权益分类	功能权益	普通用户	{{item.name}}会员
{{category.name}}	{{benefitItem.name}}

A synthetic aperture-compressive sensing framework for high-resolution imaging and spectrum estimation

用于高分辨率成像和频谱估计的合成孔径压缩传感框架

基本信息

批准号：
208436886
负责人：
Professor Dr.-Ing. Abdelhak Zoubir
金额：
--
依托单位：
Fachgebiet Signalverarbeitung
依托单位国家：
德国
项目类别：
Research Grants
财政年份：
2011
资助国家：
德国
起止时间：
2010-12-31 至 2015-12-31
项目状态：
已结题

来源：
https://gepris.dfg.de/gepris/projekt/208436886?language=en
关键词：
synthetic aperture compressive sensing framework

项目摘要

In modernen Anwendungen der Bildgebung und Spektralschätzung gibt es großen Bedarf an einer Steigerung der Systemauflösung. Eine Erhöhung der Auflösung führt zu detaillierten und genaueren Ergebnissen in der Bildgebung und Spektralschätzung. Der Erfolg von darauf aufbauenden Aufgaben, wie Zieldetektion, Lokalisierung und Klassifizierung ist in hohem Maße von der Systemauflösung abhängig. Diese kann durch höhere Hardware-Kosten, z.B. eine Vergrößerung des Arrays, oder aber durch höheren Berechnungsaufwand erreicht werden. Letzteres kann durch Verwendung synthetischer Aperturen geschehen, bei denen eine große Sensorgruppe (array) durch die Bewegung einer kleineren Plattform synthetisiert wird oder durch die Verwendung von Compressive Sensing, wo man mit durch gezielte Unterabtastung ausnutzt, dass viele Signale in der Praxis eine charakteristische Struktur aufweisen. Unser Ziel ist es, einen neuartigen Ansatz für hochauflösende Bildgebung und Spektralschätzung zu formulieren. Hierbei sollen die Konzepte synthetischer Aperturen und Compressive Sensing zu einem gemeinsamen Optimierungsproblem vereint werden. Neben der theoretischen Formulierung betrachten wir die praktische Implementierung eines dünn besetzten Bildgebungs-/Ortungssystems unter Verwendung eines Ultraschall-Bildgebungssystems.

在现代化的建筑和语音系统中，大卧室是一个系统化的空间。Eine Erhöhung der Auflösung führt zu detaillierten und genaueren Ergebnissen in der Bildebung und Spektralschätzung. Der Erfolg von darauf aufbauenden Aufgaben，wie Zieldetektion，Lokalisierung und Klassifizierung ist in hohem Maße von der Systemaulösung abhängig.这可以通过这里的Hardware-Kosten，z.B.一个数组的计算器，或者通过它的运算韦尔登来计算。Letzteres kann durch Verwendung synthetischer geschehen，been denen eine greße Sensorgruppe（array）durch die Bewegung einer kleineren Platform synthetisiert wird or der durch die Verwendung von Compressive Sensing，wo man mit durch gezielte Unterabtastung ausnutzt，dass viele Signale in der Praxis eine charakteristische Struktur aufweisen. Unser Ziel is es，einen neuartigen Answer für hochauflösende Bildebung und Spektralschätzung zu formulieren.在此基础上，提出了一种基于压缩传感器和综合传感器的韦尔登优化方法。Neben der theoretischen Formulierung betrachten wir die praktische Implementierung eines dünn besetzten Bildebungs-/Ortungssystems unter Verwendung eines Ultrasound Bildebungs systems.