基于稀疏贝叶斯学习的稀疏信号表示ISAR成像方法  

Sparse Signal Representation ISAR Imaging Method Based on Sparse Bayesian Learning

作　　者：成萍[1] 司锡才[1] 姜义成[2] 许荣庆[2] 

机构地区：[1]哈尔滨工程大学信息与通信工程学院,黑龙江哈尔滨150001 [2]哈尔滨工业大学电子工程技术研究所,黑龙江哈尔滨150001

出　　处：《电子学报》2008年第3期547-550,共4页Acta Electronica Sinica

基　　金：教育部博士点基金(No.20060213009)

摘　　要：作为一种新的稀疏信号表示算法,SBL(稀疏贝叶斯学习)方法没有BP方法的结构错误,也比FOCUSS方法具有少的多的局部最小点.ISAR成像问题可以转化为稀疏信号表示的问题,因此本文首次将SBL用于ISAR成像.真实数据的成像结果表明SBL是一种比BP和FOCUSS更有效的ISAR成像算法.As a new sparse signal representation algorithm, SBL （ sparse Bayesian learning） method has no structural error as BP and has much fewer local minima than FOCUSS. ISAR imaging problem can be transfortrmed into a sparse signal representation problem, therefore in the paper SBL is first applied in ISAR imaging. Imaging results of real data show SBL is a more effective IS- AR imaging algorithm than BP and FOCUSS.

关 键 词：逆合成孔径雷达 稀疏信号表示 稀疏贝叶斯学习 基寻踪 FOCUSS 

分 类 号：TN958[电子电信—信号与信息处理]