基于稀疏贝叶斯方法的脉间捷变频ISAR成像技术研究

shuddkk

摘要:传统捷变频成像方法具有高旁瓣、低分辨率的缺点。鉴于捷变频ISAR回波信号的稀疏性，该文基于原始数据的2维压缩感知方案，在贝叶斯原理框架下，用稀疏贝叶斯算法一方 差成分扩张压缩方法(ExCoV)实现捷变频ISAR像的重建。贝叶斯框架下的稀疏重构算法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。作为- -种新的稀疏贝叶斯算法，ExCoV 不同于稀疏贝叶斯学习(SBL)算法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，克服了SBL算法参数多时效性差的缺点。仿真结果表明，该方法能克服传统捷变频成像缺点，并能够实现低信噪比条件下的2维高精度成像。
关键词: ISAR; 捷变频;压缩感知;稀疏贝叶斯学习算法;方差成分扩张压缩方法(ExCoV)

游客，如果您要查看本帖隐藏内容请回复

3 I0 U0 C$ E6 @0 o- F: `0 x

Uifhjvv

传统捷变频成像方法具有高旁瓣、低分辨率的缺点