系统工程与电子技术

作者：付蓉, 黄天耀, 刘一民

单位：清华大学电子工程系, 北京 100084

关键词：捷变相参雷达,块稀疏,1-Bit量化,深度学习

基金：国家自然科学基金(61801258)

近年来, 量化压缩感知理论在雷达目标参数估计问题中得到了广泛应用, 其主要思想是对采样回波数据进行量化, 并将雷达观测模型建模为欠定方程, 再利用压缩感知理论对稀疏目标信号进行恢复, 降低回波数据的位宽, 达到简化系统、提升效率的目的。本文建立了捷变相参雷达信号的块稀疏压缩感知模型, 并提出一种基于深度学习的1 Bit块稀疏重建网络B-BAdaLISTA, 该重建网络与传统1-Bit硬判决迭代算法比较, 在1 Bit采样量化下具有相近的重构性能和更快的收敛速度, 同时将块稀疏的结构特征融入到网络结构中, 显著提高了雷达目标参数的恢复质量。通过仿真实验定量分析了B-BAdaLISTA重建网络在无噪、有噪条件下的恢复能力, 验证了算法的有效性。

来源：2022年第1期

《系统工程与电子技术》期刊编辑部

查看系统工程与电子技术杂志2022年第1期