塊稀疏目標凝視關聯成像技術研究.pdf_第1頁
已閱讀1頁,還剩81頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、區(qū)別于傳統(tǒng)凝視成像體制下分辨率受天線孔徑尺寸的約束,微波凝視關聯成像雷達通過構建時空兩維隨機輻射場與目標相互作用,具備對重點地區(qū)高分辨率凝視觀測成像的應用潛力?,F有的微波凝視關聯稀疏重構技術主要研究獨立散射點的系數反演,但對于強散射點較多且呈區(qū)域性分布的塊稀疏目標而言,采用傳統(tǒng)壓縮感知方法得到的反演結果通常不盡如人意。本文針對塊稀疏目標凝視關聯成像,利用目標本身的結構特性研究相應的關聯成像算法,并提出關聯成像雷達輻射源優(yōu)化設計方法,以實

2、現塊稀疏目標的高分辨率反演。
  首先研究了獨立散射點與邊界聯合約束的塊稀疏成像技術。對塊稀疏目標而言,不僅存在強散射點滿足稀疏性的特點,而且連續(xù)區(qū)域邊界也具有稀疏性,因此提出一種基于負e指數和總變差聯合約束的塊稀疏目標關聯成像算法,在一階負e指數約束的稀疏先驗基礎上,結合水平和豎直兩個維度的TV正則化約束,建立新的塊稀疏目標成像模型,這種模型能夠有效提取塊稀疏目標的結構化信息,仿真驗證了所提方法比已有算法有更低的成像誤差。

3、>  其次研究了基于參數耦合的塊稀疏成像技術。考慮到非零散射點與鄰近散射點存在的相互依賴關系,利用塊稀疏目標的結構特性,提出一種基于Laplace先驗的群稀疏貝葉斯學習算法。區(qū)別于傳統(tǒng)模型中非相關的超參數分別控制各分量的稀疏性,在新的目標模型中,信號各分量的稀疏性除了與各自本身的超參數相關聯,還會與其直接相鄰的超參數以一種耦合形式聯系起來。利用循環(huán)最小化準則獲得超參數與目標散射系數的估計值,從而反演出目標圖像。仿真驗證了所提的La-CS

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論