Eksik Veri İçin Yüksek Çözünürlüklü Radar Görüntüleme

Abstract

Bu çalışmada, eksik veriden yüksek çözünürlüklü görüntü elde edilmesi maksadıyla, boşluk doldurma yöntemleri incelenmiş, bu yöntemler ile elde edilen veriden Fourier dönüşüm tabanlı yöntem ile görüntü oluşturulmuştur. AR modelleme tabanlı kestirim yöntemlerinden Burg yönteminde, ileri ve geri yönde öngörü hata güçlerinin ortalamasını minimize ederek bir yansıma katsayısı elde edilmekte, ardından bu yansıma katsayısından ileri ve geri yönde öngörü katsayıları elde edilmektedir. Elde edilen katsayılar veri üzerindeki boşluğun doğrusal öngörü ile doldurulmasında kullanılmaktadır. GAPES yöntemi, yakın geçmişte APES spektral kestirim yönteminden, eksik veri durumu için geliştirilen bir yöntemdir. Yöntem, mümkün olan veriden APES yöntemi ile spektral kestirim yapmakta, daha sonra eksik verinin de aynı spektral içeriğe sahip olduğu varsayımı ile eksik örnekleri kestirmektedir. Bu yöntemin doğruluk ve çözünürlük açısından performansı oldukça iyidir. Ancak işlem yoğunluğunun fazla olması nedeniyle, çok yavaş çalışan bir algoritmadır. Bu çalışmada, boşluk doldurma için yeni yöntem olarak En Küçük Kareler Kafes Yapısı önerilmiştir. Bu yöntemde, ileri ve geri yönde öngörü hata güçlerinin ayrı ayrı minimizasyonundan, iki ayrı yansıma katsayısı dolayısıyla da birbirinden bağımsız ileri ve geri yönde öngörü katsayıları elde edilmektedir. Elde edilen öngörü katsayıları, doğrusal öngörüde kullanılarak, radar verisinde bulunan boşluklar doldurulmaktadır. Önerilen yöntemin avantajları, öncelikle matematiksel kolaylığı nedeniyle işlem süresinin kısa olması ve boşluk doldurma yöntemi olarak kullanıldığında yeterli performansı sağlamasıdır. Bahsedilen yöntemlerin performansları, ISAR benzetim verisi üzerinde uygulamalar yapılarak karşılaştırılmıştır.

In this study, with the purpose to obtain high-resolution images from the missing data, gap filling methods are examined, and image is obtained from the data using the Fourier transform-based methods. In Burg’s method, an AR modeling based estimation method, a reflection coefficient is obtained by minimizing the average of forward and backward prediction error power. Then this reflection coefficient is used for obtaining forward and backward prediction coefficients. Obtained coefficients are used to fill gaps on the data with linear prediction. GAPES, recently developed from APES spectral estimation method, is a method for the case of missing data. This method, estimates the spectrum of the available data, then with the assumption that the missing data have the same spectral content, estimates the missing part of the data. The performance of this method is considerably good in terms of accuracy and resolution. However, because of its mathematical complexity, the algorithm runs very slowly. In this study, Least Square Lattice Structure is proposed as a new methods for gap filling. In this method, two independent reflection coefficients, i.e., forward and backward prediction coefficients are obtained through the minimization of forward and backward prediction error powers separately. The obtained coefficients are used in linear prediction for gap filling. The advantages of the proposed method are, primarily, that the processing time is short due to the method’s mathematical simplicity, and secondly, that provides sufficient performance when used as a gap filling method. The performances of the methods that are mentioned in the study are compared to each other through making implications on the ISAR simulated data.