基于贝叶斯学习的下视三维合成孔径雷达成像方法
本文关键词:基于贝叶斯学习的下视三维合成孔径雷达成像方法 出处:《光学学报》2017年06期 论文类型:期刊论文
更多相关文章: 成像系统 合成孔径雷达 三维成像 贝叶斯学习 Lp正则化
【摘要】:为了获得理想的跨航向分辨率,现有下视三维合成孔径雷达(DL 3DSAR)成像方法所需天线阵列过长,且阵元数目过多。针对该问题,提出了一种基于Lp正则化的DL 3DSAR成像方法。在分析DL 3DSAR回波信号模型的基础上,构建超完备字典,将跨航向成像过程转化为Lp范数最小化问题,并分析其可行性,最后使用稀疏贝叶斯学习方法对其进行优化求解以获得最终的成像结果。仿真实验结果表明,该方法在保证成像质量的前提下可以将成像所需阵列长度减少为原长度的1/4,或者在相同阵列条件下将跨行向分辨率提高1倍。
[Abstract]:In order to obtain the ideal cross track resolution, visual three-dimensional synthetic aperture radar (DL 3DSAR) under the existing imaging method of antenna array is too long, and the number of array elements too much. To solve this problem, proposed a DL 3DSAR Lp imaging method based on regularization. Based on analyzing the model of DL 3DSAR echo signal. To construct overcomplete dictionary, will cross the course into the imaging process of Lp norm minimization problem, and analyzed its feasibility, finally using sparse Bayesian learning method was optimized to obtain the final results of the imaging. Simulation results show that the method in the premise to ensure the imaging quality of the imaging can be reduced to the original array length required the length of the 1/4, or in the same array under the condition of cross line resolution will increase by 1 times.
【作者单位】: 空军工程大学信息与导航学院;信息感知技术协同创新中心;复旦大学电磁波信息科学教育部重点实验室;中国卫星海上测控部;
【基金】:国家自然科学基金(61501498) 航空基金(20151996016) 陕西省统筹创新工程-特色产业创新链项目(2015KTTSGY04-06)
【分类号】:TN957.52
【正文快照】: 3复旦大学电磁波信息科学教育部重点实验室,上海200433;4中国卫星海上测控部,江苏江阴214431下视三维合成孔径雷达(DL-3D-SAR)是一种新体制SAR三维成像方式。该成像方式利用发射大带宽信号获得距离向分辨率,利用平台运动形成的合成孔径和跨航向的天线阵列分别获得航迹向和跨航
【相似文献】
相关期刊论文 前10条
1 王娟;柴玉梅;;基于多议题协商的贝叶斯学习[J];计算机技术与发展;2006年02期
2 冯楠;李敏强;寇纪淞;方德英;;基于贝叶斯网络的软件项目风险分析过程[J];计算机工程与应用;2006年18期
3 陈飞;王本年;高阳;陈兆乾;陈世福;;贝叶斯学习与强化学习结合技术的研究[J];计算机科学;2006年02期
4 胡振宇;林士敏;;贝叶斯学习中的线性联合先验[J];计算机工程与应用;2012年01期
5 王军,周伟达;贝叶斯网络的研究与进展[J];电子科技;1999年15期
6 胡振宇,林士敏,陆玉昌;相容的贝叶斯学习及其后验分布的渐近正态性[J];广西师范大学学报(自然科学版);2004年01期
7 柴玉梅;王娟;;基于学习的多议题协商[J];微计算机信息;2006年18期
8 王娟;王璞;;贝叶斯网络的在线学习[J];黑龙江科技信息;2008年35期
9 王娟;王璞;;基于不妥协度的Bayes学习协商机制[J];电脑知识与技术;2008年27期
10 李晶晶;;论贝叶斯学习机的学习过程[J];甘肃联合大学学报(自然科学版);2009年04期
相关会议论文 前2条
1 路子峗;张旭东;高隽;;基于稀疏贝叶斯学习的相关向量跟踪[A];第七届青年学术会议论文集[C];2005年
2 黄桂松;;一种基于贝叶斯网络的业务驱动认知网络实现方法[A];江苏省电子学会2010年学术年会论文集[C];2010年
相关博士学位论文 前3条
1 徐e,
本文编号:1409196
本文链接:https://www.wllwen.com/kejilunwen/xinxigongchenglunwen/1409196.html