MIMO雷达迭代鲁棒Capon波束形成算法

针对现有的MIMO雷达波束形成算法在联合导向矢量失配较大时,输出信噪比性能严重下降的问题,提出了一种用于MIMO雷达的迭代鲁棒Capon波束形成算法。首先,结合MIMO雷达收发两端的结构特点,对失配误差模型进行了理论分析,从而指出大不确定集算法的局限性。然后提出利用小不确定集可以解决误差失配较大的情形,依据迭代思想对导向矢量期望值估计进行求解,由满足的迭代条件确保联合导向矢量更准确。仿真结果表明,该算法对联合导向矢量失配误差具有鲁棒性,输出信噪比性能最优。     

基于互相关的探地雷达反向投影成像算法

该文基于探地雷达(Ground Penetrating Radar, GPR)回波数据之间的互相关性,提出了一种用于抑制GPR成像中杂波干扰的反向投影(Back Projection, BP)成像算法。与标准BP算法相比,该文的互相关反向投影(Cross-correlated Back Projection, CBP)算法增加了数据间互相关运算的步骤,而且无需引入额外的参考信号通道。理论分析和实验结果均表明,CBP算法不仅抑制了标准BP算法成像结果中的杂波干扰,而且在一定程度上提高了成像分辨率。     

基于Stolt偏移的探地雷达合成孔径成像研究

对探地雷达数据进行合成孔径处理可提高探地雷达图像的分辨力,有利于对地下目标的探测及精确定位.文中提出了一种新的stolt偏移插值实现方法,用于探地雷达合成孔径成像,它能克服传统方法中偏移能量不集中的缺点并保持处理速度快的优点,通过对实测数据进行处理,其结果表明该方法取得了很好的效果.     

基于双曲线特征的浅地层探地雷达杂波抑制与合成孔径成像研究

本文根据浅地层探地雷达图像的特点,提出了一种基于图像处理技术的杂波抑制方法。并在此基础上,进而提出了一种实现探地雷达合成孔径成像的快速方法。通过对实测数据进行处理,结果表明,所提杂波抑制方法取得了很好的效果,且通用性强;所提的快速合成孔径成像方法与普通合成孔径成像方法相比,所得图像的分辨力相当,且所提方法减少了杂波成分的影响,使处理速度得到了极大的提高,成像的效果更好。     

实现浅地层探地雷达快速合成孔径成像的一种有效方法

通过分析浅地层探地雷达回波数据的特点,提出通过基于回波数据的方差与A scan能量的特征来确定目标回波数据在整个回波数据中的分布区域,并只用该区域数据参与探地雷达合成孔径成像运算,从而排除非目标回波数据对合成孔径成像的影响,减少合成孔径运算量,实现快速合成孔径成像。通过对实测数据进行处理,结果表明,所提快速实现方法的成像效果与普通实现方法的成像效果相当,而处理速度与普通实现方法相比有了极大的提高。     

前视探地雷达合成孔径成像方法的研究

根据前视探地雷达波斜入射,并且经过空气和地下两层介质的特点,提出了基于等效波场和全息成像的频率波数域前视探地雷达合成孔径成像方法。该方法对地面以上的记录剖面用基于全息成像的频率波数域成像方法成像,对地面以下记录剖面的成像,则用地面测线处的等效波场。所提方法把两层介质中的成像问题简化成单层介质中的合成孔径成像问题。对实验数据的处理结果表明,所提方法能有效地提高信杂比,提高目标的方位分辨率。     

一种改进的基于Stolt迁移的探地雷达三维合成孔径成像方法

stolt迁移实现探地雷达三维合成孔径成像具有实现速度快的优点,但stolt迁移有一显著缺点是它不适用于电磁波波速变化的情形,而在探地雷达的应用中电磁波波速变化是实际存在的。本文提出了一种改进的基于stolt迁移的探地雷达三维合成孔径成像方法,该方法能克服普通方法不适用于电磁波波速变化这一缺点。通过对实测数据进行处理,其结果表明所提方法取得了很好的效果。     

步进频率连续波前视探地雷达的研究

研制了一种步进频率连续波探地雷达系统,能对载体前方较大范围浅地表穿透实时二维成像.该系统采用双发射天线和接收天线的组合线阵接收方位回波,将接收天线数量降低一半;利用分频段多级均衡校正、设置参考通道、数字中频接收等方案保证系统具有良好的幅频、相频特性;利用中频耦合对消方案抑制收发耦合;利用快速双站后向投影算法进行合成孔径成像.试验表明,系统可实现浅地表穿透成像探测.     

基于波束形成的分布式卫星SAR成像

针对分布式卫星SAR系统的正侧视工作模式，建立了雷达信号的回波模型，提出了利用修改的距离－多普勒（RD）算法进行单个星载SAR成像的算法及波束形成合成分布工卫星SAR图像的算法。理论分析和仿真结果表明：利用该算法能提高图像的信噪比，使图像质量得到提高。     

探地雷达扫频三维成像方法

基于惠更斯原理三维探地雷达数据叠加偏移处理方法,对实验数据进行了三维成象处理。７并用频域扫频方法产生宽频带信号,通信网络分析仪采集频域回波信号数据,获得高分辨率探地雷达所需要的窄脉冲信号。     

探地雷达对两层介质中目标的快速后向投影成像方法

运用探地雷达对分层介质中的目标进行探测时,时域后向投影算法是一种常用的成像方法。但大运算量和低成像分辨力一直是该算法难以实用化的瓶颈问题。该文提出一种实用的高分辨快速后向投影成像方法。首先提出了基于1维搜索或求解一元四次方程的传播时延快速计算方法。其次,设计了一种对时延曲线上散射回波进行处理的加权因子以提高成像质量。运用所提的成像算法对仿真数据进行了处理,获得了高分辨的成像结果,验证了该算法的有效性和快速运算能力。     

