-
题名基于深度展开模型的毫米波稀疏成像算法
- 1
-
-
作者
车俐
吴永满
蒋留兵
牟玉洁
-
机构
桂林电子科技大学信息与通信学院
桂林电子科技大学广西无线宽带通信与信号处理重点实验室
桂林电子科技大学计算机与信息安全学院
-
出处
《计算机应用研究》
CSCD
北大核心
2023年第11期3496-3502,共7页
-
基金
广西创新驱动发展专项(桂科AA21077008)
广西无线宽带通信与信号处理重点实验室主任基金资助项目(GXKL06220102,GXKL06220108)
+1 种基金
广西高等教育本科教学改革工程项目(2022JGB196)
桂林电子科技大学研究生教育创新计划资助项目(2023YCXS047)。
-
文摘
针对传统压缩感知算法的高计算成本问题,从稀疏信号的恢复角度出发,提出一种基于深度展开模型的稀疏成像算法。首先构建复数稀疏重建网络VAMP-Net,在该网络中,复数形式的降采样回波信号被拆分成实部和虚部作为输入,接着代入到基于VAMP算法的迭代块中,最后通过卷积神经模块进行最优非线性稀疏变换,得到恢复的实部和虚部信号,两者进行合并后得到恢复的目标图像。对于所提算法,采用人工合成的数据集在不同目标密集程度、迭代次数和噪声环境下进行仿真实验,并与传统的迭代收缩阈值算法和深度学习重构算法进行比较。再使用不同程度稀疏性的数据进行实测验证。实验结果表明,该算法重构的图像在NMSE、TBR、重构耗时以及内存使用上有更好的表现。
-
关键词
毫米波雷达
稀疏成像
压缩感知
深度展开模型
卷积神经网络
-
Keywords
millimeter wave radar
sparse imaging
compressed sensing(CS)
depth expansion model
convolutional neural network(CNN)0
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-