[发明专利]一种分块稀疏贝叶斯学习ISAR成像散射系数估计方法

权利要求书

1.一种分块稀疏贝叶斯学习ISAR成像散射系数估计方法，其特征在于，包括如下步骤：

步骤1，回波模型离散化

离散化以后的观测信号二维谱数学模型表示成如下矩阵形式

Y＝Θ^aX(Θ^f)^T+V

其中，Y∈C^M×N表示二维谱，X∈C^P×Q表示待重建的散射系数，V∈C^M×N表示加性噪声，Θ^a∈C^M×P和Θ^f∈C^N×Q分别表示方位维和距离维字典，()^T表示矩阵转置运算；

步骤2，观测信号谱的脉冲压缩处理

对观测信号二维谱进行脉冲压缩处理，将其转变成如下两种形式：

Y₁＝Θ^aX+V₁

Y₂＝Θ^fX^T+V₂

其中，Y₁∈C^M×Q和V₁∈C^M×Q分别表示距离维脉冲压缩后的观测信号谱和加性噪声矩阵；Y₂∈C^N×P和V₂∈C^N×P分别表示方位维脉冲压缩后的观测信号谱和加性噪声矩阵；

步骤3，建立块稀疏贝叶斯学习模型

对于散射系数的每一列，设定其分为均匀的K块，每一块都有自己的方差为γ_k，k＝1,2,...,K，以及块内相关矩阵B；为散射系数的每一列建立方差矩阵为：

Γ＝diag(γ₁B,…,γ_KB)

其中diag()表示以()内向量为主对角线的对角矩阵；

同时，设噪声V服从均值为0，方差为β^-1的复高斯分布：

p(v_pq|β^-1)＝CN(v_pq|0,β^-1)

其中，v_pq表示V的第p行第q列的元素；

步骤4，散射系数估计

采用分块稀疏贝叶斯学习方法，基于回波谱数据Y₁进行散射系数X的估计，得到的估计结果记为采用分块稀疏贝叶斯学习方法，基于回波谱数据Y₂进行散射系数X的估计，得到的估计结果记为

步骤5，图像交叠处理

基于散射系数估计值矩阵和散射系数估计值矩阵通过图像交叠处理，得到最终的ISAR成像结果

2.根据权利要求1所述的分块稀疏贝叶斯学习ISAR成像散射系数估计方法，其特征在于，

所述步骤2具体包括如下步骤：

步骤2-1，距离维脉冲压缩

将回波方程的两边同乘以Θ^f的共轭(Θ^f)^*，即对距离维进行脉冲压缩，得回波方程的表达式：

Y₁＝Θ^aX+V₁

其中，Y₁∈C^M×Q和V₁∈C^M×Q分别表示距离维脉冲压缩后的二维谱和加性噪声；

步骤2-2，方位维脉冲压缩

将回波谱数学模型进行转置：

Y^T＝Θ^fX^T[Θ^a]^T+V^T

将回波方程的两边同乘以Θ^a的共轭(Θ^a)^*，即对方位维进行脉冲压缩，可得回波方程的表达式：

Y₂＝Θ^fX^T+V₂

其中，Y₂∈C^N×P和V₂∈C^N×P分别表示方位维脉冲压缩后的二维谱和加性噪声。