專利名稱：一種稀疏微波成像處理的模型構(gòu)建方法
技術(shù)領(lǐng)域：
本發(fā)明涉及微波成像技術(shù)領(lǐng)域，是稀疏微波成像處理的模型構(gòu)建方法。
背景技術(shù)：
與光學(xué)成像技術(shù)相比，微波成像不受日照和天氣條件限制，具有全天時、全天候?qū)δ繕嘶驁鼍坝^測的能力，已發(fā)展成為資源勘察、環(huán)境監(jiān)測和災(zāi)害評估等遙感應(yīng)用的重要手段。高精度測繪與資源調(diào)查、自然災(zāi)害與環(huán)境監(jiān)測、偵察監(jiān)視與預(yù)警等應(yīng)用需求使高分辨、寬測繪、多維度成為微波成像技術(shù)的發(fā)展方向，而現(xiàn)有的微波成像體制基于奈奎斯特采樣定理和經(jīng)典數(shù)字信號處理理論，存在系統(tǒng)實現(xiàn)困難、成像處理方法復(fù)雜、海量數(shù)據(jù)傳輸難以實現(xiàn)、信息冗余但特征提取困難等瓶頸問題。為了解決以上問題，一種新的微波成像體制稀疏微波成像被提出，該體制將稀疏信號處理理論引入微波成像，利用觀測區(qū)域的稀疏特性通過有目的地稀疏采樣實現(xiàn)數(shù)據(jù)量的減少，以降低微波成像對器件和系統(tǒng)要求、降低采樣率、降低數(shù)據(jù)率、減少存儲量、提高處理效率，為實現(xiàn)高分辨率和寬測繪帶等提供可能。稀疏信號的概念最早由Santosa和Symes明確提出，即在給定基表示下只有少量非零系數(shù)的信號。稀疏信號處理的基本模型是線性回歸模型，適當(dāng)選擇稀疏觀測矩陣Φ，其模型可描述為y = Φχ+η其中y為觀測采樣數(shù)據(jù)，χ為待估計向量，η為噪聲。稀疏信號處理的前提是待估計向量χ本身或其在某個稀疏基下是稀疏的，即χ = Ψ α，其中Ψ為由稀疏基構(gòu)成的稀疏矩陣，α為稀疏系數(shù)。通常y的維度遠小于χ的維度，因此上述的線性回歸模型是欠定方程，一般情況下有無窮多個解，根據(jù)剃刀原理，最稀疏的解最接近真實解，即min| |x| I0S. t| ly-ΦχΙ |2 彡 ε其中0范數(shù)I |x| Itl表示χ的非零元個數(shù)，表征其稀疏特性。范數(shù)0的求解是一個組合問題，直接用范數(shù)0進行優(yōu)化求解將面臨組合危機，早期通常采用低階范數(shù)1 e (0,2) 代替0范數(shù)對上式進行求解。2006年，稀疏信號處理取得了突破性進展，Donoho系統(tǒng)闡述了 I1優(yōu)化和稀疏性之間的關(guān)聯(lián)，并首次使用壓縮感知(Compressed Sensing-CS)描述整個稀疏信號處理過程。同年，Candes和Tao給出了 I1與Itl優(yōu)化問題等價的充分條件(RIP條件)，闡明了 I1 優(yōu)化以及稀疏信號重建之間的關(guān)系(參見Near optimal signal recovery from random projections :Universal Encoding Strategies. IEEE Trans, on Information Theory, 2006,52(12) :5406-5425.)。近年來，國際上陸續(xù)有學(xué)者開始注意到微波成像過程的線性算子特性和觀測對象信息的冗余性，嘗試有目的地進行稀疏采樣，并直接利用稀疏采樣數(shù)據(jù)(無需缺省采樣恢復(fù))進行成像處理或信息提取。其中，CS在雷達信號處理中的應(yīng)用就是典型示例之一，主要研究進展包括；Baraniuk開展基于壓縮感知理論的雷達成像點目標仿真研究 (參見 Compressiveradar imaging. IEEE Radar Conference, Waltham, Massachusetts, April2007) ；McClellan和Waymond等討論了基于隨機測量方式、Hough稀疏變換的壓縮感知理論在探地雷達中目標分類和特征信息提取中的應(yīng)用(參見Compressive sensing for GPR imaging. Asilomar Conf.