可信推断近场稀疏综合阵列三维毫米波成像

考虑到主动式电扫描毫米波成像系统在实际应用中成像场景要求大,分辨率要求高,但毫米波的波长短,继而造成满足奈奎斯特采样定理的均匀阵列规模及馈电网络复杂度过高,面临着成像精度、成像速度和系统成本之间的矛盾。针对以上问题,该文提出了可信推断近场稀疏综合阵列算法(CBI-SAS),在全贝叶斯学习框架下,该算法基于贝叶斯推断对复激励权值进行稀疏优化,得到复激励权值的完全统计后验概率密度函数,从而利用其高阶统计信息得到复激励权值的最优值及其置信区间和置信度。在贝叶斯推断中,为了实现较少数量的阵元合成期望波束方向图,可通过对复值激励权值引入重尾的拉普拉斯稀疏先验。然而,由于先验概率模型与参考方向图数据模型非共轭,因此需对先验模型进行分层贝叶斯建模,从而保证得到的复激励权值完全后验分布具有闭合解析解。为了避免求解完全后验分布的高维积分,采用变分贝叶斯期望最大化方法计算复激励权值后验概率密度函数,实现复激励权值的可信推断。仿真模拟实验结果显示,相较于传统稀疏阵列合成方法,所提方法阵元稀疏度更低、归一化均方误差更小、匹配方向图精度更好。此外,基于设计的稀疏阵列采集近场一维电扫和二维平面全电扫实测回波数据后,利用改进三维时域算法进行三维重建,验证了所提CBI-SAS算法在保证成像结果的同时降低了系统复杂性的优势。