| 基于分层贝叶斯Lasso的稀疏ISAR成像算法 |
| |
| 引用本文： | 杨磊,夏亚波,毛欣瑶,廖仙华,方澄,高洁. 基于分层贝叶斯Lasso的稀疏ISAR成像算法[J]. 电子与信息学报, 2022, 43(3): 623-631. DOI: 10.11999/JEIT200292 |
| |
| 作者姓名： | 杨磊 夏亚波 毛欣瑶 廖仙华 方澄 高洁 |
| |
| 作者单位： | 中国民航大学天津市智能信号与图像处理重点实验室 天津 300300;中国民航大学天津市智能信号与图像处理重点实验室 天津 300300;中国民航大学天津市智能信号与图像处理重点实验室 天津 300300;中国民航大学天津市智能信号与图像处理重点实验室 天津 300300;中国民航大学天津市智能信号与图像处理重点实验室 天津 300300;中国民航大学天津市智能信号与图像处理重点实验室 天津 300300 |
| |
| 基金项目： | 中央高校基本科研业务费专项资金;国家自然科学基金;天津市自然科学基金 |
| |
| 摘 要： | 逆合成孔径雷达(ISAR)目标回波具有明显的稀疏特征,传统的凸优化稀疏ISAR成像算法涉及繁琐的正则项系数调整,严重限制了超分辨成像的精度及便捷程度.针对此问题,该文面向非约束Lasso正则化模型,建立分层贝叶斯概率模型,将非约束的范数正则化问题等效转化成稀疏拉普拉斯先验建模问题,并在分层贝叶斯e1 Lasso模型中建立正则项系数依赖的概率分布,从而为实现完全自动化参数调整提供便利条件.考虑到目标稀疏散射特征和多超参数的高维统计特性,该文应用吉布斯(Gibbs)随机采样方法,实现对ISAR目标稀疏特征的求解,并同步获取包括正则项系数在内的多参数估计.基于该文研究方法可实现全部参数均通过数据学习获得,从而有效避免繁琐的参数调整过程,提升算法的自动化程度.仿真及实测数据均可证明该方法的有效性和优越性.
|
| 关 键 词： | 逆合成孔径雷达 贝叶斯Lasso 分层贝叶斯 吉布斯采样 |
Sparse ISAR Imaging Algorithm Based on Bayesian-Lasso |
| |
| YANG Lei,XIA Yabo,MAO Xinyao,LIAO Xianhua,FANG Cheng,GAO Jie. Sparse ISAR Imaging Algorithm Based on Bayesian-Lasso[J]. Journal of Electronics & Information Technology, 2022, 43(3): 623-631. DOI: 10.11999/JEIT200292 |
| |
| Authors: | YANG Lei XIA Yabo MAO Xinyao LIAO Xianhua FANG Cheng GAO Jie |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 万方数据 等数据库收录！ |
|
