论文部分内容阅读
针对合成孔径雷达(synthetic aperture radar,SAR)在稀疏成像中,传统贝叶斯机器学习算法存在先验固化、成像结果容易过拟合等问题。提出一种可变成像先验贝叶斯(varying imaging prior Bayes,VIP-Bayes)学习稀疏SAR成像算法。首先,引入可动态灵活表征目标散射特征的广义高斯分布先验。然后,在贝叶斯推理框架下进行分层建模,后验分布推导。最后,针对常规吉布斯采样算法无法采样复杂后验分布的问题,引入哈密顿蒙特卡罗(Hamiltonian Monte Carlo