Optimasi Matriks Pengukuran dalam Compressed Sensing dengan Menggunakan Metode Gradient-Based Minimization pada Data Synthetic Aperture Radar

Teori Compressed Sensing (CS) telah digunakan untuk meningkatkan kualitas citra Synthetic aperture radar (SAR) yang mempunyai beberapa karakteristik seperti sinyal radar yang ditembakkan dengan daya besar, data mentah disimpan dengan jumlah yang besar dan munculnya permasalahan side lobes sehingga mengurangi kualitas dari citra pada metoda konvensional berbasis match filter. Compressed Sensing (CS) adalah sebuah paradigma baru untuk merekonstruksi sinyal/data dari jumlah sampling yang sedikit sehingga memperoleh hasil yang lebih efisien. CS dapat menghapus fungsi match filter, mengurangi laju akuisisi dan mengurangi sidelobe pada data SAR. Dalam penelitian ini, dibahas optimasi matriks pengukuran dengan menggunakan metode Gradient-Based Minimization yang dapat meningkatkan kualitas rekonstruksi dengan menurunkan nilai koherensi matriks pengukuran dan dilakukan simulasi pengolahan citra SAR buatan pada target jaang. Hasil menunjukkan bahwa terdapat perbaikan hasil rekonstruksi antara setelah dan sebelum optimasi matriks pengukuran kondisi noise-freedengan parameter PSNR sebesar 10 dB. Sedangkan pada kondisi noise, terjadi perbaikan nilai yang signifikan pada derau yang tinggi pada nilai SNR di bawah 30 dB.