|
|
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
9 U( c& r' y% t! C6 D5 s4 U# S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
6 W# G& I& ^6 S* }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
" U" v( I, z* hＭｕｌｔｉｐｌｅＩｎｐｕｔ 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， M9 y; a5 y; _- c+ q3 e5 T
Ｓｐａｒｓｅ Ａｕｔｏｆｏｃｕｓ Ｉｍａｇｉｎｇ Ｍｅｔｈｏｄ Ｂａｓｅｄ ｏｎ Ｂａｙｅｓｉａｎ Ｃｏｍｐｒｅｓｓｉｖｅ Ｓｅｎｓｉｎｇ） 成像算法． 该算法依据最大后验（ ＭＡＰ， Ｍａｘｉ
+ F! {$ M4 ?% @ｍｕｍ 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
$ G! m2 x1 K8 h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' A5 F' P/ ]2 w D
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．
+ [9 T1 O1 i' ~# [% s* D, 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 # C- p8 {0 \6 C
5 }8 h1 V0 _- p4 a3 Z, x/ N# _' S
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)
1 e6 E' s$ n: J& F6 ] |
|
/1 
发表于 2021-6-22 09:22
收藏
淘帖
支持！
反对！