[論文レビュー] Synthetic Aperture Radar Imaging and Motion Estimation via Robust Principle Component Analysis

Liliana Borcea, Thomas Callaghan+1 more|arXiv (Cornell University)|Aug 17, 2012

Advanced SAR Imaging Techniques参考文献 19被引用数 4

ひとこと要約

本稿では、合成開口レーダー（SAR）データを低ランク（静止シーン）およびスパース（移動標的）成分に分離するために、頑健な主成分分析（RPCA）の使用を提案する。これにより、静止シーンの高分解能画像化と、移動標的の正確な運動推定が可能になる。この手法は、遅い時間（アンテナ位置）および速い時間（エコー遅延）でインデックス化されたパルス圧縮SARデータに依存しており、適切なデータ窓処理が施された場合に、数値シミュレーションで分離に成功することが示されている。

ABSTRACT

We consider the problem of synthetic aperture radar (SAR) imaging and motion estimation of complex scenes. By complex we mean scenes with multiple targets, stationary and in motion. We use the usual setup with one moving antenna emitting and receiving signals. We address two challenges: (1) the detection of moving targets in the complex scene and (2) the separation of the echoes from the stationary targets and those from the moving targets. Such separation allows high resolution imaging of the stationary scene and motion estimation with the echoes from the moving targets alone. We show that the robust principal component analysis (PCA) method which decomposes a matrix in two parts, one low rank and one sparse, can be used for motion detection and data separation. The matrix that is decomposed is the pulse and range compressed SAR data indexed by two discrete time variables: the slow time, which parametrizes the location of the antenna, and the fast time, which parametrizes the echoes received between successive emissions from the antenna. We present an analysis of the rank of the data matrix to motivate the use of the robust PCA method. We also show with numerical simulations that successful data separation with robust PCA requires proper data windowing. Results of motion estimation and imaging with the separated data are presented, as well.

研究の動機と目的

• 複雑なSAR画像における静止シーンからの移動標的の検出および分離の課題に対処すること。
• 移動標的のエコーを静止シーンのエコーから分離することで、静止シーンの高分解能画像化を可能にすること。
• 分離されたエコーのみを用いて移動標的の運動パラメータを推定し、追跡精度を向上させること。
• データ分離に頑健なPCAを用いる根拠を示すために、SARデータ行列のランクを分析すること。
• RPCAによる成功した分離を保証する最適なデータ窓処理戦略を特定すること。

提案手法

• SARデータ行列は、パルス圧縮および距離圧縮されたエコーから成り、遅い時間（アンテナ位置）および速い時間（エコー遅延）でインデックス化される。
• 頑健なPCAは、データ行列を低ランク成分（静止シーン）およびスパース成分（移動標的）に分解し、信号特性における構造的差を活用する。
• この手法は、静止散乱体がアパーチャー全体でコherentで低ランクのエコーを生成するのに対し、移動標的はスパースで時間変動する戻りを生成することを利用している。
• ToeplitzおよびHankel行列近似を用いた理論的分析により、データ構造をモデル化し、RPCAの性能を予測する。
• 信号エネルギーを局在化し、特にゆっくりとした速度で移動する標的に対して、低ランク／スパース分離を強化するために、適切なデータ窓処理が施される。
• 数値シミュレーションにより、データ分離および運動推定の有効性が検証され、分離された成分に対して画像処理が実施された。

実験結果

リサーチクエスチョン

• RQ1 頑健なPCAは、SARデータにおける移動標的エコーと静止シーンエコーの分離を効果的に行えるか？
• RQ2 RPCAを用いて、信頼性を持って検出および分離可能な最小の標的速度は何か？
• RQ3 データ窓処理は、SAR画像化におけるRPCAベース分離の成功にどのように影響するか？
• RQ4 異なる運動およびシーン設定下でのSARデータ行列の理論的ランク構造は何か？
• RQ5 複雑なシーンにおいて、従来のSAR画像化と比較して、本手法は分解能および運動推定精度の面で優れているか？

主な発見

• 適切なデータ窓処理と組み合わせた頑健なPCAは、SARデータにおける静止および移動標的成分の分離に成功した。
• この手法により、運動由来のぼやけやずれを除去することで、静止シーンの高分解能画像化が可能になった。
• 静止クラッターが存在しないため、分離された移動標的エコー上で行う運動推定は著しく向上した。
• 理論的分析により、データ行列のランクは有界であり、シーンの反射率および標的速度に依存することが示され、RPCAの適用根拠が裏付けられた。
• 数値シミュレーションにより、特にゆっくりとした速度で移動する標的に対して、適切な窓処理が成功した分離に不可欠であることが確認された。
• サブアパーチャーを個別に処理し、焦点を合わせた画像を統合することで、移動標的の継続的監視および追跡が可能になった。