ISAR Imaging of Missing Data Based on the Iterative Adaptive Approach

基于迭代自适应算法的缺失数据ISAR成像

王勇,张荣政

(哈尔滨工业大学 电子工程技术研究所,哈尔滨 150001)

创新点说明：

本文提出一种新基于迭代自适应（IAA）算法的缺失数据ISAR成像算法,具体创新性可说明如下：

1） 首先在回波随机缺失的情况下使用IAA算法估计ISAR方位像上的多普勒谱,进而得到清晰且有较高分辨率的缺失数据成像结果。

2）本文所用方法解决了传统FFT的处理缺失数据的谱泄露问题,相比于主流的压缩感知方法,该方法恢复效果更好。

研究目的：

常规的FFT处理方法会导致图像模糊和高旁瓣等问题,为解决缺失数据下的ISAR成像问题,本文提出一种基于迭代自适应方法（IAA）的ISAR缺失数据成像算法。该算法具有全局收敛性,不需要预先设置参数,能得到清晰的成像结果。

研究方法：

1）对回波数据进行解线性调频处理,对其得到的每一个一维距离像进行运动补偿消除平等分量。

2）从缺失数据的回波中提取出有效时刻对应的一维距离像,作为有效数据。

3）将有效数据中每一个距离单元内的方位向数据视为一个非均匀采样信号,使用IAA算法应用加权最小二乘估计来获得非均匀采样信号的频谱,将其作为方位向压缩的结果,从而得到清晰的成像结果。

结果：

1）文中进行了针对一维线谱数据的缺失数据仿真实验,说明了IAA算法对于缺失数据频谱估计的精确性。

2）文中使用IAA算法及OMP算法进行了仿真MIG-25和Yak-42数据的缺失数据成像实验,实验结果说明,IAA算法能够在随机丢失数据的情况下获得清晰的目标图像。

3）文中将使用IAA算法的MIG-25 缺失成像实验数据与OMP算法实验数据进行了定量对比,说明了IAA算法的优越性。

结论：

本文提出的基于迭代自适应算法的ISAR缺失数据成像方法应用加权最小二乘估计来获得非均匀采样信号的频谱。 仿真MIG-25和Yak-42的结果表明,该算法能够在随机丢失数据的情况下获得清晰的目标图像。

关键词：迭代自适应,缺失数据,ISAR

     

基于缺失数据补偿的鲁棒语音识别

针对实际环境中语音信号的时频分量普遍存在部分缺失或严重失真的问题,在已知语音先验知识的条件下,提出了一种利用可靠时频分量对缺失数据进行补偿的方法。利用贝叶斯准则,将最优补偿转化为求解后验概率最大化的问题,并利用缺失数据自身的能量信息,给出了一种局部最优补偿的方法。实验表明,该方法在各种噪声、信噪比环境下,综合性能优于传统的鲁棒语音识别技术;采用缺失信息对补偿进行限定,在低信噪比下鲁棒性能有了明显的提高。     

基于参数模型的测试缺失数据恢复

工程实验测试中常会因测试系统部件选取不合适或发生故障等原因而造成数据缺失现象。研究利用参数模型方法对其进行恢复。通过对被测信号中正确数据的分析,确定出模型结构、阶次、具体参数,并进行检验和优化,得出最佳模型。针对实际的空测数据进行了仿真和应用,证明该方法是有效的。     

基于缺失数据模型的长码直扩信号的伪码估计

 在信号截获应用背景下,提出了一种新的缺失数据模型用于长码直扩信号的盲同步和伪码估计.在同步环节中,传统短码同步算法Frobenius范数最大法被扩展至缺失数据模型并验证了渐进有效性;在伪码估计环节,提出了一种低计算复杂度的用于加权低秩逼近的交替投影算法.由于本文提出的方法能够直接利用接收数据,而不仅仅是它的自相关矩阵,仿真表明其性能明显好于传统的只依赖自相关矩阵的算法,特别是在短数据场合.     

基于SA-MCMC算法的非线性测量误差模型的影响分析

研究了非线性测量误差模型的影响分析.首先把模型中有误差的不可观测的数据当作是缺失数据,接着用SA-MCMC算法得到了模型参数的最大似然估计,然后考虑用Q函数代替可观测数据的对数似然函数来进行影响分析,得到了建立在Q函数上的局部影响分析的诊断统计量.最后用具体的例子说明了诊断统计量的有效性.