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