|
|
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% D8 u2 h; X) l; X( T: t* ^4 C
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
: j7 J0 H8 }8 t! }# U2 q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 Ｄｉｖｅｒｓｅ8 ?& M" G, q! H' F) s: l
ＭｕｌｔｉｐｌｅＩｎｐｕｔ 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，
, Q5 D( o# A& _# h* L/ GＳｐａｒｓｅ Ａｕｔｏｆｏｃｕｓ Ｉｍａｇｉｎｇ Ｍｅｔｈｏｄ Ｂａｓｅｄ ｏｎ Ｂａｙｅｓｉａｎ Ｃｏｍｐｒｅｓｓｉｖｅ Ｓｅｎｓｉｎｇ） 成像算法． 该算法依据最大后验（ ＭＡＰ， Ｍａｘｉ* n( B' r( v$ P% p' K, F" Q
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- ]) C& M$ p) t
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
/ T; O, L8 @% z* q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．
3 N% m. [( w$ D" s! _8 p- U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- [( M0 N8 v9 B& E- G
7 S& y2 ]8 t) a2 n o
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)
, o$ r! k* e: j/ f: X
|
|
/1 
发表于 2021-6-22 09:22
收藏
淘帖
支持！
反对！