基于三维重构的空间目标进动参数估计方法

空间目标进动参数的估计在目标姿态确定、再入后落点预测和目标识别等方面具有重要意义.针对存在稳定散射中心的进动空间目标,提出了一种基于宽带雷达观测的进动参数估计方法.该方法的优点是无需利用目标形状信息,只利用3个以上非共面散射中心的一维距离历程就可以对空间目标进动参数进行估计.推导了进动目标的运动学模型,利用多散射中心径向距离历程的关联结果获得了目标的三维运动和三维成像结果,基于三维运动的欧式重构采用序列二次规划优化和非线性最小二乘循环迭代的方法估计目标的进动参数.最后,利用电磁仿真数据验证了算法的有效性.     

基于多视角距离像的空间旋转目标三维重构

针对单一视角难以实现空间旋转目标三维重构的问题,提出一种利用宽带雷达多视角信息实现空间位置重构的方法。首先,对旋转目标和雷达网建模,分析得出旋转散射点微距离呈现正弦变化规律。然后,采用Viterbi-Clean 算法对回波距离像进行曲线分离,再利用广义Hough 变换提取曲线的幅值、基线和初相,实现散射点的关联。最后,根据曲线信息,利用公式求出了旋转矢量和旋转轴的方向,实现了旋转目标空间位置重构。仿真实验验证了该方法的有效性和适用性。     

基于组网雷达的有翼弹道目标三维成像

组网雷达的多视角特性有利于获取目标的真实空间结构。该文在构建有翼进动目标回波模型的基础上,分析不同类型散射中心的微多普勒信息变化率的变化趋势,对微多普勒信息进行分离提取。利用非线性最小二乘拟合获取散射中心的幅度、相位信息。基于微动特征的不变性,利用多部雷达锥顶散射中心的幅度信息估计微动特征和坐标转换参数。然后根据各散射中心在不同视角上投影分量的差异,实现尾翼散射中心的匹配,之后求解散射中心的瞬时空间位置,实现目标重构。仿真验证了算法的有效性,并分析了微动参数和信噪比对重构结果的影响。     

雷达目标三维特征的提取与识别研究

以逆合成孔径雷达(ISAR)成像技术和计算机视觉理论为基础，提出了一套新的从动态目标ISAR成像序列中提取目标散射点三维结构信息，以此作为目标特征的识别方法。这一研究方法包含了4个重要环节：动态目标的ISAR像序列的获得；“散射点像元”质心的检测、跟踪和匹配；基于光流分析的目标散射点三维结构特征的提取；目标三维特征的识别。由于经过了时间和空间上信息的积累，目标的散射点的三维结构特征具有稳定和直观的特点。作为一种新的目标识别的依据是很有效的，且只需要较少的训练样本就可以获得较高的识别率。     

基于ISAR像序列的锥体目标进动及结构参数估计

弹道目标进动及结构参数的提取是弹道导弹目标识别的关键。该文提出一种基于逆合成孔径雷达(ISAR)像序列实现锥体目标进动及结构参数估计的方法。基于电磁仿真数据及锥体目标的微动特性,忽略旋转对称锥体目标的自旋运动,采用距离-瞬时多普勒算法生成目标的ISAR像序列,之后采用CLEAN算法将ISAR像序列中的强散射源坐标信息提取出来;推导了锥体滑动型强散射源在成像平面上的投影轨迹公式,该公式可为进动锥体目标成像特性模拟及参数估计提供数学参考。分析观察视角对锥体目标ISAR像可观测强散射源的影响,给出了估计进动及结构参数的具体方法;最后仿真验证了成像算法及投影轨迹公式的正确性,并依据提取的坐标信息估计目标的进动及结构参数信息。     

序列图像中动目标标示的多分类器自适应融合识别

序列图像中动日标标示图像的识别具有非常重要的意义。但当序列图像受到严重干扰时,单个分类器对动目标标示图像识别率较低,若多分类器的融合采用线性模型且其融合系数不随输入图像变化时又易限制多分类器融合性能。该文利用实时估计各分类器对当前输入样本的判决后验置信度来自适应调整融合系数,能充分利用每个分类器当前的识别能力,从而获得更好的效果。该方法用于视频流中车牌识别系统,实验显示即使由于光照平均,或雾或雨而使图像部分缺损、扭曲、粘连等时,该方法均能使识别取得令人满意的结果。可见这种方法有很好的应用前景。     

