基于GPD的稳健贝叶斯压缩感知ISAR成像方法

现有贝叶斯压缩感知（Bayesian Compressed Sensing,BCS）-逆合成孔径雷达(Inverse Synthetic Aperture Radar,ISAR)成像算法中先验分布模型不能很好地满足可压缩性,导致成像精度随脉冲数目的减小、高斯噪声的增强而急剧下降。为此,提出了一种基于广义Pareto分布改进BCS成像方法(Improving BCS imaging based on GPD,IGPCS)。该方法主要在BCS框架下利用广义Pareto先验分布替代传统的广义Gaussian先验分布,以增强模拟信号的稀疏先验和可压缩性。进一步地,为了克服后验概率模型计算困难等问题,采用最大后验（Maximum A Posteriori,MAP）方法对超参数进行估计。通过对Mig-25小型飞机的ISAR模拟实验表明,与传统方法相比,IGPCS方法能够获取极高的成像精度,并且对低脉冲数、强高斯噪声环境具有较强的鲁棒性。