弹道导弹目标微多普勒特征提取

真假目标识别是弹道导弹防御系统的主要技术瓶颈之一,它在一定程度上决定了反导系统的成败.基于弹头和诱饵微动特性的差异,提取相应的微多普勒特征可用来识别真假目标.文中在介绍弹头和诱饵运动特性的基础上,引入了微多普勒概念,建立了弹头和诱饵的微动模型,并对其微多普勒进行了理论推导.通过仿真从雷达回波中提取出弹头和诱饵微多普勒的频谱特征和时频谱特征,从而为真假目标的识别提供了新的依据.     

逆合成孔径激光雷达鸟类目标压缩感知识别方法

鸟类目标的实时探测与准确识别具有重要意义。提出一种基于压缩感知的逆合成孔径激光雷达鸟类目标探测、成像与识别方法。该方法先利用光外差手段和压缩感知采样来大幅降低鸟类目标逆合成孔径激光雷达回波信号距离向上的采样率,再利用时频分析方法来判别鸟类目标运动状态,然后利用压缩感知重构算法来获得鸟类目标高分辨二维像以及利用拟合算法来提取鸟类目标微多普勒特征。结合获得的高分辨二维像和微多普勒特征可共同进行鸟类目标的鉴别和识别。仿真结果验证了文中方法的有效性。     

基于压缩感知理论的多普勒解模糊处理

多目标的多普勒解模糊处理是低脉冲重复频率(PRF)雷达的关键技术之一,论文提出一种新的基于压缩感知(CS)理论的多普勒解模糊处理方法,利用多重PRF方式下相参处理间隔内的时域欠采样特性及多普勒频谱的稀疏特性,构造了多普勒解模糊的CS模型,采用正交匹配追踪(OMP)算法直接估计出无模糊多普勒谱的幅度响应,可实现PRF分组参差方式下对多个目标的解多普勒模糊处理,仿真结果验证了算法的有效性。     

基于微多普勒特征的空中目标识别

分析了直升机目标回波信号的微多普勒频谱，基于直升机目标和固定翼飞机目标多普勒频谱的差别，提出了两种微多普勒特征用于识别直升机目标和固定翼飞机目标，其中一种利用了直升机回波信号正负多普勒频谱能量的不对称性，另一种模式特征利用了机身回波信号能量与旋翼回波信号能量的对比，使用仿真数据和试验测试录制的数据的计算结果表明该方法具有很好的识别效果。     

基于新型联合感知矩阵的压缩学习目标识别技术

目标识别正逐渐成为自动化领域中提供准确目标类别信息的一项重要技术,并且当前大多数目标识别方法都是基于深度学习框架实现.通常,深度学习框架的输入数据均为原始图像数据,而在实际应用中,探测器获取原始图像数据并作为深度学习框架的输入进而实现目标识别的方式并非是高效的,数据获取并识别的过程包含了大量的冗余信息,降低了识别效率.在本文中,通过深度学习与压缩感知技术的结合,提出了一种基于联合感知矩阵的压缩学习目标识别技术(Target recognition technology based on a new joint sensing matrix for compressed learning,TRNPCL),使得探测器可快速生成目标图像多维压缩数据,且压缩数据可直接作为深度学习目标识别框架的输入数据,而无需再进行解压缩步骤.该方法不仅大大减小了深度学习框架的数据输入量,在与同等压缩比下的单空间域数据压缩学习方式相比较,还保持了较高的识别准确率.在未来,该方法有望成为一种更有效、更灵活的目标识别方法,并特别适用于指纹识别、人脸识别等应用领域.     

基于压缩感知的PD雷达序贯扩展卡尔曼滤波跟踪方法

提出一种新的基于压缩感知(Compressive Sensing, CS)处理的序贯扩展卡尔曼滤波(Sequential Extended Kalman Filter, SEKF)方法,以用于脉冲多普勒(Pulse Doppler, PD)雷达机动目标跟踪。利用目标在时延多普勒平面内的稀疏特点建立稀疏量测模型,然后通过压缩采样匹配重构方法获得目标的多普勒量测值,并用SEKF方法进行滤波更新,以改善目标状态的估计性能。在滤波过程中,应用CS处理可改善目标多普勒估计精度,而应用SEKF则可通过加入伪量测减小多普勒量测和目标运动状态之间的非线性误差。仿真实验结果表明,本文所提出的方法和传统的SEKF方法以及已有基于压缩感知的跟踪方法相比对机动目标有更好的跟踪性能。      

基于压缩感知的超分辨目标散射中心估计

针对雷达目标识别中散射中心特征提取需求,提出一种基于压缩感知理论(CS)的超分辨散射中心估计算法。通过设计一字典,将脉压波形进行稀疏表示,进而将重构问题引入CS 理论框架之下,利用仿真数据验证了散射中心重构算法的可行性。基于实录数据,将80 MHz 宽带信号滤波成20 MHz 窄带信号,利用窄带20 MHz 脉压波形重构高分辨散射中心,进而恢复宽带80 MHz 脉压信号。恢复信号与真实80 MHz 宽带脉压信号的对比分析结果表明,在一定误差范围内,CS算法可实现目标散射中心重构。     

