Resumen

La imagen coincidente radar (RCI) es una técnica de imagen fija de alta resolución basada en la imagen coincidente óptica clásica. En RCI, los métodos de reconstrucción dispersa se utilizan habitualmente para lograr mejores resultados de imagen, mientras que la garantía de rendimiento se basa en la suposición general de que los dispersores se encuentran en los centros de las celdas de cuadrícula prediscretizadas. Sin embargo, el problema generalizado de la ausencia de cuadrículas degrada considerablemente el rendimiento del RCI. En este trabajo se desarrolla un algoritmo basado en el aprendizaje bayesiano variacional disperso (VSBL) para resolver el RCI fuera de la red. Aplicando la expansión de Taylor, el diccionario verdadero desconocido se aproxima con precisión a un modelo lineal. A continuación, la reconstrucción del objetivo se reformula como un problema conjunto de recuperación dispersa que recupera tres grupos de coeficientes dispersos sobre tres diccionarios conocidos con la restricción del soporte común compartido por los grupos. A continuación, se aplica la técnica VSBL para resolver el problema asignando las priores adecuadas a los tres grupos de coeficientes. Los resultados de los experimentos numéricos demuestran que el algoritmo puede lograr un rendimiento extraordinario en la reconstrucción y ofrecer un rendimiento superior tanto en la supresión del ruido como en la adaptación al error fuera de la red.

• Materias:Análisis Matemático Matemáticas Algebra Ingeniería Lógica matemática
• Subjects:Mathematical Analysis mathematics Algebra Engineering Mathematical logic
• Palabras claves:Imágenes de coincidencia radar; RCI; métodos de reconstrucción dispersa; problema fuera de la red; aprendizaje bayesiano disperso variacional; VSBL
• Keywords:Radar coincidence imaging; RCI; sparse reconstruction methods; off-grid problem; variational sparse Bayesian learning; VSBL