排序方式: 共有12条查询结果,搜索用时 15 毫秒
11.
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$ {\ell _1}$范数正则化问题等效转化成稀疏拉普拉斯先验建模问题,并在分层贝叶斯Lasso模型中建立正则项系数依赖的概率分布,从而为实现完全自动化参数调整提供便利条件。考虑到目标稀疏散射特征和多超参数的高维统计特性,该文应用吉布斯(Gibbs)随机采样方法,实现对ISAR目标稀疏特征的求解,并同步获取包括正则项系数在内的多参数估计。基于该文研究方法可实现全部参数均通过数据学习获得,从而有效避免繁琐的参数调整过程,提升算法的自动化程度。仿真及实测数据均可证明该方法的有效性和优越性。 相似文献
12.
针对合成孔径雷达(SAR)成像中的稀疏特征增强问题,传统方法难以在精度与效率之间实现有效的平衡。该文提出基于复数交替方向多乘子方法(C-ADMM),针对SAR稀疏特征增强建立增广的拉格朗日优化方程,并引入复数${\ell _1}$范数邻近算子,基于高斯-赛德尔思想进行对偶迭代运算,从而在复数回波数据域内对多种SAR模式的实测数据进行成像。实验部分首先通过仿真数据的相变图(PTD)验证C-ADMM算法对于复数数据的稀疏恢复性能,然后选取地面静止场景和地面运动目标的原始SAR图像和逆SAR图像实测数据,与凸优化(CVX)方法和贝叶斯压缩感知(BCS)方法进行对比试验,最后验证了该文所提算法在稀疏特征增强应用中的稳健性、高效性和通用性。 相似文献