基于时间分段信号的弹道导弹目标微多普勒调制周期估计

地基空间探测相控阵雷达因需同时满足多任务、多目标的工作要求,通常采用时间分割的方式照射目标,本文针对这一特点,以弹道导弹为例,建立了单一目标分时段观测回波的数学模型,分析了带尾翼弹道导弹自旋运动对雷达回波的调制效应,从机理上揭示了利用微多普勒周期特征识别弹道导弹目标的可行性。论文针对时间分段信号特点,提出了一种利用Radon pseudo STFT提取目标径向半加速度的方法,并成功利用循环平均幅度自相关函数提取了加速度补偿后信号的微多普勒调制周期。      

基于瞬时频率估计的进动锥体目标微多普勒频率提取方法

该文针对进动锥体目标的微动特性提取,建立等效散射点模型下的微多普勒频率与目标运动参数关系。结合进动调制的微多普勒频率近似正弦变化规律的特点,提出基于瞬时频率估计和随机抽样一致性(RANSAC)的进动目标微多普勒频率提取方法。该方法将回波信号分为若干段,每一段的回波信号近似为若干线性调频(LFM)信号分量之和,通过调频Relax算法估计各信号分量的瞬时频率,并通过随机抽样一致性算法估计散射点的微多普勒曲线。基于仿真数据和电磁计算数据的实验验证了该方法的有效性及稳健性。     

基于压缩感知的SAR图像目标识别

提出一种基于压缩感知的合成孔径雷达图像目标识别方法,将目标识别问题转化为稀疏表示的近似求解问题。该方法利用测试样本在全体训练样本基下的稀疏性,实现样本间的近似稀疏表示。通过考察稀疏系数主要集中于样本真实类别之上的分布特性,研究了稀疏系数本身对目标类别具有的可区分能力,最后基于稀疏系数的分布特性设计分类算法完成目标识别。基于MSTAR数据中三类目标的实验证明,与目前已有的几种典型方法相比,该方法可以取得更高的识别率,是一种有效的合成孔径雷达图像目标识别方法。     

基于分布式组网雷达的弹道目标三维进动特征提取

弹道目标微动特征提取是当前研究的一个热点,但在单基雷达中,由于视角限制,仅能提取目标在雷达视线方向上的微动分量,难以获得目标的真实三维微动参数.本文基于分布式组网雷达,利用组网雷达的多视角特性,提出了有翼弹道目标三维进动特征提取方法.首先基于目标锥顶散射点的微多普勒特征参数实现了目标空间三维锥旋矢量的重构,在此基础上,通过分析锥底边缘散射点的进动特征与微多普勒曲线的关系,提取了目标的进动周期、自旋周期、进动角、锥底半径、自旋轴与锥旋轴的交点位置等特征,并实现了目标长度的估计.仿真实验验证了算法的有效性,并进一步利用仿真实验分析了算法的鲁棒性.     

OFD-LFM MIMO雷达中旋转目标微多普勒效应分析及三维微动特征提取

该文将微多普勒效应引入到多输入多输出(MIMO)雷达技术研究,以旋转运动目标为例,分析了雷达辐射正交频分线性调频信号(OFD-LFM)时目标的微多普勒效应,给出了其参数化表达。在此基础上,进一步将微多普勒理论从目前的雷达视线方向上的微动分量提取扩展到微动部件3维运动和结构特征提取,利用MIMO雷达的多视角特性,提出了构建多元非线性方程组求解旋转部件的3维运动参数的算法,实现了目标3维微动特征的提取。仿真实验验证了算法的有效性和鲁棒性。     

基于帧间相关性的自适应采样率分块视频压缩感知

针对现有基于自适应采样率的分块视频压缩感知方案的单帧总采样率不可控的问题,提出了一种新的自适应采样率分配方案。首先,对当前帧图像块进行固定预采样;然后,根据预采样的测量值来估计图像块的变化程度,并计算该图像块与当前帧图像的复杂度比例;接下来,根据复杂度比例分配图像块自适应采样率,并将固定预采样及自适应采样的测量值合并为最终测量值。实验结果表明,与固定采样率算法相比,提出的方案在相同采样率下可获得1 dB左右的峰值信噪比增益。所提方案可获得高质量的重构图像,且总采样率可控,因此增强了自适应采样分块视频压缩感知方案的有效性和实用性。     

