欢迎来到天天文库
浏览记录
ID:55784307
大小:1006.97 KB
页数:7页
时间:2020-06-01
《基于方差成分扩张压缩的稀疏贝叶斯ISAR成像方法.pdf》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库。
1、第36卷第7期电子与信息学报V_o1_36No.72014年7月JournalofElectronics&InformationTechnologyJu1.2014基于方差成分扩张压缩的稀疏贝叶斯ISAR成像方法苏伍各①王宏强①邓彬①秦玉亮①凌永顺②f国防科技大学空间电子信息技术研究所长沙410073)(电子工程学院合肥230037)摘要:基于贝叶斯框架下的稀疏重构方法,由于考虑了稀疏信号的先验信息以及测量过程中的加性噪声,因而能够更好地重建目标系数,然而传统的稀疏贝叶斯学习fSBL)算法参数多,时效性差。该文考虑一种新
2、的稀疏贝叶斯学习方法方差成分扩张压缩(ExCoV1,其不同于SBL中赋予所有的信号元素各自的方差分量参数,ExCoV方法仅仅赋予有重要意义的信号元素不同的方差分量,并拥有比SBL方法更少的参数。基于计算机层析成像技术框架下的ISAR成像模型,该文将ExCoV方法结合压缩感知fCS)理论将其进行ISAR成像,并从适用性和成像效果等方面与常用的极坐标格式算法(PFA),卷积逆投影算法(CBPA)$1传统的稀疏重构算法进行比较,点目标仿真结果表明基于ExCoV的方法得到的ISAR像具有低旁瓣,高分辨率的特点,真实数据的成像结果
3、表明该方法是一种比SBL更有效的ISAR成像算法。关键词:逆合成孔径雷达;计算机层析成像;稀疏贝叶斯学习;方差成分扩张压缩;稀疏恢复中图分类号:TN957.52文献标识码:A文章编号:1009.5896(2014)07—1525—07DOI:10.3724/SP.J.1146.2013.01338SparseBayesianRepresentationoftheISARImagingMethodBasedonExCoVSuWu-ge①WangHong—qiang①DengBin①QinYu—liang①LingYong—
4、shun②①(Sch0DfofElectronicScienceandEngineering,NationalUniversityofDefenseTechnology,ChⅡngsha410073,Chin0)②(ElectronicEngineeringInstitute,Hefei230037,China)Abstract:Bytakingintoaccountofthepriorinformationofthesparsesignalandtheadditivenoiseencounteredinthemeasu
5、rementprocess,thesparserecoveralgorithmundertheBayesianframeworkcanreconstructthecoeficientbetter.However,thetraditionalSparseBayesianLearning(SBL)algorithmholdsmanyparametersanditstimelinessispoor.Inthispaper,anewsparseBayesianlearningalgorithmnamedExpansion—Com
6、pressionViance-componentbasedmethodfExC0V)iSconsidered,whichonlyendowsadifferentvariance-componenttothesignificantsignalelements.Unlikely,theSBLhasadistinctvariancecomponentontheallsignalelements.Inaddition,theExCoVhasmuchlessparametersthantheSBL.CombinedwiththeC
7、ompressSensing(CS)theory,theExCoVisusedintheISARimagingmodelundertheComputerizedTomography(CT)frame,anditsapplicabilityandtheimagingqualityarecomparedwiththePolarFormatAlgorithm(PFA),ConvolutionBackProjectionAlgorithm(CBPA)andthetraditionalsparserecoveralgorithm.
8、ThepointscattersimulationverifiesthattheInverseSAR(ISAR)imageobtainedbytheExC0Vhaslowsidelobeandhighresolution,andisnotsensitivetonoise.Theimagingresultsofreal
此文档下载收益归作者所有