|
|
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4 y8 f/ ^1 K8 ]( W. M
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
& t7 K1 I! G8 N1 ~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
/ C7 Y A; w: J+ H, eＭｕｌｔｉｐｌｅＩｎｐｕｔ 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，
3 Y' r$ L0 V+ p# _1 PＳｐａｒｓｅ Ａｕｔｏｆｏｃｕｓ Ｉｍａｇｉｎｇ Ｍｅｔｈｏｄ Ｂａｓｅｄ ｏｎ Ｂａｙｅｓｉａｎ Ｃｏｍｐｒｅｓｓｉｖｅ Ｓｅｎｓｉｎｇ） 成像算法． 该算法依据最大后验（ ＭＡＰ， Ｍａｘｉ
8 @$ l, C% Z7 k1 o1 D& Lｍｕｍ 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
- k) H+ V( T& U! F* \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
( D* T1 }- C% \ h% v- _3 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．
; ]; @8 j/ m/ A' A# _9 Q4 d2 ?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
- v* v$ S1 j" H# u0 L/ A: n: G) O4 Z. @
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)
) Q, n' a+ u* z& \ |
|
/1 
发表于 2021-6-22 09:22
收藏
淘帖
支持！
反对！