|
|
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：针对现有超宽带穿墙雷达稀疏成像算法大多只采用点目标稀疏基表示模型和稀疏优化的正则化参数不能被$ B) y# S# {9 v+ j, q
自适应调整以及目标位置不在划分网格上带来虚假像的问题，该文提出一种基于贝叶斯证据框架的自适应稀疏成像: w9 k b# y1 ?
方法。该方法首先利用组合字典独立稀疏表示场景中的点目标和扩展目标，然后在建立的偏离网格稀疏表示模型的7 \( E( S1 B0 e. Y
基础上分层最大化各参数的似然函数，用第 1 层推理结合共轭梯度算法估计组合字典的各稀疏表示系数，用第 2$ v( s8 ~ \; \& r
层推理估计正则化参数和目标的偏离网格量，最终通过迭代优化参数的设置得到问题的求解。仿真和实验结果表明，
$ m% _1 A9 B& _, F) ]/ k该方法不仅同时自适应增强穿墙场景中的点目标和扩展目标，还消除了偏离网格目标引起的虚假像。$ s; @; F4 O4 a- f1 a7 p% _
关键词：超宽带穿墙雷达稀疏成像；组合字典；证据框架；参数自适应调整2 C- Y4 C0 O- {6 t/ m N
6 u- Q$ r1 \" t6 q" j1 l. x1 o9 o( j
3 v9 M/ @7 R/ F1 V9 D
( d, d- z# t& [" Z
- z/ \ n4 O6 p. r, U/ u, ^附件下载：
( {1 a3 X9 M8 n% Z. ?0 Y: L: u0 w. O3 {' T
|
|
/1 
发表于 2021-5-20 10:33
收藏
淘帖
支持！
反对！