近日，合肥工業(yè)大學(xué)微電子學(xué)院納米微波與納米功率實驗室涂昊教授研究團(tuán)隊提出了兩種可用于毫米波近場稀疏高分辨成像的新型算法，相關(guān)成果分別以“3-D Millimeter-Wave Imaging for Sparse MIMO Array With Range Migration and l2-Norm-Reinforced Sparse Bayesian Learning”和“MMW Dual-Band 3-D Sparse Imaging Using Reweighted lq-Norm Minimization With Dimension Breakdown Method”為題，發(fā)表在毫米波成像領(lǐng)域頂級期刊《IEEE Transactions on Instrumentation and Measurement》和《IEEE Transactions on Aerospace and Electronic Systems》上。
論文“3-D Millimeter-Wave Imaging for Sparse MIMO Array With Range Migration and l2-Norm-Reinforced Sparse Bayesian Learning”提出了一種雙階段算法，在第一階段中通過基于等效相位中心近似的距離徙動算法獲取目標(biāo)的初始圖像，在第二階段再通過改進(jìn)的SLIM壓縮感知算法修正等效相位中心近似在近場帶來的波程差，從而獲得清晰圖像。通過這種方法，陣列的收發(fā)天線單元數(shù)量可以降低到原有的1/3以下，大大降低陣列硬件成本和復(fù)雜度，并且縮減對運動目標(biāo)的相干積累時間，從而可以實現(xiàn)對更快速運動目標(biāo)的無模糊成像。論文鏈接：https://ieeexplore.ieee.org/document/10752566。涂昊教授為第一作者，研究生於利斌為第二作者，通訊作者為桑磊教授。
圖1 該算法對左側(cè)照片所示目標(biāo)的成像效果及其與一些其他算法的對比，其中最右側(cè)一列為本算法的成像效果。
論文“MMW Dual-Band 3-D Sparse Imaging Using Reweighted lq-Norm Minimization With Dimension Breakdown Method”則針對近場雙頻段稀疏成像的問題，提出了另一種基于維度分解思想的雙階段算法。通過將距離維度和方位俯仰維度進(jìn)行解耦合，在第一階段中預(yù)測目標(biāo)的表面形貌，而在第二階段中則可僅使用一個頻率的信息在一個二維表面上構(gòu)建目標(biāo)的散射系數(shù)。相比于直接進(jìn)行三維壓縮感知成像的傳統(tǒng)算法，該方法大大縮減了計算復(fù)雜度，并且提升了成像效果。論文鏈接：https://ieeexplore.ieee.org/document/10816562。涂昊教授為第一作者，研究生王兆龍為第二作者，通訊作者為桑磊教授。
(a)
(b)
圖2 （a）該算法的流程示意圖。（b）該算法對飛機(jī)模型的成像實驗結(jié)果以及與其他算法的對比。
課題組在上述工作基礎(chǔ)上，正在通過人工智能等技術(shù)改進(jìn)算法，力求實現(xiàn)新的突破。該工作得到蕪湖市重大科技成果工程化項目、學(xué)院科研特別資助等項目的支持。
