基于复数因子分析模型的步进频数据压缩感知
认知雷达发射高距离分辨率步进频信号通常需要较长的观测时间。为了节省时间资源,该文提出一种贝叶斯重构算法,用较少的步进频信号脉冲得到的频点缺失频域数据,重构出相应的全带宽频域数据。首先利用复数贝塔过程因子分析(Complex Beta Process Factor Analysis, CBPFA)模型对一组全带宽频域数据进行统计建模,求解得到其概率密度函数;然后在目标被跟踪且姿态变化不大的情况下,只发射步进频信号的部分脉冲,根据先前CBPFA模型得到的概率密度函数,对频点缺失的频域数据利用压缩感知理论和贝叶斯准则解析地重构出相应的全带宽频域数据。基于实测1维高分辨距离(High Range Resolution, HRR)数据的重构实验,证明了该文提出方法的性能。
认知雷达、步进频、贝叶斯重构算法、压缩感知、因子分析模型
TN958
国家自然科学基金61271024,61201296,61322103;全国优秀博士学位论文作者专项资金FANEDD-201156资助课题
2015-03-09(万方平台首次上网日期,不代表论文的发表时间)
共7页
315-321