近日，合肥工业大学微电子学院纳米微波与纳米功率实验室涂昊教授研究团队提出了两种可用于毫米波近场稀疏高分辨成像的新型算法，相关成果分别以“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”为题，发表在毫米波成像领域顶级期刊《IEEE Transactions on Instrumentation and Measurement》和《IEEE Transactions on Aerospace and Electronic Systems》上。

论文“3-D Millimeter-Wave Imaging for Sparse MIMO Array With Range Migration and l2-Norm-Reinforced Sparse Bayesian Learning”提出了一种双阶段算法，在第一阶段中通过基于等效相位中心近似的距离徙动算法获取目标的初始图像，在第二阶段再通过改进的SLIM压缩感知算法修正等效相位中心近似在近场带来的波程差，从而获得清晰图像。通过这种方法，阵列的收发天线单元数量可以降低到原有的1/3以下，大大降低阵列硬件成本和复杂度，并且缩减对运动目标的相干积累时间，从而可以实现对更快速运动目标的无模糊成像。论文链接：https://ieeexplore.ieee.org/document/10752566。涂昊教授为第一作者，研究生於利斌为第二作者，通讯作者为桑磊教授。

图1 该算法对左侧照片所示目标的成像效果及其与一些其他算法的对比，其中最右侧一列为本算法的成像效果。

论文“MMW Dual-Band 3-D Sparse Imaging Using Reweighted lq-Norm Minimization With Dimension Breakdown Method”则针对近场双频段稀疏成像的问题，提出了另一种基于维度分解思想的双阶段算法。通过将距离维度和方位俯仰维度进行解耦合，在第一阶段中预测目标的表面形貌，而在第二阶段中则可仅使用一个频率的信息在一个二维表面上构建目标的散射系数。相比于直接进行三维压缩感知成像的传统算法，该方法大大缩减了计算复杂度，并且提升了成像效果。论文链接：https://ieeexplore.ieee.org/document/10816562。涂昊教授为第一作者，研究生王兆龙为第二作者，通讯作者为桑磊教授。

(a)

(b)

图2 （a）该算法的流程示意图。（b）该算法对飞机模型的成像实验结果以及与其他算法的对比。

课题组在上述工作基础上，正在通过人工智能等技术改进算法，力求实现新的突破。该工作得到芜湖市重大科技成果工程化项目、学院科研特别资助等项目的支持。