摘要：針對墻參數模糊條件下運動目標成像速度慢、墻參數重建精度差等問題,提出了一種改進擬牛頓-粒子群優化(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)算法相結合不僅可以精確重建邊墻位置,還能夠準確地重建多徑效應環境中的運動目標和靜止目標,算法的計算速度和精度得到了一定程度的提高。仿真結果和數據分析驗證了所提方法的性能。