|
EDA365欢迎您登录!
您需要 登录 才可以下载或查看,没有帐号?注册
x
摘 要: 传统压缩感知( CS, Compressive Sensing) 成像方法一般假定目标精确位于事先划定的成像网格上, 实际 L& f0 r3 N5 A, a) |
中由于散射点空间位置是连续分布的, 因此偏离网格( Offgrid) 问题必然存在. 这会引起真实回波测量值与默认系统) C( X6 u; K* b( M
观测矩阵之间失配, 导致传统 CS 成像方法性能恶化. 本文基于频率分集多输入多输出( FDMIMO, Frequency Diverse
$ N/ A) c( z* c0 ?! F* Q2 }MultipleInput MultipleOutput) 雷达, 针对 Offgrid 目标提出了一种基于贝叶斯压缩感知的稀疏自聚焦( SAFBCS,! Q2 h, X" V0 |0 w2 Q; W
Sparse Autofocus Imaging Method Based on Bayesian Compressive Sensing) 成像算法. 该算法依据最大后验( MAP, Maxi
; N# B3 d+ j0 Jmum A Posteriori) 准则, 利用变分贝叶斯学习技术求解含有 Offgrid 目标的稀疏像. 与传统稀疏重构方法相比, 所提方
/ v) w: N9 Y- Y) u( f, j1 t4 p) |法充分利用了目标先验信息, 可自适应调整参数, 能够更好地反演稀疏目标, 同时具有校正 Offgrid 目标的网格位置偏
. G |; _; T1 s0 i9 r差以及估计噪声功率等优势. 仿真结果表明 SAFBCS 算法对网格划分不敏感, 具有稳健的成像性能.) J9 W5 t/ ]$ W4 o
关键词: 贝叶斯压缩感知; FDMIMO 雷达; Offgrid 目标; 变分贝叶斯学习; 稀疏自聚焦成像
% A7 B: c, n0 O* r k$ I$ u2 k8 l4 k
基于贝叶斯压缩感知的FD-MIMO雷达Off-Grid目标稀疏成像.pdf
(3.02 MB, 下载次数: 0)
$ H$ f7 i9 y- k9 N# u |
|