组合字典下超宽带穿墙雷达自适应稀疏成像方法

针对现有超宽带穿墙雷达稀疏成像算法大多只采用点目标稀疏基表示模型和稀疏优化的正则化参数不能被自适应调整以及目标位置不在划分网格上带来虚假像的问题,该文提出一种基于贝叶斯证据框架的自适应稀疏成像方法。该方法首先利用组合字典独立稀疏表示场景中的点目标和扩展目标,然后在建立的偏离网格稀疏表示模型的基础上分层最大化各参数的似然函数,用第1层推理结合共轭梯度算法估计组合字典的各稀疏表示系数,用第2层推理估计正则化参数和目标的偏离网格量,最终通过迭代优化参数的设置得到问题的求解。仿真和实验结果表明,该方法不仅同时自适应增强穿墙场景中的点目标和扩展目标,还消除了偏离网格目标引起的虚假像。

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。