基于稀疏贝叶斯学习的多频带雷达信号融合  

Multi-band radar signal fusion based on sparse Bayesian Learning

作　　者：叶钒[1] 何峰[1] 梁甸农[1] 朱炬波[1] 

机构地区：[1]国防科技大学电子科学与工程学院,湖南长沙410073

出　　处：《电波科学学报》2010年第5期990-994,共5页Chinese Journal of Radio Science

摘　　要：针对多频带雷达信号融合,建立了多频带雷达信号表示模型,将多频带信号融合问题等价于一个信号表示问题。研究了基追踪算法在多频带信号融合中的局限性,研究表明:由于多个频带的稀疏分布,破坏了字典的相干性,使得基追踪算法可能无法收敛到真实的稀疏解。提出了基于稀疏贝叶斯学习的多频带信号融合方法,并证明了字典满足唯一表示性条件从而可以保证算法收敛到真实的稀疏解。实验表明:基于稀疏贝叶斯学习的多频带信号融合方法能够更加真实地反映目标散射特性。Aiming to multi-band radar signal fusion, multi-band radar signal representation model is presented. Consequently, multi-band radar signal fusion imaging turns to be a signal representation problem. Then the limitation of basis pursuit （BP） in multi-band signal fusion is researched. Owing to sparse distribution of subbands, mutual coherent of dictionary is destroyed, and BP algorithm may not con- verge To true sparse solution. Then sparse Bayesian Learning （SBL） is applied in multi-band signal fusion imaging. To converge true sparse solution, the dictionary met unique representation property （URP） is proved. Experiments show that multi-band signal fusion imaging based on SBL can reflect the scattering characteristic.

关 键 词：多频带雷达信号融合 稀疏贝叶斯学习 基追踪 

分 类 号：TN957[电子电信—信号与信息处理]