基于广义帕累托分布的贝叶斯压缩感知成像方法技术
Bayesian compression sensing imaging method based on generalized Pareto distribution
The invention discloses a Bayesian compression sensing imaging method based on the generalized Pareto distribution to improve the performance of the existing inverse synthetic aperture radar imaging method. In the inverse synthetic aperture radar imaging based on Bayesian compressive sensing, the generalized Pareto distribution is used as a priori information to improve the reconstruction performance of the algorithm. Compared with the existing technology, the invention has the advantage of reconstructing signals with less measurement value or larger sparsity, or with smaller reconstruction error. The image with better imaging quality can be obtained by simulating and measuring the inverse synthetic aperture radar data.
【技术实现步骤摘要】
基于广义帕累托分布的贝叶斯压缩感知成像方法
本专利技术属于逆合成孔径雷达成像
，特别是涉及一种基于贝叶斯压缩感知成像方法。
技术介绍
在逆合成孔径雷达中，由于目标强散射点的数目很少，这与压缩感知对稀疏性的要求很吻合，因此将压缩感知用于逆合成孔径雷达成像具有很大的潜力。现有的压缩感知重构算法可以直接用于逆合成孔径雷达成像。还可以从贝叶斯的观点考虑压缩感知逆合成孔径雷达成像问题。贝叶斯框架提供了许多优点，如提供了重构信号确定性的测度，有利于设计自适应测量等。目前在贝叶斯压缩感知中，拉普拉斯分布和广义高斯分布是广泛使用的先验模型。但是，理论分析和仿真实验表明：它们是无效的，即它们不能保证可靠地重构信号。近年来，广义柯西分布，Meridian分布、对数拉普拉斯分布等被用于贝叶斯压缩感知雷达成像中。然而，这些分布的稀疏性很难从理论上进行证明，因而不能保证基于这些分布的贝叶斯压缩感知方法的重构性能。
技术实现思路
为了解决现有技术存在问题，本专利技术提供一种基于广义帕累托分布的贝叶斯压缩感知成像方法。专利技术所要解决的技术问题是通过以下技术方案实现的：一种基于广义帕累托分布...
【技术保护点】
一种基于广义帕累托分布的贝叶斯压缩感知成像方法，其特征在于，包括如下步骤：(1)将逆合成孔径雷达回波进行解线性调频、运动补偿、距离压缩处理，得到一组由L个距离单元组成的距离像，分别用数字1到L表示不同的距离单元；(2)假设第1个距离单元内的测量信号为y，测量矩阵为Ψ，基函数为傅里叶字典Φ，通过求解式(4)的优化函数得到此距离单元的N维稀疏频谱s＝[s1s2…si…sN]，si表示第i个稀疏频谱；
【技术特征摘要】
1.一种基于广义帕累托分布的贝叶斯压缩感知成像方法，其特征在于，包括如下步骤：(1)将逆合成孔径雷达回波进行解线性调频、运动补偿、距离压缩处理，得到一组由L个距离单元组成的距离像，分别用数字1到L表示不同的距离单元；(2)假设第1个距离单元内的测量信号为y，测量矩阵为Ψ，基函数为傅里叶字典Φ，通过求解式(4)的优化函数得到此距离单元的N维稀疏频谱s＝[s1s2…si…sN]，si表示第i个稀疏频谱；其中Θ＝ΨΦ为恢复矩阵，σ2是噪声的方差，q是广义帕累托分布的阶，δ是广义帕累托分布的形状参数，δ>0；(3)如果距离单元数小于L，距离单元数加1，重复步骤(2)。如果距离单元数等于L，将所有距离单元上得到的稀疏频谱合在一起就是最终的逆合成孔径雷达图像。2.根据权利要求1所述的一种基于广义帕累托分布...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。