|
|
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
- @# A' Q8 K7 h# P& m8 |% l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0 I( \% l/ L, Y$ N
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! m z# Y5 Z1 u/ Y
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，( n5 ?3 u0 C" r D( ]) b
Ｓｐａｒｓｅ Ａｕｔｏｆｏｃｕｓ Ｉｍａｇｉｎｇ Ｍｅｔｈｏｄ Ｂａｓｅｄ ｏｎ Ｂａｙｅｓｉａｎ Ｃｏｍｐｒｅｓｓｉｖｅ Ｓｅｎｓｉｎｇ） 成像算法． 该算法依据最大后验（ ＭＡＰ， Ｍａｘｉ2 k, G7 d, b. x9 x, ]( |
ｍｕｍ 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
$ j- [( K( k* N6 O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. S% O5 ~5 u/ S/ N0 k! [
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．
) L [. b D( |% t1 G [+ E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 ! g. y( P, E+ H7 G
9 t+ E7 l% Z' ?; g+ \
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)
* @$ Z3 U7 [6 B7 G |
|
/1 
发表于 2021-6-22 09:22
收藏
淘帖
支持！
反对！