摘要
针对射频层析成像中多径衰落不确定性引起的成像精度低、稳定性差的问题,提出基于分层块稀疏学习的射频层析成像模型。利用兴趣目标状态的时空稀疏性和相关性,设计信号的块稀疏结构表示与多观测参数学习方法,提升信号重构对多径不确定性的抑制能力,增强鲁棒性。基于分层思想,将成像过程分解为粗粒度检测与细粒度成像两个阶段,降低计算量,提高成像效率。真实实验结果表明,相比于常用的正则化最小二乘法,所提方法能有效提升室内环境下成像的精度和鲁棒性。
出处
《物联网技术》
2022年第11期104-108,共5页
Internet of things technologies
基金
国家自然科学基金(61906041)
2021佛山科学技术学院学术基金(xsjj202104kjb04)。