，2007.) ;Willsky 等研究了稀疏信號處理在寬角度、聚束模式合成孔徑雷達對于單個或若干個孤立各向異性目標成像中的應(yīng)用(參見 Sparse representaion instructured dictionaries with application to synthetic apertureradar. IEEE Trans.on Signal Processing,2008,56 (8) :3548-3561. ) ；Potter 等從統(tǒng)計角度研究了稀疏Bayesian成像算法在稀疏采樣圓周SAR中的應(yīng)用(參見Sparse reconstruction for RADAR, SPIE Algorithms forSynthet ic Aperture Radar Imagery XV. 2008.) ；Herman等從理論上研究了基于Alltop序列發(fā)射脈沖的高分辨率運動目標成像分辨率與數(shù)據(jù)采樣量的關(guān)系；Blumensath和Davies等討論了壓縮感知應(yīng)用于合成孔徑雷達原始數(shù)據(jù)壓縮的可能性，由于只選擇了常用的小波基，恢復(fù)效果不理想(參見 Fast encoding of synthetic aperture radar raw data usingcompressed sensing， IEEE Workshop on Statistical Signal Processing， Madison， Wisconsin, August 2007.) ；Suksmono從實驗角度研究了壓縮感知在步進頻率探地雷達中的應(yīng)用(參見 Sparse representation instructured dictionaries with application to synthetic apertureradar. IEEE Trans, on Signal Processing,2008,56(8) :3548_3561.)。目前，稀疏信號處理理論在微波成像中的應(yīng)用尚處在起步階段，鑒于微波成像的特殊性，還有很多關(guān)鍵問題有待解決，第一，需要將微波數(shù)據(jù)獲取過程抽象為線性回歸模型，并建立稀疏微波成像處理的模型構(gòu)建方法。第二，微波圖像通常是復(fù)圖像，在較多應(yīng)用中需保留其相位信息，因此還需要尋找對微波復(fù)圖像進行稀疏性分析和表征的方法。第三， 微波成像的稀疏觀測矩陣不能任意選擇，它受雷達參數(shù)和成像幾何制約，因此需要合理設(shè)計可行的觀測矩陣和數(shù)據(jù)獲取方式。第四，為了滿足高分辨率寬測繪帶微波成像對地觀測的要求，即使稀疏采樣后的數(shù)據(jù)量也將可能達到幾到十幾GB，現(xiàn)有的數(shù)值優(yōu)化求解算法尚難以處理如此巨大的數(shù)據(jù)量，并存在效率低的問題，因此需要實現(xiàn)重建優(yōu)化算法的魯棒性和快速性。而解決以上關(guān)鍵問題的前提和基礎(chǔ)是建立稀疏微波成像處理的模型構(gòu)建方法。

發(fā)明內(nèi)容
