使用快速重加权原子范数去噪的无人机集群多目标ISAR成像
信号处理
2026-07-06 v1
摘要
对无人机集群进行逆合成孔径雷达（ISAR）成像由于多个近距离目标的背向散射信号相干叠加而面临重大挑战。这项工作探索了将快速重加权原子范数去噪（FRAND）算法扩展到这种多目标场景。我们开发了一个全面的数学框架，重新表述了集群成像的原子范数最小化问题，结合了加权正则化和通过二维交替方向乘子法（2DADMM）的高效优化。所提出的方法同时处理稀疏孔径条件和加性高斯白噪声，同时保持计算效率。我们模拟了一个ISAR系统接收来自无人机集群的复合回波，每个无人机都建模有独特的散射中心。结果表明，FRAND有效地分离了混合信号，并为单个无人机生成了高分辨率距离-多普勒剖面，在低信噪比（SNR）条件下优于传统方法，如多信号分类（MUSIC）和Cadzow。使用均方误差（MSE）标准的定量评估证实了所提出方法的优越性。这项研究确立了原子范数最小化在复杂多目标雷达成像应用中的强大潜力。
引用
@article{arxiv.2607.04703,
title = {Multi-Target ISAR Imaging of UAV Swarms Using Fast Reweighted Atomic Norm Denoising},
author = {Mohammad Roueinfar},
journal= {arXiv preprint arXiv:2607.04703},
year = {2026}
}