基于“数据驱动＋智能学习”的合成孔径雷达学习成像

对感兴趣目标的数量、位置、型号等参数信息的精确获取一直是合成孔径雷达(SAR)技术中最为重要的研究内容之一。现阶段的SAR信息处理主要分为成像和解译两大部分,两者的研究相对独立。SAR成像和解译各自开发了大量算法,复杂度越来越高,但SAR解译并未因成像分辨率提升而变得简单,特别是对重点目标识别率低的问题并未从本质上得以解决。针对上述问题,该文从SAR成像解译一体化角度出发,尝试利用“数据驱动+智能学习”的方法提升机载SAR的信息处理能力。首先分析了基于“数据驱动+智能学习”方法的SAR成像解译一体化的可行性及现阶段存在的主要问题;在此基础上,提出一种“数据驱动+智能学习”的SAR学习成像方法,给出了学习成像框架、网络参数选取方法、网络训练方法和初步的仿真结果,并分析了需要解决的关键性技术问题。      

基于稀疏处理的运动目标认知ISAR成像技术

稀疏处理主要研究如何利用低维数据实现高维稀疏信号的准确重建。基于该特性,已有较多学者将其应用于ISAR成像中用以减少数据量,改善成像质量。文中首先从ISAR回波数据出发,建立了基于稀疏处理的ISAR成像模型,并给出实验处理结果;然后,针对稀疏ISAR成像中存在的对目标和环境的自适应能力不强、工作效率不高等问题,提出将稀疏ISAR成像与认知雷达相结合,构建了认知稀疏ISAR成像框图,并给出了两种认知稀疏ISAR成像策略,能够有效减少成像所需数据量,提高雷达利用效率;最后,利用实验数据验证了所提模型的有效性。     

一站固定式双基FMCW SAR地面振动目标检测与特征提取

地面目标的微小运动是目标本身独有的特性,可用于目标的分类与识别。论文对一站固定式双基FMCWSAR地面振动目标检测与特征提取方法展开研究,采用相位中心偏置天线(DPCA)技术进行杂波抑制,进而检测出地面振动目标。对回波信号分析表明,经DPCA杂波抑制后回波信号中存在一个随慢时间变化的包络项,称为慢时间包络(STE),该项将影响振动目标微多普勒(m-D)时频曲线的能量分布,导致无法获取完整的振动目标m-D时频曲线;进一步地,利用STE项与振动特征之间的关系,可实现振动目标的特征提取。仿真实验验证了理论分析结果及特征提取方法的有效性。      

小斜视角单输入多输出稀疏线性阵列相参频率分集成像

现代高分辨雷达通过大带宽获得高距离分辨率,通过大孔径获得高方位分辨率。该文根据单输入多输出(SIMO)线性阵列天线的基本原理,借鉴了频率分集相参处理的思路,用两个阵元实现了多阵元所形成的波束,并结合高分辨1维距离像(HRRP)方法,实现了目标的2维成像。进而为了减小频率分集所需的发射阵元工作带宽,该文结合稀疏天线阵元思想,通过设计阵元分布,用较少的频率分集实现了大孔径。仿真验证了所提方法的有效性。     

多重测量矢量模型下的稀疏步进频率SAR成像算法

基于压缩感知(Compressed Sensing, CS)的合成孔径雷达(SAR)成像算法可以用低于Nyquist采样率的采样数据完成稀疏目标高分辨成像。然而已有的算法在重构1维距离像时采用的大都是单重测量矢量(Single Measurement Vectors, SMV)模型,存在着重构耗时长、受噪声干扰大的缺点。该文从压缩感知的多重测量矢量(Multiple Measurement Vectors, MMV)模型出发,利用多重测量矢量恢复具有相同稀疏结构的联合稀疏目标信号源,从理论与实验角度分析了基于MMV模型的SAR 1维距离像成像性能,提出了一种距离向基于MMV模型,方位向基于SMV模型的2维SAR成像算法。该算法从耗时上、重构精度上均优于SMV模型下的CS成像算法。通过对仿真数据和地基雷达实测数据的处理,验证了算法的有效性。     

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.     

逆合成孔径成像激光雷达成像算法

逆合成孔径成像激光雷达是一种能实现运动目标超高分辨实时成像的雷达,它在发射激光信号的基础上,运用逆合成孔径原理对目标进行成像。但激光信号具有极高载频、超大带宽和极短波长的特性,传统的距离-多普勒算法不再适用。在对回波信号特征进行分析的基础上,利用重排维格纳分布和Hough变换对光外差探测后的信号进行时频分析以估计目标的运动速度,构造有效的补偿因子,完成了对回波信号的精确运动补偿,并进一步采用Keystone变换完成对目标散射点的越距离单元徙动校正,实现了对目标的高分辨二维成像。仿真实验验证了成像算法的有效性,并通过与微波波段逆合成孔径雷达的比较,证明了逆合成孔径成像激光雷达可实现对运动目标更快速、更高分辨的成像。     

线性调频步进信号雷达目标运动参数估计方法

针对目标运动对线性调频步进信号雷达成像的影响,提出一种基于时频分析的目标运动参数估计方法。对差频处理后的各簇回波信号进行快速傅里叶变换,利用变换后信号与子脉冲序列的线性调频关系,通过维格纳分布和Radon变换对目标不同时刻运动参数进行估计。结合二值数学形态学与图像边缘检测方法提高对多散射点目标运动参数估计的精度。在此基础上,针对目标可能出现的变速运动情况,利用最小二乘算法拟合整个成像时间内目标运动速度的变化,较好地实现对机动目标的运动参数估计。仿真实验验证了本文方法的有效性。     

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特征分析

逆合成孔径成像激光雷达是一种结合将激光信号和逆合成孔径原理相结合的新体制雷达,能实现对运动目标的超高分辨成像,为提取目标的精细微动特征提供了新的途径。研究了基于逆合成孔径成像激光雷达的目标振动微多普勒特征,分析了目标运动时激光信号的高载频和大带宽对目标微多普勒特征的影响,并通过仿真实验对基于逆合成孔径成像激光雷达的目标微多普勒特征和基于微波波段逆合成孔径雷达的目标微多普勒特征进行了比较,证明了逆合成孔径成像激光雷达能够提供足够的分辨率来分析微小目标微动部件带来的多普勒效应。