基于自适应参数估计的微动时频表征重构方法OA北大核心CSTPCD

针对数据缺失条件下的目标微动回波时频表征重构问题,提出了一种基于自适应参数估计的微动时频表征重构方法。首先,将缺失的微动时频表征重构问题建模为基于L_P范数最小化的稀疏重构问题,其次,引入哈达玛积参数将L_P范数最小化稀疏重构问题转化为多个L_2范数联合最小化问题,并采用迭代吉洪诺夫正则化求解,同时在每次迭代过程中根据重构结果自适应估计正则化参数,最后,采用除偏处理减小了重构时频表征的振幅衰减。与传统微动回波时频表征重构方法相比,所提方法避免了需要人工设置正则化参数不足的问题,并且重构的时频表征更加完整。仿真实验和实测数据处理结果验证了所提方法的有效性和稳健性。