系统工程与电子技术

作者：沈笑云, 廖仙华, 孙卫天, 夏亚波, 杨磊

单位：1. 中国民航大学电子信息与自动化学院, 天津 300300；2. 中国民航大学天津市智能信号与图像处理重点实验室, 天津 300300

关键词：合成孔径雷达,贝叶斯学习,哈密顿蒙特卡罗算法,广义高斯分布

基金：国家自然科学基金(61601470);天津市自然科学基金(16JCYBJC41200)

针对合成孔径雷达(synthetic aperture radar, SAR)在稀疏成像中, 传统贝叶斯机器学习算法存在先验固化、成像结果容易过拟合等问题。提出一种可变成像先验贝叶斯(varying imaging prior Bayes, VIP-Bayes)学习稀疏SAR成像算法。首先, 引入可动态灵活表征目标散射特征的广义高斯分布先验。然后，在贝叶斯推理框架下进行分层建模, 后验分布推导。最后, 针对常规吉布斯采样算法无法采样复杂后验分布的问题, 引入哈密顿蒙特卡罗(Hamiltonian Monte Carlo, HMC)采样算法进行求解。另外, 考虑到HMC算法对非平滑后验分布无法采样，因此引入近端算子, 进行近端梯度近似, 提出近端-HMC(proximal-HMC, P-HMC)算法。P-HMC算法可有效解决非平滑后验采样问题。因而可实现VIP-Bayes稀疏成像。通过仿真数据进行算法有效性验证, 选取SAR实测数据与多种算法进行成像对比实验, 利用相变热力图对算法成像性能进行定量分析，验证了所提算法的实用性和优越性。

来源：2021年第7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2021年第7期