現(xiàn)有貝葉斯壓縮感知（Bayesian Compressed Sensing,BCS）-逆合成孔徑雷達（Inverse Synthetic Aperture Radar,ISAR）成像算法中先驗分布模型不能很好地滿足可壓縮性,導致成像精度隨脈沖數(shù)目的減小、高斯噪聲的增強而急劇下降。為此,提出了一種基于廣義Pareto分布改進BCS成像方法（Improving BCS imaging based on GPD,IGPCS）。該方法主要在BCS框架下利用廣義Pareto先驗分布替代傳統(tǒng)的廣義Gaussian先驗分布,以增強模擬信號的稀疏先驗和可壓縮性。進一步地,為了克服后驗概率模型計算困難等問題,采用最大后驗（Maximum A Posteriori,MAP）方法對超參數(shù)進行估計。通過對Mig-25小型飛機的ISAR模擬實驗表明,與傳統(tǒng)方法相比,IGPCS方法能夠獲取極高的成像精度,并且對低脈沖數(shù)、強高斯噪聲環(huán)境具有較強的魯棒性。 

【文章來源】：電訊技術. 2020,60(05)北大核心

【文章頁數(shù)】：6 頁

【部分圖文】：

比較各項先驗分布的PDF

式中:;Q為某先驗的累積分布函數(shù);an表示信號向量的分量，其記為信號向量x中絕對值最大的第n項。在圖2中，可以看到LD、exGPD、GGD不滿足等式(3)，并且嚴重破壞了這一規(guī)則。與此相反，從縱坐標變化趨勢可以看出，在GPD先驗的Lorentz曲線中，GPD先驗對任意xi滿足式(3)，并且an曲線呈現(xiàn)出快速衰減趨勢。綜上所述，GPD先驗具有優(yōu)良的稀疏性和可壓縮性，為GPD先驗能得到ISAR高清晰成像圖提供了重要理論支撐依據(jù)。2 基于GPD的能量聚集BCS成像

由于ISAR圖像的稀疏特性，可以對重建場景賦予先驗進行建模，利用稀疏貝葉斯框架實現(xiàn)成像。ISAR成像的幾何結構如圖3所示，對成像區(qū)域進行離散化生成P×Q個離散單元，P和Q分別表示距離向和方位向離散點數(shù)目。令σ=[σpq]作為坐標(xp,yq)的稀疏交叉范圍振幅，脈沖采樣數(shù)為M,1≤M≤Q，每個脈沖包含N個距離采樣單元，1≤N≤P;雷達的輻射頻帶fn∈[fmin,fmax]，雷達觀察角θm,m=0,1…，M-1，字典矩陣表示為


本文編號：3564946