科研之友
微信
新浪微博
Facebook
分享链接
摘要
结构化稀疏逆合成孔径雷达(inverse synthetic aperture radar, ISAR)成像是空间态势感知与目标识别的重要手段。该问题可通过压缩感知(compressive sensing, CS)方法解决。目前，许多传统CS方法仍存在运算效率低、参数适应性不强等问题。针对该问题，本文提出了一种基于卷积交替方向乘子法网络(convolutional alternating direction method of multipliers network, C-ADMMN)的结构化稀疏ISAR成像方法。利用深度展开方法，结合传统结构化稀疏ISAR成像模型，构建C-ADMMN网络。通过监督学习，C-ADMMN仅需约10层网络便可达到传统方法上百次迭代的效果，具有较高的运算效率且对不同目标具有一定适应性。基于仿真与实测数据的实验结果验证了网络的高效性与参数适应性。
- 单位