本發(fā)明的目的是公開一種稀疏微波成像處理的模型構(gòu)建方法，為稀疏微波成像提供理論基礎(chǔ)，這里的微波成像包括各種雷達成像模式，如聚束SAR，條帶SAR，滑動聚束SAR， Scan SAR，雙站SAR，陣列天線。為達到上述目的，本發(fā)明的技術(shù)解決方案是一種稀疏微波成像處理的模型構(gòu)建方法，其包括步驟如下步驟1 利用微波成像的線性算子特性建立微波成像的線性回歸模型Y = H · X+N其中，Y為回波采集數(shù)據(jù)，X為微波觀測對象，H為微波成像雷達觀測矩陣，N為噪聲；步驟2 根據(jù)稀疏采樣的類型、稀疏采樣的方式，以及微波觀測對象的稀疏特性，建立稀疏微波成像的線性回歸模型Ys = Φ · X+N = Θ · H · Ψ · α +N其中，Ys為稀疏采樣回波，下標s表示稀疏，Φ為稀疏成像雷達觀測矩陣(簡稱 稀疏觀測矩陣)， 為稀疏矩陣，Ψ為稀疏變換矩陣，α為稀疏系數(shù)向量；步驟2中包括以下兩個步驟步驟S21 構(gòu)建稀疏觀測矩陣Φ = θ · H ；步驟S22 構(gòu)建稀疏變換矩陣Ψ ；步驟3 構(gòu)建稀疏微波成像的重建模型為
fa = {min|al s.t ||Υ5-Φ·Ψ· ||^e (0,2]\ Λ或
= {min(||Yv - Φ. Ψ. a||2 + Λ Κ)}, (0,2]].其中， 為稀疏系數(shù)向量的估計，先為基于稀疏特征表征的微波圖像估計，λ為正則化系數(shù)。所述的稀疏微波成像處理的模型構(gòu)建方法，其所述回波采集數(shù)據(jù)Y，是時間域數(shù)據(jù)、頻率域數(shù)據(jù)或空間域數(shù)據(jù)；所述微波觀測對象X，是觀測場景的不同觀測數(shù)據(jù)集微波成像原始數(shù)據(jù)、經(jīng)部分成像處理的數(shù)據(jù)或場景區(qū)的散射系數(shù)圖。所述的稀疏微波成像處理的模型構(gòu)建方法，其當(dāng)回波采集數(shù)據(jù)Y為時間域數(shù)據(jù)， 且所述微波觀測對象X為場景區(qū)的散射系數(shù)圖時，假設(shè)6為雷達的位置向量，t為快時間，則所述回波采集數(shù)據(jù)Y表示為時間域回波信號、巧，0的離散形式Sri e Cmxn —維向量化后的信號Y = Srl ()其中M為滿采樣/過采樣條件下方位向的采樣數(shù)，N為距離向的采樣數(shù)；所述微波觀測對象X表示為場景區(qū)散射系數(shù)的離散形式σ e C—維向量化后的信號X= σ ()其中^為場景區(qū)的位置向量，L為散射系數(shù)圖的總象素個數(shù)；此時，微波成像雷達觀測矩陣H的第i行，第j列的元素為Hij = W(rai ； r^p[t, -其中，p(t)為雷達發(fā)射信號，C為光速，窗函數(shù)『(ξ疋)為雷達波束照射范圍， W巧^)為微波由發(fā)射雷達到場景區(qū)，再由場景區(qū)反射到接收雷達的距離和，下標i表示Y的第i個元素對應(yīng)的參數(shù)，下標j代表X的第j個元素對應(yīng)的參數(shù)。所述的稀疏微波成像處理的模型構(gòu)建方法，其當(dāng)回波采集數(shù)據(jù)Y為頻率域數(shù)據(jù)時，即是方位頻率域數(shù)據(jù)、距離頻率域數(shù)據(jù)或二維頻率域數(shù)據(jù)，其線性回歸模型構(gòu)建方法是一致的；當(dāng)回波采集數(shù)據(jù)Y為距離頻率域數(shù)據(jù)，且微波觀測對象X為場景區(qū)的散射系數(shù)圖時，假設(shè)f為快時間頻率，則所述回波采集數(shù)據(jù)Y表示為頻率域回波信號\2広，/)的離散形式h e Cmxn 一維向量化后的信號
Y = sr2()此時，微波觀測對象X表示為場景區(qū)散射系數(shù)σ(^)的離散形式σ e C1 —維向量化后的信號X= σ ()微波成像雷達觀測矩陣H的第i行，第j列的元素為
