基于分层贝叶斯Lasso的稀疏ISAR成像算法

• 作者: 杨磊 夏亚波 毛欣瑶 廖仙华 方澄 高洁
• 来源期刊: 电子与信息学报
• 关键词: 逆合成孔径雷达 贝叶斯Lasso 分层贝叶斯 吉布斯采样
• 年，卷（期）: 2021,（3）
• 所属期刊栏目: 合成孔径雷达|Synthetic Aperture Rodar
• 页码范围: 623-631
• 页数: 9页
• 分类号: TN957.52
• 语种: 中文
• DOI: 10.11999/JEIT200292

摘要

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e1 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.