基于压缩感知和变参数混沌映射的图像加密

为了减少加密图像的存储和传输负担,提出基于压缩感知(CS)和变参数控制混沌映射的图像加密算法。算法采用变参数控制混沌映射产生的测量矩阵对图像进行观测,选用与测量矩阵非相干的离散余弦变换(DCT)矩阵为稀疏基矩阵,使得压缩和加密同时完成。为了进一步提高加密算法的安全性,引入扰动因子使得加密算法的密钥与明文相关。同时,加密系统具有抗差分攻击的能力。另外,执行耦合的置乱扩散操作,使得置乱和扩散同时完成,更进一步增强了系统的安全性。加密图像的每个像素以8bit整型的形式输出便于数据的存储、显示和传输。实验结果表明,本文的加密算法是有效的和安全的。     

基于分布式压缩感知的全极化雷达超分辨成像

基于分布式压缩感知理论,提出了一种全极化逆合成孔径雷达超分辨成像算法,联合各极化通道进行超分辨处理.首先,建立全极化信号模型及超分辨字典,利用各极化通道信号的联合稀疏性将全极化超分辨成像建模为最小L2,1范数的优化问题,运用一种快速算法求解该优化问题.由于利用联合稀疏约束,多极化通道联合成像相比于单通道成像能够获得更好的超分辨性能和噪声抑制能力,最终有效提高图像极化融合的效果.同时,采用快速傅里叶变换操作提升了算法的运算效率.基于backhoe的仿真数据实验验证了该算法的优越性.     

弹道目标平动补偿与微多普勒特征提取方法

针对传统逆合成孔径雷达(ISAR)成像中的平动补偿方法并不适用于弹道目标平动补偿的问题,该文提出了一种弹道目标平动补偿与微多普勒(m-D)特征提取方法。在分析有翼弹道目标未完成平动补偿时的m-D效应的基础上,首先采用形态学中的骨架提取方法抑制1维距离像旁瓣,再在快时间频率(距离)-慢时间平面上搜索分离各散射点的m-D特征曲线,然后对其进行经验模式分解(EMD)分解,利用分解结果中的趋势项分量完成目标回波的平动补偿,并通过分析EMD分解结果获得了目标的自旋频率、锥旋频率等特征信息。仿真实验验证了所提方法的有效性与鲁棒性。     

逆合成孔径成像激光雷达微多普勒效应分析及特征提取

 研究了基于逆合成孔径成像激光雷达的目标微多普勒效应,分析了激光信号高载频和大带宽对目标微动点一维距离像的影响,在此基础上建立了相应的微多普勒特征参数方程并讨论了快时间对微多普勒效应的影响.针对逆合成孔径成像激光雷达系统目标微多普勒效应的特点,提出了一种结合二值数学形态学腐蚀膨胀运算和推广Hough变换的目标微多普勒特征提取方法.仿真实验验证了文中微多普勒效应理论分析和微多普勒特征提取算法的正确性,并证明了逆合成孔径成像激光雷达对厘米或毫米量级微动观测的有效性.     

基于压缩感知的稳健单通道波达方向估计方法

针对接收阵列射频通道间增益不一致以及系统感知模型与目标角度信息失配等情况下,基于压缩感知(Compressive Sensing,CS）的多目标波达方向（Direction of Arrival,DOA）估计方法性能下降的问题,提出了一种新的单通道CS-DOA估计方法.引入一种单通道阵列体制,并建立系统模型失配时的DOA稀疏感知模型;将丹茨格（Dantzig Selector,DS）算法和遗传算法相结合,分别对目标角度信息矢量和系统模型失配误差进行交替迭代优化.该方法有效克服了常见CS-DOA方法无法抑制系统模型失配误差的问题,避免了射频通道间增益不一致对DOA估计性能的影响.仿真结果表明：该方法性能优于传统DOA估计算法,能够对任意相关性信号进行有效DOA估计,具有更高的角度分辨力和估计精度.     

基于压缩感知STORM超分辨成像与像素的关系

针对基于压缩感知STORM(stochastic optical reconstruction microscopy)超分辨成像效果差的不足,提出采用高分辨相机改善基于PSF测量矩阵性能的方法.该方法能够改善基于PSF测量矩阵的约束等距性(restricted isometry property,RIP),从而达到提高重构效果的目的.实验结果表明,采用高分辨相机后基于PSF(point spread function)测量矩阵的列不相关性更好,重构能力、定位准确度和识别率都得到极大改善.同时探讨了以传统指标体系评价基于压缩感知的超分辨重构质量的优劣和适用性.发现匈牙利法和质心法的组合方案较能反应真实的基于压缩感知的超分辨重构效果.     

率失真优化的压缩感知图像编码

针对基于压缩感知的图像编码系统,分析了系统中编码参数和码率以及失真的关系,在此基础上提出了基于压缩感知的图像编码系统的码率-失真模型.根据所提模型设计了率失真优化的压缩感知图像编码算法.在给定码率的条件下,优化编码参数,使得编码器失真最小.算法在Matlab的编码平台上进行了仿真和实验,结果证明提出的码率-失真模型能够很好地拟合实际率失真曲线,并且基于该模型的率失真优化算法有效的提高了压缩感知图像编码系统的性能.