基于改进粒子群优化的探地雷达波形反演算法

探地雷达工作的最终目的是反演解释地下结构参数,由于大多数反演问题是非线性的,研究非线性的反演方法具有重要意义。该文提出基于改进粒子群优化方法的探地雷达反演问题,该算法以信号均方误差为目标函数,用时域有限差分方法作为正演工具。通过与基于遗传算法等反演方法的结果对比,说明了该算法兼顾了准确性和简便性;通过对模型复杂、参数多、信噪比差的仿真数据的反演结果,说明了该算法对多参数反演的有效性和良好的抗噪性;对实测数据的反演结果,进一步验证了该算法的可行性。     

压缩感知理论在频率步进探地雷达偏移成像中的应用

该文针对频率步进探地雷达的具体工作过程,利用目标成像空间的稀疏性提出了一种基于压缩感知理论的频率步进探地雷达偏移成像算法,成像过程中首先采用杂波抑制方法在频率域去除直达波,同时利用交叉验证算法来估计成像过程中的正则化参数,最后基于稀疏约束最优化方法实现对地下目标成像,仿真和实验数据表明了该算法的可行性和有效性。     

基于多偏移距探地雷达数据的包络-波形反演

全波形反演(FWI)通过综合利用波场的运动学和动力学特征来实现对地下介质的高精度建模,是最具潜力的反演方法之一。目前,全波形反演仍面临诸多亟待解决的问题,最著名的就是初始模型依赖性问题。低频成分对于恢复长波背景速度结构进而构建初始模型至关重要,但是实际采集的探地雷达(GPR)数据中往往存在低频信息不足的情况,导致全波形反演难以获得理想的结果。为此,该文提出基于地面多偏移距雷达数据的包络-波形反演方法,利用包络波场携带低频信息的特征来构建大尺度背景模型,同时又实现了对小尺度弱扰动目标体的精细刻画。在原始记录低频成分缺失的情况下,通过与常规全波形反演方法进行对比表明：包络-波形反演方法能够有效重构缺失的低频成分,提高对地下大尺度背景构造和细节信息的成像效果。     

地下管线渗漏环境下探地雷达信号特征分析

探地雷达(GPR)在地下水管渗漏的检测中具有良好的应用前景。前期研究表明：地下水管的渗漏会在雷达剖面中形成震荡信号,但其形成机理尚不明晰。为揭示不同材质地下管道渗漏后的探地雷达信号特征的成因,该文结合物理模型试验与渗流场-电磁场数值模拟分析干砂中PVC管和金属管渗漏前后雷达信号特征、渗漏后震荡信号的形成机理和电磁波传播路径。结果表明：地下水管发生渗漏后,管道周围区域出现一定分层状态,电磁波在传播过程中存在更多界面反射和界面间的多次波。PVC管渗漏后,管道顶部、底部反射信号和爬行波信号在渗漏区中多次反射形成复杂的震荡双曲线信号,而金属管渗漏后管壁与渗漏区间存在多次反射。研究成果可为探地雷达在地下水管渗漏探测实际应用提供技术支持。     

利用互相关和Hough变换快速检测探地雷达目标

考虑到探地雷达目标检测效率低的问题,该文基于目标回波能量空间分布的三参数双曲线模型,提出了一种快速的地下目标检测算法。算法首先利用相邻1维回波的相关性提取回波双曲线,再能量加权拟合曲线以估计出回波模型的两个参数,最后通过1维Hough变换来完成目标检测与定位。实测数据实验结果表明该文算法在不降低目标检测性能和定位精度的同时,计算时间只有传统基于Hough变换检测算法的1.5%左右,计算量的理论分析证明了该文算法在计算效率上的优势。     

基于探地雷达频谱反演法的薄层识别技术研究

衡量探地雷达对薄层的识别能力通常有两个指标:最小可识别层厚和反射系数的识别精度。该文提出的频谱反演法,通过对电磁波在多层介质中频谱传输函数的推导,得出回波频谱的正演计算模型,然后采用阻尼最小二乘法进行二参数反演。通过实验,证实了这种方法能够对层厚小于八分之一波长的薄层进行层厚和反射系数的有效识别。     

浅地层探地雷达合成孔径处理的一种快速算法

该文根据浅地层探地雷达回波信噪比较高的特征,结合基于微波全息技术的SA(Synthetic Aperture)成像算法,提出了一种基于A扫描能量进行自动目标方位识别、减少合成孔径运算量的快速算法.该算法简单、易实现。通过对实测数据进行处理,所成图像与普通合成孔径算法成像基本相同,但速度有了极大地提高。     

基于深度学习的探地雷达二维剖面图像结构特征检测方法

该文针对探地雷达(GPR) 2维剖面图像中目标特征提取困难及其识别精度较低等问题,采用深度学习方法来提取2维剖面图像中目标的特征双曲线。根据GPR工作的物理机制,设计了一种级联结构的卷积神经网络(CNN),先检测并去除回波数据中的直达波干扰信号,再利用CNN得到B扫描(B-SCAN)图像的特征图,并对特征信号进行分类识别以提取目标的特征双曲线。同时,为处理各种干扰信号影响目标特征双曲线结构完整性的问题,提出了一种基于方向引导的特征数据补全方法,提高了目标特征双曲线识别的准确率。与方向梯度直方图(HOG)算法、单级式目标检测(YOLOV3)算法和更快速的区域卷积神经网络(Faster RCNN)算法相比,在综合评价指标F上该文方法的检测结果是最优的。