改进TSPN-ADMM网

频谱恢复更精准

采用算法展开技术端到端优化超参数，能够适应微波光子雷达中多种频谱缺失情形。

Hai, Yu · 武俊杰 · Ma, Yuxin · Pu, Wei · 李中余 · Ruomeng, Wang · Wang, Anle · 王党卫 · 黄钰林 · 杨建宇 · Li, Na

IEEE Transactions on Geoscience and Remote Sensing 2023

技术优势

端到端调参，省去手动搜索

通过算法展开将TSPN-ADMM中的截断Schatten-p范数参数、稀疏正则项系数和ADMM惩罚因子全部作为可学习参数，在训练中自动优化，避免了针对不同丢失模式反复手动调整的负担。

适应多种频谱缺失，无需重新训练

网络在训练时见过多种频谱缺失模式，因此面对新的缺失情形时直接前向推理即可得到高质量恢复，而传统算法需要针对每种模式重新选参。

联合利用低秩与稀疏先验，恢复更准

将丢失频谱恢复问题建模为矩阵补全，同时利用回波矩阵的联合稀疏性和低秩性，在保留目标信息的同时抑制旁瓣和噪声。

应用场景

• 雷达信号处理：作为前端预处理模块，恢复缺失频带后再做成像，提升雷达成像清晰度。
• 微波光子学：解决光子雷达因频带离散化带来的旁瓣和主瓣展宽问题，保障大带宽优势。
• 光子信号处理：在光子前端直接实现频谱恢复，减少后续数字处理负担。
• 量子雷达：为工作在多频段、频谱易缺失的量子雷达提供缺失频带重建方法。