基于改进D-S 证据理论的多雷达自适应数据融合

针对多雷达数据融合时融合结果精度较低问题,提出一种基于改进D-S 证据理论的自适应融合算法。该算法将单传感器多时刻时域融合和多传感器空域融合相结合。首先,利用盒状图对单传感器测量值分类优化,进行单传感器时域融合;再根据文中提出的改进证据冲突程度判据,对高冲突的局部证据进行修正,并选择相应的多传感器空域数据融合算法。仿真分析表明,文中算法具有较好的可行性与有效性,同现有的多雷达数据融合算法相比,文中算法能够有效降低融合过程中产生的系统误差,且融合结果更加可靠、精确。     

基于一维距离像序列的进动目标参数估计

高分辨一维距离像为识别弹道目标的重要方式,但单幅距离像并不能得到目标真实尺寸,也不能得到目标的进动参数。利用弹道目标的一维距离像尺寸序列的信号模型,提出一种估计弹道目标真实尺寸、进动周期和进动角的新方法。该方法先对尺寸序列采用四参数模型进行曲线拟合,估计出包括进动周期在内的信号参数,得到包括目标真实尺寸、进动角和目标姿态角三个未知数在内的二个方程;再利用弹道目标零攻角的再入特性,得到目标姿态角,从而解出目标真实尺寸和进动角。仿真结果表明该方法的有效性。     

距离多普勒域多雷达信号融合

传统的单雷达目标检测算法在低信杂噪比(SCNR)场景下,其检测性能较差,对低空微弱目标检测时,由于杂波信号很强,目标回波信号可能在单个雷达的回波中被杂波淹没,导致不能检测到目标。所以,文中提出一种多雷达信号融合算法检测动目标,在距离多普勒域对多个雷达回波信号进行融合,增强目标信杂噪比。最后,通过仿真来验证提出的算法的有效性。     

基于目标场景结构化稀疏重构的三维雷达成像方法

基于成像场景散射强度稀疏表示的3维雷达成像结果对目标的外形几何细节体现较差,不利于目标识别。该文首先分析了目标在成像场景内散射强度的结构化特征,然后以散射点梯度信息进行了结构化稀疏表示,构建了基于目标散射强度梯度变化的结构化稀疏重构模型,最后通过改进的联合正交匹配追踪算法重构出目标3维图像。实验结果表明,该方法具有较好...     

多基地雷达马氏定位算法优化

通过研究多基地雷达定位的马尔可夫算法,提出了一种适用于大数据量情形的简化目标定位方法,解决了因算法简化而衍生的测量误差协方差矩阵非正定问题.通过实例仿真,对定位结果的"定位精度的几何稀释"曲线进行分析,证明了本算法能够保证定位结果有效,并提高了运算效率.     

机载雷达自适应对角加载参数估计方法

对角加载可以提高空时自适应处理在低样本情况下的性能。然而,在实际中加载参数的确定是一个较为困难的问题。为了解决这个问题,该文提出一种基于回波数据的自适应对角加载参数估计方法。该方法首先将对角加载问题转化为Tikhonov规划问题,然后利用广义交叉验证准则构造优化问题,最后采用割线法求解优化问题、计算加载参数。仿真与实测数据结果表明该方法可以有效提高机载雷达在低样本条件下的目标检测性能。     

多基地雷达系统一维距离像的三维成像

对多基地雷达系统各接收站获取的目标一维高分辨距离像进行特征提取，可得到目标散射中心在多个方向上的径向分布。根据空间矢量投影的原理，可以求出目标散射中心之间的真实位置关系，形成目标的三维像。仿真结果表明，用三维像描述目标的结构具有较好的稳定性，可作为目标识别的特征量，从而为利用高分辨距离像进行目标识别提供了新的方法。     

