超宽带穿墙雷达偏离网格目标稀疏成像方法

在超宽带穿墙雷达成像应用中,由于目标成像空间的稀疏性表示可以采用压缩感知在较少数据采集下获得高分辨、低旁瓣的成像结果。然而,这些稀疏成像方法要求真实目标必须位于预设的网格点上才能保证较好的成像质量,否则会出现严重的虚假目标像。本文提出一种基于修正贝叶斯压缩感知的偏离网格目标稀疏成像方法。该方法对偏离网格目标的感知矩阵在预设网格点进行一阶泰勒级数展开,把真实目标与网格点之间的偏移量视为稀疏贝叶斯模型的参数,然后通过构造的联合概率密度函数利用最大期望方法联合估计目标散射系数和偏移量,保证了目标真实像的准确恢复。仿真和实验结果表明,该方法通过校正目标偏离网格引起的模型误差有效改善了传统稀疏重建方法的成像质量。

正交压缩采样雷达偏离网格目标时延估计技术

参数扰动正交匹配追踪是一种有效的偏离网格目标时延估计技术.但是,该方法在每次迭代时只搜索一个目标,计算量大.本文提出一类低计算量的偏离网格目标时延估计技术——参数扰动带排除贪婪重构算法.该算法在贪婪重构方法中引入带排除技术,用于检测多个与目标最邻近的离散网格,利用参数扰动技术来估计目标与最邻近离散网格之间的时延偏差.本文以正交压缩采样雷达为例,采用回溯自适应正交匹配追踪方法,研究参数扰动带排除贪婪重构算法性能.仿真实验表明,与已有的相关方法相比,该算法在不影响估计精度的情况下可减少一倍以上的计算时间.

基于改进OMP的超宽带穿墙雷达稀疏成像方法

在超宽带穿墙雷达成像应用中,压缩感知理论应用可以获得高分辨率稀疏成像。但这必须建立在目标恰好落在预设网格点的前提条件下,一旦目标偏离预设网格点,目标像会发生偏移,甚至还会产生虚假像。本文提出一种基于梯度优化的贝叶斯假设检验正交匹配追踪(GBTOMP)稀疏成像方法。该方法以传统正交匹配追踪(OMP)为基础,从预设网格点空间位置出发,以梯度优化的最速上升方法搜索到目标真实空间位置,并由此修正模型中的感知矩阵,再利用修正后的感知矩阵恢复目标散射系数。考虑到正交匹配追踪会带来冗余下标,利用贝叶斯假设检验设置一个合适的门限去冗余以保证目标真实像的准确恢复。仿真和实验结果表明,该方法校正了目标偏离预设网格所带来的模型误差,稀疏成像效果明显改善。