____R(rm-,rs)其中，P(f) =DFT[p(t)]為雷達發(fā)射信號p(t)的頻域信號。所述的稀疏微波成像處理的模型構(gòu)建方法，其當(dāng)回波采集數(shù)據(jù)Y為空間域數(shù)據(jù)， 且微波觀測對象X為場景區(qū)的散射系數(shù)圖時，每個陣元天線的回波采集數(shù)據(jù)是時間域數(shù)據(jù)或頻率域數(shù)據(jù)，每個陣元的線性回歸模型為Yij = Hij · X+Njj其中Yij為陣元的回波采集數(shù)據(jù)，Hij為陣元的微波成像雷達觀測矩陣，Nij為陣元的噪聲；則所述的回波采集數(shù)據(jù)Y、微波成像雷達觀測矩陣H，噪聲N分別由各陣元的Y^Hu 和Nij按列排列而成Y = [Yij]H = [Hij]N = [Nij]所述的稀疏微波成像處理的模型構(gòu)建方法，其所述稀疏采樣的類型，包括空間稀疏采樣、時間稀疏采樣、頻率稀疏采樣以及聯(lián)合多維度稀疏采樣，其中，空間稀疏采樣、時間稀疏采樣、頻率稀疏采樣是分別指在空間、時間、頻率域進行稀疏采樣，獲取被觀測對象的稀疏采樣回波，聯(lián)合多維度稀疏采樣是指在空間、時間、頻率其中兩種或者兩種以上的域進行稀疏采樣，獲取被觀測對象的稀疏采樣回波。所述的稀疏微波成像處理的模型構(gòu)建方法，其所述稀疏采樣的方式，包括a)時間域和頻率域數(shù)據(jù)，采用二維隨機采樣或二維調(diào)制和降采樣，或其中一維采用隨機采樣，另一維采用調(diào)制和降采樣；b)空間域信號，隨機抽取若干陣元，各陣元回波的采樣方法與時間域和頻率域數(shù)據(jù)的采樣方法相同；當(dāng)采用二維隨機采樣時，則所述稀疏采樣回波Ys由隨機從回波采樣數(shù)據(jù)Y中抽取的J(J << MN)個采樣值構(gòu)成，則所述隨機矩陣θ尺寸為JX麗，每行有且只有一個1，每列最多只有一個1，且位置隨機，其余為0 ；則所述稀疏觀測矩陣Φ表達為Φ = ΘΗ。所述的稀疏微波成像處理的模型構(gòu)建方法，其若微波觀測對象X本身是稀疏的， 則所述稀疏變換矩陣ψ為單位矩陣；若X在某個稀疏域是稀疏的，該域稱為X的稀疏域(泛指能稀疏化X的域，可以是小波域、DCT域或Rmrier域等)，則所述稀疏變換矩陣Ψ由稀疏基Ψ17 ^2, ... Ψκ構(gòu)成Ψ = [ ψ17 Ψ2, . . . Ψ J則X的稀疏表征為X = Ψ · α其中α為所述稀疏系數(shù)向量。
本發(fā)明的一種稀疏微波成像處理的模型構(gòu)建方法，適用于各種微波成像體制，并可對微波成像在空間、時間、頻譜或者聯(lián)合多維度的稀疏數(shù)據(jù)獲取進行模型構(gòu)建，將為稀疏微波成像提供理論基礎(chǔ)。


圖1 (a)是回波信號的時間域滿采樣/過采樣示意圖；圖1 (b)是本發(fā)明的一種稀疏微波成像處理的模型構(gòu)建方法中時間稀疏采樣示意圖；圖2(a)是回波信號的真實頻譜示意圖；圖2(b)是本發(fā)明的一種稀疏微波成像處理的模型構(gòu)建方法中頻率稀疏采樣示意圖；圖3是本發(fā)明的一種稀疏微波成像處理的模型構(gòu)建方法中空間稀疏采樣示意圖；圖4是本發(fā)明的一種稀疏微波成像處理的模型構(gòu)建方法的操作步驟流程圖。
具體實施例方式下面將結(jié)合附圖對本發(fā)明加以詳細說明，應(yīng)指出的是，所描述的實施例僅旨在便于對本發(fā)明的理解，而對其不起任何限定作用。如圖4所示，本發(fā)明提出的一種稀疏微波成像處理的模型構(gòu)建方法的操作步驟包括步驟1 利用微波成像的線性算子特性建立微波成像的線性回歸模型Y = H · X+N(1)其中，Y為回波采集數(shù)據(jù)，X為微波觀測對象，H為微波成像雷達觀測矩陣，N為噪聲?；夭ú杉瘮?shù)據(jù)Y可以是時間域數(shù)據(jù)、頻率域數(shù)據(jù)或空間域數(shù)據(jù)，微波觀測對象X可以是觀測場景的不同觀測數(shù)據(jù)集，如微波成像原始數(shù)據(jù)、經(jīng)部分成像處理的數(shù)據(jù)、圖像等。 為描述方便，以下假設(shè)微波觀測對象X為場景區(qū)的散射系數(shù)圖。下面分別具體介紹時間域數(shù)據(jù)、頻率域數(shù)據(jù)和空間域數(shù)據(jù)的線性回歸模型構(gòu)建方法。