[發明專利]快速聯合免逆稀疏貝葉斯學習超分辨ISAR成像算法有效
| 申請號： | 202110935986.1 | 申請日： | 2021-08-16 |
| 公開（公告）號： | CN113466864B | 公開（公告）日： | 2023-07-04 |
| 發明（設計）人： | 何興宇;任曉岳;劉桃 | 申請（專利權）人： | 中國人民解放軍空軍工程大學 |
| 主分類號： | G01S13/90 | 分類號： | G01S13/90;G01S7/41 |
| 代理公司： | 成都初陽知識產權代理事務所(特殊普通合伙) 51305 | 代理人： | 鄧金濤 |
| 地址： | 710038 陜西*** | 國省代碼： | 陜西;61 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 快速 聯合 稀疏 貝葉斯 學習 分辨 isar 成像 算法 | ||
本發明涉及信號處理技術領域，具體涉及一種快速聯合免逆稀疏貝葉斯學習超分辨ISAR成像算法，包括如下步驟：S1、初始化參數γ，其中γ為非負隨機初始值；S2、初始化參數Z，其中S3、根據和計算后驗概率分布的均值M和方差Σ，通過和來計算qsubgt;α/subgt;(α)和qsubgt;γ/subgt;(γ)；S4、根據迭代更新參數Z；S5、循環進行S3和S4，直至||Msupgt;(t)/supgt;?Msupgt;(t?1)/supgt;||subgt;F/subgt;≤δ，其中δ為預設門限值。
技術領域
本發明涉及信號處理技術領域，具體涉及一種快速聯合免逆稀疏貝葉斯學習超分辨ISAR成像算法。
背景技術
逆合成孔徑雷達(Inverse?Synthetic?Aperture?Radar,ISAR)成像成像針對的目標在觀測場景內一般是稀疏的，也即目標圖像在整個背景域是稀疏的，滿足稀疏重構的條件，可通過稀疏重構方法進行成像。通常情況下，要滿足高分辨成像所需的對固定場景的寬帶和長時間連續觀測比較困難，所以雷達往往會面臨稀疏孔徑成像的問題。在稀疏孔徑條件下，傳統的成像方法會導致圖像出現強副瓣和柵瓣，成像效果較差。
在利用稀疏重構算法對運動目標的成像時，能夠求得最稀疏解的算法的成像效果一般較好。Tipping提出基于相關向量機(Relevance?Vector?Machine,RVM)，通過基于SBL的樣本學習方法，迭代優化重構出原始稀疏信號。該方法基于稀疏概率學習，不需要信號的額外先驗信息且容易得到信號的最稀疏解，因此SBL算法廣泛應用于信號及圖像處理、模式識別等領域。基于SBL的超分辨ISAR成像進行了研究，利用少量的脈沖獲取到目標的ISAR圖像，并且證明了基于SBL成像方法比其它基于CS成像方法在參數估計與選取、圖像重構效果等方面具有明顯優勢。
大多數稀疏信號重構方法針對的是一維稀疏信號，這些方法可認為是單觀測向量(Single?Measurement?Vector,SMV)重構方法。采用這些方法進行圖像等二維信號處理時，需先將二維信號向量化為一維信號再進行重構，這種處理會降低算法效率且二維稀疏信號的重構效果一般。目前基于CS的ISAR成像方法大多通過對重構信號進行矢量化操作，再完成信號的重構，或對信號進行逐列重構。然而，這些方法只利用了目標圖像的一維稀疏性，沒有利用圖像的二維聯合稀疏性。
發明內容
本發明的目的在于提供一種快速聯合免逆稀疏貝葉斯學習超分辨ISAR成像算法，解決目前的成像算法復雜，計算量大的問題。
為解決上述的技術問題，本發明采用以下技術方案：
一種快速聯合免逆稀疏貝葉斯學習超分辨ISAR成像算法，其特征在于包括如下步驟：
S1、初始化參數γ，其中γ為非負隨機初始值；
S2、初始化參數Z，其中
S3、根據和計算后驗概率分布的均值M和方差Σ，通過和來計算qα(α)和qγ(γ)；
S4、根據迭代更新參數Z；
S5、循環進行S3和S4，直至||M(t)-M(t-1)||F≤δ，其中δ為預設門限值。
進一步的技術方案是，在初始化參數前，先假設雷達發射線性射頻信號，便可將接收的信號表示為：
將距離壓縮后的信號表示為：
假設相干積累時間內的脈沖數為M，將脈沖重復頻率劃分為N個多普勒單元，(2)式中x(τ,t)的表示為：X＝[xnm]N×M，將稀疏表示理論應用于回波距離信號向，(1)式的矩陣形式表示為：Y＝ΦX+V(3)。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于中國人民解放軍空軍工程大學，未經中國人民解放軍空軍工程大學許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/202110935986.1/2.html，轉載請聲明來源鉆瓜專利網。
