参数迭代最小化稀疏信号重构isar成像算法.docVIP

参数迭代最小化稀疏信号重构ISAR成像算法 冯俊杰 张弓 南京航空航天大学电子信息工程学院 六盘水师范学院电气工程学院 X 关注成功！ 加关注后您将方便地在 我的关注中得到本文献的被引频次变化的通知！ 新浪微博 腾讯微博 人人网 开心网 豆瓣网 网易微博 摘????要： 为实现稳健逆合成孔径雷达 (ISAR) 成像, 本文提出基于参数迭代最小化贝叶斯稀疏信号重构ISAR成像算法。首先建立ISAR稀疏成像信号模型;其次, 推导目标参数稀疏贝叶斯模型的联合概率密度函数, 将ISAR成像转化为贝叶斯准则下的稀疏约束最大后验概率估计;最后, 通过目标散射系数和噪声功率交替迭代优化求解, 实现目标重构。与传统稀疏重构方法相比, 算法的参数能够自适应调整。实测数据实验验证了本文算法具有较好的成像效果。 关键词： 逆合成孔径雷达; 迭代最小化; 稀疏信号重构; 成像; 最大后验概率; 作者简介：冯俊杰 (1983-) , 男, 博士研究生, 主要研究方向为图像信号处理; 作者简介：张弓, 教授, 博士生导师。E-mail:fzy028@163.com 基金：国家自然科学基金项目 Parameter Iterative Minimization Sparse Signal Recovery ISAR Imaging Algorithm FENG Junjie ZHANG Gong College of Electronics and Information Engineering, Nanjing University of Aeronautics and Astronautics; Abstract： In order to obtain the robustness inverse synthetic aperture radar (ISAR) image, an iterative minimization Bayesian learning sparse signal recovery algorithm is proposed. Firstly, ISAR imaging is established, and the imaging problem is converted to sparse constraint maximum a posteriori (MAP) estimation under Bayesian criterion. Then, the target reconstruction and the noise power can be obtained simultaneously by exchanging iterative solution, and the target can be recovered. Compared with the conventional sparse recovery algorithms, the proposed algorithm can adjust parameters automatically. Real data experimental results show that the proposed algorithm has better robustness. Keyword： Inverse synthetic aperture radar (ISAR) ; Iterative minimization; Sparse signal recovery; Imaging; Maximum a posteriori (MAP) ; 0概述 ISAR成像技术具有全天候、全天时和远距离成像的特点, 在军用和民用应用中发挥着重要作用[1-4]。通常利用发射大宽带信号提高距离向分辨率, 通过增加目标转动积累角或长相干处理时间间隔 (CPI, coherent processing interval) 来提高方位分辨率。当回波脉冲数有限或回波脉冲存在较强噪声时, 传统的距离多普勒算法的方位分辨率受到很大限制, 成像分辨率低。另外, 较长的CPI需要更为复杂的补偿算法, 给后续处理带来很大困难, 难以实现实时成像。实现短观测时间稳健高分辨率ISAR成像具有重要意义。 压缩感知 (Compressive Sensing, CS) 理论为上述问题的解决提供了一种新的思路[5-8]。由于ISAR目标一般由强散射点组成, 这些强散射点在成像区域内是稀疏分布的。基于压缩感知理论的雷达成像得到较为广泛的研究[9-12]。文献错误!未找到引用源。提出采用层次先验模型相关先验的贝叶斯稀疏信号重构ISAR成像算法, 在噪声环