线性调频连续波雷达信号的参数估计

根据线性调频连续波（LFMCW）信号的周期特点,提出累积Wigner-Hough变换（CWHT）进行LFMCW信号的参数估计。首先分析了自相关函数的特点,通过搜索自相关函数的峰值,实现了信号调制周期的估计。然后根据调制周期将信号分段,进行CWHT。通过CWHT峰值和起始时间的搜索,最终估计出信号的调频斜率与起始频率。理论推导了CWHT的信噪比（SNR）公式,并分析了相关计算。该算法不仅减小了时频交叉项的影响,而且降低了计算的复杂度。同时由于进行了多个周期的非相干累积,提高了该算法的抗噪性能。仿真结果验证了本文算法在低SNR下具有较好的参数估计性能。      

基于超分辨雷达的目标参量估计研究

讨论了在车载雷达对目标自动识别的要求下,阵列信号的谱估计问题,将修正MU-SIC(MMUSIC,Modified Multiple signal classification)算法推广到时-空二维谱估计中,解决了相干信号的频率一方位超分辨估计问题,仿真结果表明了这种方法在系统实现中的可行性和有效性.     

有源无源雷达信息融合系统误差估计

有源雷达和无源雷达系统误差估计是实现有源无源雷达信息高精度融合的关键环节之一。由于时差定位无源雷达具有与有源雷达不同的误差分布特点,多有源雷达之间的系统误差估计方法已不适用于无源雷达与有源雷达之间的系统误差估计。文中提出一种系统误差估计方法,利用有源雷达和无源雷达对同一目标的观测,同时估计有源雷达的系统误差和无源雷达的时差系统误差,并通过仿真实验验证了该方法的有效性。     

信号DOA和极化参数的自适应估计

运用ESPRIT算法进行信号参数的估计,关键是对信号子空间的估计。在实际运用中,接收到的信号的参数往往是随时间变化的,因此要得到信号参数的实时估计值就需要根据阵列的接收数据对信号子空间进行更新。分析了如何运用ESPRIT算法得到信号的DOA和极化参数,并在矩阵扰动理论的基础上,利用矩阵特征分解一阶修正方法更新特征值和特征向量,从而使得ESPRIT算法能够自适应地估计信号DOA和极化参数。最后通过Matlab仿真验证了该方法的有效性。     

基于DPT-CZT处理的LFMCW雷达参数估计

提出了一种基于DPT-CZT处理的速度-加速度联合估计方法。根据差拍信号相位在快、慢时间轴上的二维联合特性,沿其慢时间维进行DPT处理,可以消除快、慢时间线性耦合项,同时实现了慢时间维相位的降阶处理,从而可以获得目标速度-加速度的联合估计。为确保速度估计的无模糊性,采用CZT变换对目标可能存在的频段进行密集采样以提高频率测量的精度。给出了速度-加速度联合估计的具体实现步骤以及CZT处理中参数的确定。基于速度、加速度估计值对差拍信号进行补偿,从而可以对速度估计进行进一步修正并获取目标距离的估计。仿真结果验证了方法的有效性。     

基于压缩感知的认知雷达参数估计

为了改善基于压缩感知技术的认知雷达(CR)目标参数估计的性能,研究了CR闭环反馈中的感知矩阵更新和稀疏目标场景重构.首先,根据等角紧框架和复Gram矩阵,构造胖矩阵情况下感知矩阵更新的目标矩阵;然后,将测量矩阵优化设计的最小二乘问题展开,利用Kronecher积推导测量矩阵更新的一步迭代公式;最后,引入阈值收缩函数去除迭代重加权最小二乘估计值中的无关小量,进而去除重构场景中的伪峰.计算机仿真实验验证了该算法的有效性.     

基于分批估计的自适应加权数据融合算法

针对多传感器数据融合问题,文中提出了一种基于分批估计的自适应加权数据融合算法。该算法采用时间序列和空间序列对采集的数据分批求其方差,利用数据一致性检测对噪点进行剔除,进而得到自适应因子。随后采用自适应加权法对数据进行融合,得到预测值。文中模拟物联网数据进行仿真实验。结果表明,在处理数据时运用分批估计的自适应加权多传感器数据融合技术,能够提高传感器测量的精确度和系统的可靠性,基于分批估计的自适应加权平均法比传统自适应方法的均方根误差减少了10%,精度提高了2.3%。