-
题名一种新的贝叶斯调制分类算法
被引量：4
- 1
-
-
作者
柳征
王明阳
姜文利
周一宇
-
机构
国防科技大学电子科学与工程学院
-
出处
《电子与信息学报》
EI
CSCD
北大核心
2006年第7期1233-1237,共5页
-
文摘
提出了一种基于马尔可夫链蒙特卡罗(MCMC)的数字调制分类方法。针对存在未知残留载波相位和频率时贝叶斯分类难以实现的问题,采用Metropolis-Hastings(M-H)算法估计边缘似然概率密度,从而在分类性能上保持了贝叶斯分类的理论最优性和稳健性。利用对比实验验证了方法的性能。
-
关键词
马尔可夫链蒙特卡罗(MCMC)
调制分类
贝叶斯分类器
Metropolis-Hastings(M-H)算法
边缘似然函数
-
Keywords
Markov Chain Monte Carlo （MCMC）, Modulation classification, Bayesian classifier, Metropolis-Hastings （M-H） algorithm, Marginal likelihood function
-
分类号
TN911.3
[电子电信—通信与信息系统]
-
-
题名基于快速SBL的双基地ISAR成像
被引量：6
- 2
-
-
作者
朱晓秀
胡文华
郭宝锋
郭城
-
机构
陆军工程大学石家庄校区
中国华阴兵器试验中心
-
出处
《雷达科学与技术》
北大核心
2019年第3期289-298,共10页
-
基金
国家自然科学基金(No.61601496)
-
文摘
针对稀疏孔径条件下双基地ISAR成像分辨率低、运算时间长等问题,提出了一种基于快速稀疏贝叶斯学习的高分辨成像算法。首先,建立基于压缩感知的双基地ISAR稀疏孔径回波模型,然后将整个二维回波数据进行分块处理,并假设目标图像各像元服从高斯先验,建立稀疏贝叶斯模型,再利用快速边缘似然函数最大化方法求解得到高质量目标图像,最后将所求的每块回波对应的目标图像合成整个二维图像。由于采取了分块处理,在每块图像重构时减少了数据存储量和计算量。另外,相比于传统的稀疏贝叶斯学习求解方法,本文所提快速算法在保证重构质量的同时进一步缩短了运算时间,仿真实验验证了算法的有效性和优越性。
-
关键词
双基地逆合成孔径雷达
稀疏孔径
稀疏贝叶斯学习
快速边缘似然函数最大化
-
Keywords
bistatic inverse synthetic aperture radar(ISAR)
sparse apertures
sparse Bayesian learning(SBL)
fast marginal likelihood maximization
-
分类号
TN911.72
[电子电信—通信与信息系统]
-
