren kısıtlanmamış bir optimizasyon sorunu olarak formüle edebiliriz. Bu kısıtlanmamış optimizasyon problemini çözmek için, değişken bölme ve hesaplama açısından verimli ve uygulaması kolay çarpanların alternatif yön yöntemini kullanıyoruz. Gerçek ve sentetik SAR görüntüleri içeren simülasyonlardan elde edilen sonuçlar, BCST-SAR (SAR görüntülemede zamanla değişen eşiklerle ikili SA) olarak adlandırılan, önerilen algoritmanın etkinliğini doğrulamaktadır. Synthetic Aperture Radar (SAR) imaging system requires too much measurements to achieve a high-resolution image. This situation also raises the need for fast analogue-to-digital-converters and large on board storage systems due to the large number of measurements. Using 1-bit quantization may be a rational solution to these issues. A new framework is introduced for 1-bit compressed SAR imaging by using time-varying thresholds in this dissertation. It has been demonstrated how to reconstruct sparse SAR images from noisy measurements which are quantized to 1-bit with time-varying thresholds. In conventional 1-bit Compressive Sensing (CS) algorithms 1-bit quantization has been done by comparing measurements to a zero threshold. This makes the magnitude information of the signal to be lost and exact signal recovery becomes impossible. Unlike those algorithms, we do 1-bit quantization by comparing the received signal to time-varying thresholds. With this 1-bit quantization method, unit-norm constraint, consistency function and sophisticated optimization algorithms are no longer needed. Moreover, the amplitudes of the signals obtained by this method are more accurate. Using this 1-bit quantization approach, we can formulate 1-bit CS SAR imaging reconstruction problem as an unconstrained optimization problem where the objective function includes l_2 data-fidelity term and a non-smooth regularization function. For solving this unconstrained optimization problem, we use variable splitting and the alternating direction method of multipliers which is computationally efficient and easy to implement. The results from simulations with real and synthetic SAR images validate the effectiveness of the proposed algorithm named as BCST-SAR (Binary CS with Time-varying thresholds in SAR imaging). 90