| 基于属性散射信息的随机梯度最小方差追踪SAR超分辨重建算法 |
| |
| 引用本文： | 丛迅超,万 群.基于属性散射信息的随机梯度最小方差追踪SAR超分辨重建算法[J].计算机应用研究,2019,36(4). |
| |
| 作者姓名： | 丛迅超 万 群 |
| |
| 作者单位： | 中国电子科技集团公司第十研究所,成都,610036;电子科技大学电子工程学院,成都,611731 |
| |
| 基金项目： | 国家自然科学基金资助项目(U1533125) |
| |
| 摘 要： | 无论军事还是民用合成孔径雷达（SAR）应用领域，对实现目标更高分辨、更精细描述的期望和需求都十分迫切。在稀疏表示框架下，构建了基于属性散射中心模型（ASC）部件级局部散射模型的SAR重建观测模型；提出一种基于信号域的散射中心属性参数空间分类策略，并联合频域外推，提出一种基于随机梯度最小方差追踪的部件级超分辨SAR重建算法。该算法最终的超分辨SAR图像由FFT获得，提高了算法效率；并且该算法实现了在重建超分辨SAR图像的同时获取高精度的目标散射中心属性级特征。仿真合成数据和电磁计算数据验证了算法的超分辨能力，并利用ASC属性的克拉美罗界对算法属性估计性能进行了评估。
|
| 关 键 词： | 合成孔径雷达 属性散射中心模型 稀疏表示 频域外推 |
| 收稿时间： | 2017/11/6 0:00:00 |
| 修稿时间： | 2019/3/5 0:00:00 |
Superresolution SAR reconstruction algorithmusing stochastic gradient minimum variance pursuit with attributed scattering priors |
| |
| Cong Xunchao and Wan Qun.Superresolution SAR reconstruction algorithmusing stochastic gradient minimum variance pursuit with attributed scattering priors[J].Application Research of Computers,2019,36(4). |
| |
| Authors: | Cong Xunchao and Wan Qun |
| |
| Affiliation: | The th Research Institution of China Electronics Technology Group Corporation, |
| |
| Abstract: | |
| |
| Keywords: | syntheticaperture radar(SAR) attributed scattering center(ASC)model sparse representation spectrum extrapolation |
| 本文献已被 万方数据 等数据库收录！ |
| 点击此处可从《计算机应用研究》浏览原始摘要信息 |
|
点击此处可从《计算机应用研究》下载全文 |
