基于贝叶斯压缩感知的宽带雷达回波处理

摘要

宽带雷达回波处理中存在采样速率高、存储压力大、信号处理时间长的问题.压缩感知理论(Compressive Sensing,CS)利用以远低于奈奎斯特速率采样的样本可实现信号高概率重构,有效地降低了数据采样率,缓解了宽带雷达数字信号处理的压力.利用贝叶斯压缩感知(Bayesian Compressive Sensing,BCS),实现对雷达回波信号的压缩采样,减小数据量的同时能够充分恢复信号的目标信息.BCS理论基于相关向量机(Relevance Vector Machine,RVM)原理,采用快速边际似然算法提高了目标信息的重建效率.仿真实验表明,相比于普通压缩感知,贝叶斯压缩感知对低维回波采样样本的重构精度更高,重构信号时域峰值相对误差降低10%以上,并且在相同误差水平下,对信噪比的要求降低5dB,具有更强的抗噪声能力.基于贝叶斯方法的回波信号处理可以实现对目标回波的自适应观测采样,进一步降低了回波信号的采样率.