|
|
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 |
|
/1 
发表于 2021-6-22 09:22
收藏
淘帖
支持！
反对！