自适应稀疏度重构：解决射频层析成像虚假目标问题

"层析成像系统的自适应压缩重构" 本文主要探讨了层析成像系统中遇到的一个关键问题，即在多散射多传播路径的射频层析成像过程中，由于数据稀疏性不足导致的虚假目标影响图像重构质量。为解决这个问题，作者提出了一种基于子空间追踪的自适应稀疏度重构方法。这种方法旨在动态调整稀疏度参数，以更准确地逼近目标信号的真实稀疏度。 首先，该方法根据目标信号的特性动态设置稀疏度的起始值和步长，以逐步接近实际的稀疏度水平。然后，它利用子空间追踪算法来处理多路径线性模型中的衰减系数，将其转化为稀疏表示，这有助于减少虚假目标的产生。在重构过程中，通过不断更新支撑集，利用估计的稀疏度值来改进图像重建的质量。 与其他重构算法对比，这种自适应稀疏度重构方法能显著降低虚假目标对图像清晰度的干扰，尤其在稀疏度未知的情况下，能够实现高质量的层析图像重构。通过仿真实验，研究了系统的重构匹配度和虚假目标出现的概率，并对比了射频传感器在有无噪声环境下的重构性能。实验结果显示，该算法能精确估计稀疏度，并且在较低的运算量下就能重构出高精度的图像，具有广泛的应用潜力，尤其是在射频层析成像的其他领域。 关键词涵盖了成像系统、压缩感知、层析成像、多路径传播、重构算法以及SP子空间追踪等重要概念。文章所属的《激光与光电子学进展》杂志和中国激光杂志社，表明该研究属于光学和电子工程领域的前沿技术。该研究对于提高层析成像的准确性和可靠性具有重要意义，对于未来相关技术的发展提供了新的思路和方法。