摘要-ISAR成像算法依赖于观测过程的数学模型，观测模型中的不精确可能导致模型误差。本文将ISAR成像视为计算机辅助层析成像（CT）的窄带版本，其中ISAR数据中的相位误差被视为模型误差。基于成像区域内目标的固有稀疏性，将具有相位调整的ISAR成像联合表示为稀疏信号重建问题，该问题是在稀疏贝叶斯学习（SBL）框架中建立的优化问题，我们采用基于膨胀压缩方差分量的方法（ExCoV）重建目标的散射系数，并通过最大似然估计交替校正相位误差。数值仿真结果表明，这种新方法对各种类型的相位误差都是有效的，可以产生相对聚焦良好的目标图像，并对现有的ISAR模型误差补偿技术进行了改进。
索引术语-ISAR成像、计算机辅助层析成像、相位误差校正、稀疏贝叶斯学习、ExCoV
引用：Wuge Su、Yuliang Qin、Hongqiang Wang和Qi Yang，“基于稀疏贝叶斯学习的联合ISAR成像和相位误差校正”，《国际信号处理系统杂志》，第4卷，第6期，第487-493页，2016年12月。doi:10.18178/ijsps.4.6.487-493