假設(shè)雷達發(fā)射信號為ρ (t)，則時間域的回波信號表達式為，Sn(FaJ)= |σ(7;) X w(7a-,7s)p[t -+ η⑵其中忑為雷達的位置向量，^為場景區(qū)的位置向量，t為快時間，C為光速，σ(70為場景區(qū)的散射系數(shù)，窗函數(shù)『巧；^)為雷達波束照射范圍，^^巧)為微波由發(fā)射雷達到場景區(qū)，再由場景區(qū)反射到接收雷達的距離和，η為噪聲?？梢钥吹嚼走_回波信號是場景散射系數(shù)圖σ(^)對發(fā)射信號的調(diào)制p(t)，因此回波數(shù)據(jù)采集過程可以看作是一個線性系統(tǒng)，具有線性算子特性，因此回波信號模型可抽象為線性回歸模型(1)。當(dāng)雷達回波信號為時間域數(shù)據(jù)，且微波觀測對象X為場景區(qū)的散射系數(shù)圖時，回波采集數(shù)據(jù)Y表示為Sri (xa, t)的離散形式Sri e Cmxn 一維向量化后的信號，其中M為滿采樣/過采樣條件下方位向的采樣數(shù)，N為距離向的采樣數(shù)；微波觀測對象X表示為σ巧)的離散形式σ e C—維向量化后的信號，其中L為散射系數(shù)圖的總象素個數(shù)。Y = s rl( )(3)X= σ ( )(4)Y與X的尺寸分別為麗X 1和LX 1。微波成像雷達觀測矩陣H由
妒巧；^)沖構(gòu)造，其尺寸為麗XL，H第i行，第j列的元素為
權(quán)利要求
1.一種稀疏微波成像處理的模型構(gòu)建方法，其特征在于，包括步驟如下 步驟1 利用微波成像的線性算子特性建立微波成像的線性回歸模型Y= H · X+N其中，Y為回波采集數(shù)據(jù)，X為微波觀測對象，H為微波成像雷達觀測矩陣，N為噪聲； 步驟2 根據(jù)稀疏采樣的類型、稀疏采樣的方式，以及微波觀測對象的稀疏特性，建立稀疏微波成像的線性回歸模型Ys = φ · χ+Ν = Θ · H · Ψ · α +N其中，Ys為稀疏采樣回波，下標s表示稀疏，Φ為稀疏成像雷達觀測矩陣，Θ為稀疏矩陣，Ψ為稀疏變換矩陣，α為稀疏系數(shù)向量； 步驟2中包括以下兩個步驟 步驟S21 構(gòu)建稀疏觀測矩陣Φ = θ · H ； 步驟S22 構(gòu)建稀疏變換矩陣Ψ ； 步驟3 構(gòu)建稀疏微波成像的重建模型為 α = IminIa^ s.t ||Υ5-Φ ·Ψ ·α||2 < ^e (0,2] 其中， 為稀疏系數(shù)向量的估計，文、.為基于稀疏特征表征的微波圖像估計，λ為正則化系數(shù)。
2.根據(jù)權(quán)利要求1所述的稀疏微波成像處理的模型構(gòu)建方法，其特征在于，所述回波采集數(shù)據(jù)Y，是時間域數(shù)據(jù)、頻率域數(shù)據(jù)或空間域數(shù)據(jù)；所述微波觀測對象X，是觀測場景的不同觀測數(shù)據(jù)集微波成像原始數(shù)據(jù)、經(jīng)部分成像處理的數(shù)據(jù)或場景區(qū)的散射系數(shù)圖。
3.根據(jù)權(quán)利要求1所述的稀疏微波成像處理的模型構(gòu)建方法，其特征在于，當(dāng)回波采集數(shù)據(jù)Y為時間域數(shù)據(jù)，且所述微波觀測對象X為場景區(qū)的散射系數(shù)圖時，假設(shè)ξ為雷達的位置向量，t為快時間，則所述回波采集數(shù)據(jù)Y表示為時間域回波信號、(ξ，/)的離散形式 Srl e Cmxn—維向量化后的信號
