基于全变差稀疏贝叶斯学习的体目标成像方法研究.pdf

哈尔滨工程大学专业学位硕士学位论文

摘要

通过对水下连续目标体的高精度成像技术研究，目的是实现对目标的角度、位置以

及对目标本身的幅值和相位的精确估计，能够为后续的目标探测和目标分类识别提供非

常精确的依据，并且通过利用成像数据，本文展示了该技术在尺度估计应用上的优越潜

力。研究内容主要包括：

首先，传统的波束形成方法在处理点目标成像时效果良好，但对连续目标体成像时

往往无法准确重构目标的细节和边界，因此在分辨率和精度上有所不足。为了提高连续

目标体的波达角（DirectionofArrival,DOA）估计精度和成像质量，提升水下目标识别

准确率，采用了全变差（TotalVariation,TV）正则化，对相邻点上信号值差异进行惩罚，

从而更好地重构形状复杂的连续目标。利用稀疏贝叶斯学习（SparseBayesianLearning,

SBL）算法处理稀疏数据的能力，结合TV正则化保持图像的结构完整性。因TV作为

不可逆的约束条件不能直接应用于SBL方法中，因此引入了变换系数矩阵，将目标映

射到稀疏域并重构稀疏表示系数。这种方法将多重稀疏表示与SBL相结合，形成了多

重稀疏表示波束形成（multi-snapshotmulti-constraintSparseBayesianLearning,MCSBL）

算法，为高精度重构水下连续目标体成像提供了一种新方法。

其次，成功搭建了一个基于频域有限元方法的水下仿真平台。该平台能够自定义信

号频率、自适应地划分目标网格、自定义阵列的大小及其发射和接收阵元的排布方式等。

采用高频近似方法显著降低了大型三维目标体的计算量和空间数据占用，从而有效地模

拟真实多波束声纳在水下的探测过程，完成了水下模拟探测的整体设计。通过蒙特卡罗

方法进行了定量的数据仿真，比较了在不同信噪比、阵元数、快拍数和信号源数条件下

的CBF、FMF、FOCUSS、MSBL和MCSBL算法，性能评估结果显示MCSBL算法表

现出色，均方根误差最小、恢复率最高、同时保持了计算效率的优势。

最后，进行了信道水池实验，并基于实验数据进行了水下目标重构，与CBF、FMF、

FOCUSS和MSBL算法相比，MCSBL算法的图像恢复能力更优，能够提供更完整的目

标轮廓和更清晰、底噪更小的高分辨成像结果。此外，MCSBL算法在连续目标体的重

构中，在角度和幅值的精确估计以及目标重构和检测的成功率方面表现出更强的性能。

关键词：波束形成；多波束成像；贝叶斯压缩感知；全变差；多重稀疏表示

基于全变差稀疏贝叶斯学习的体目标成像方法研究

Abstract

Throughresearchonhigh-precisionimagingtechnologyforunderwatercontinuous

targetbodies,theaimistoachievepreciseestimationoftheangle,position,aswellasthe

amplitudeandphaseofthetargetitself.Thiscanprovideveryaccuratebasisforsubsequent

targetdetectionandtargetclassificationandrecognition.Byutilizingimagingdata,thisstudy

demonstratesthesuperiorpotentialofthistechnologyintheapplicationofscaleestimation.

Theresearchcontentmainlyincludes:

Firstly,traditionalbeamformingmethodsperformwellinimagingpointtargets,butoften

failtoaccuratelyreconstructthedetailsandboundariesofc