摘要：噪声环境下的稀疏信号重构可以转换为带约束的二次规划问题，通过正则化算法可以有效求解，而正则化参数？却是影响重构质量的重要因素。广义交叉验证（Generalized Cross-Validation, GCV）算法是噪声未知条件下估计？的有效算法，但当信噪比较低时却无法保证？收敛于全局最优，导致重构图像信杂比降低，甚至造成目标丢失。为实现低信噪比环境下稀疏信号的稳健重构，该文提出基于多测量动态聚类（Multi-Measurement Dynamic Clustering, MMDC）的压缩感知（Compressive Sensing, CS）增强成像方法。新方法首先对初始观测数据进行多次随机抽取，然后通过CS处理获得重构图像序列，最后利用动态聚类算法实现对原信号的稳健重构，在改善重构图像质量的同时也有效地抑制了杂波。另外，鉴于GCV计算量大及MMDC对？估计误差的不敏感，该文提出基于简化GCV算法的MMDC增强成像方法，仿真及实测数据的处理结果均验证了所提方法的有效性。

关键词：雷达增强成像 压缩感知 动态聚类 广义交叉验证 杂波抑制 

单位：国防科技大学电子科学与工程学院 长沙410073