4.根據(jù)權(quán)利要求1所述的稀疏微波成像處理的模型構(gòu)建方法，其特征在于，當(dāng)回波采集數(shù)據(jù)Y為頻率域數(shù)據(jù)時，即是方位頻率域數(shù)據(jù)、距離頻率域數(shù)據(jù)或二維頻率域數(shù)據(jù)，其線性回歸模型構(gòu)建方法是一致的；當(dāng)回波采集數(shù)據(jù)Y為距離頻率域數(shù)據(jù)，且微波觀測對象X為場景區(qū)的散射系數(shù)圖時，假設(shè)f為快時間頻率，則所述回波采集數(shù)據(jù)Y表示為頻率域回波信號、巧，/)的離散形式h e Cmxn—維向量化后的信號Y= sr2(:)此時，微波觀測對象X表示為場景區(qū)散射系數(shù)的離散形式σ e C1—維向量化后的信號X = σ ()微波成像雷達觀測矩陣H的第i行，第j列的元素為R(TnAKl)htJ = P{f,)W(ra-Tsj)^-Jlnfl其中，P(f) =DFT[p(t)]為雷達發(fā)射信號p(t)的頻域信號。
5.根據(jù)權(quán)利要求1所述的稀疏微波成像處理的模型構(gòu)建方法，其特征在于，當(dāng)回波采集數(shù)據(jù)Y為空間域數(shù)據(jù)，且微波觀測對象X為場景區(qū)的散射系數(shù)圖時，每個陣元天線aij的回波采集數(shù)據(jù)是時間域數(shù)據(jù)或頻率域數(shù)據(jù)，每個陣元的線性回歸模型為Yij = Hij · X+N.j其中Yu為陣元的回波采集數(shù)據(jù)，Hij為陣元的微波成像雷達觀測矩陣，Nij為陣元的噪聲；則所述的回波采集數(shù)據(jù)Y、微波成像雷達觀測矩陣H，噪聲N分別由各陣元的Yu、Hij和 Nij按列排列而成Y= [Yij]H = [Hij]N = [Nij]
6.根據(jù)權(quán)利要求1所述的稀疏微波成像處理的模型構(gòu)建方法，其特征在于，所述稀疏采樣的類型，包括空間稀疏采樣、時間稀疏采樣、頻率稀疏采樣以及聯(lián)合多維度稀疏采樣， 其中，空間稀疏采樣、時間稀疏采樣、頻率稀疏采樣是分別指在空間、時間、頻率域進行稀疏采樣，獲取被觀測對象的稀疏采樣回波，聯(lián)合多維度稀疏采樣是指在空間、時間、頻率其中兩種或者兩種以上的域進行稀疏采樣，獲取被觀測對象的稀疏采樣回波。
7.根據(jù)權(quán)利要求1所述的稀疏微波成像處理的模型構(gòu)建方法，其特征在于，所述稀疏采樣的方式，包括a)時間域和頻率域數(shù)據(jù)，采用二維隨機采樣或二維調(diào)制和降采樣，或其中一維采用隨機采樣，另一維采用調(diào)制和降采樣；b)空間域信號，隨機抽取若干陣元，各陣元回波的采樣方法與時間域和頻率域數(shù)據(jù)的采樣方法相同；當(dāng)采用二維隨機采樣時，則所述稀疏采樣回波Ys由隨機從回波采樣數(shù)據(jù)Y中抽取的 J(J<<MN)個采樣值構(gòu)成，則所述隨機矩陣θ尺寸為JXMN，每行有且只有一個1，每列最多只有一個1，且位置隨機，其余為0 ；則所述稀疏觀測矩陣Φ表達為Φ = H。
8.根據(jù)權(quán)利要求1所述的稀疏微波成像處理的方法，其特征在于，若微波觀測對象X本身是稀疏的，則所述稀疏變換矩陣Ψ為單位矩陣；若X在某個域是稀疏的，該域稱為X的稀疏域，則所述稀疏變換矩陣Ψ由稀疏基Ψ2，... Ψκ構(gòu)成Ψ = [ Ijr1, ψ2，. . . ψκ]則X的稀疏表征為 X = Ψ · α其中α為所述稀疏系數(shù)向量。
全文摘要
本發(fā)明公開一種稀疏微波成像處理的模型構(gòu)建方法，首先利用微波成像的線性算子特性并根據(jù)雷達系統(tǒng)參數(shù)以及雷達與場景的幾何關(guān)系建立了微波成像的線性回歸模型；然后，通過稀疏觀測矩陣和稀疏變換矩陣的構(gòu)建，建立了稀疏微波成像的線性回歸模型；最后，應(yīng)用稀疏信號處理中的稀疏信號重建理論建立了稀疏微波成像的重建模型。本發(fā)明所提出的稀疏微波成像處理的模型構(gòu)建方法將為稀疏微波成像提供理論基礎(chǔ)。
文檔編號G06F17/50GK102254054SQ20101018343
公開日2011年11月23日 申請日期2010年5月19日 優(yōu)先權(quán)日2010年5月19日
發(fā)明者吳一戎, 張冰塵, 林赟, 洪文, 王彥平 申請人:中國科學(xué)院電子學(xué)研究所