摘要：針對墻參數(shù)模糊條件下運動目標(biāo)成像速度慢、墻參數(shù)重建精度差等問題,提出了一種改進擬牛頓-粒子群優(yōu)化(Limited Broyden Fletcher Goldfarb Shanno-Particle Swarm Optimization,LBFGS-PSO)算法,建立了LBFGS-PSO算法模型,解決了傳統(tǒng)擬牛頓算法和粒子群算法計算速度慢、誤差較大等問題。該算法與塊正交匹配追蹤(Block Orthogonal Matching Pursuit,BOMP)算法相結(jié)合不僅可以精確重建邊墻位置,還能夠準(zhǔn)確地重建多徑效應(yīng)環(huán)境中的運動目標(biāo)和靜止目標(biāo),算法的計算速度和精度得到了一定程度的提高。仿真結(jié)果和數(shù)據(jù)分析驗證了所提方法的性能。