优先发表

根据海杂波和目标多普勒谱的聚集性差异,可以用熵特征来检测海杂波背景下的小目标,然而常用的香农熵仅仅是统计学角度的宏观量值,并不能反映出海杂波的非线性特性。非广延熵是香农熵的推广,可以描述海杂波已被证实的多重分形特性。该文首先给出了非广延熵与分形维数的关系,然后结合有目标单元回波的多普勒谱较纯杂波单元回波的多普勒谱聚集性更强以及海杂波回波具有多重分形特性的特点,提出了基于多普勒谱非广延熵的海杂波背景下的小目标检测方法,最后通过实测数据进行实验比较,验证了该文算法的有效性,在观测时间较短的情况下,与现有的多重分形频域Hurst指数方法和基于香农熵的方法相比,该文算法具有更好的检测性能。 根据海杂波和目标多普勒谱的聚集性差异,可以用熵特征来检测海杂波背景下的小目标,然而常用的香农熵仅仅是统计学角度的宏观量值,并不能反映出海杂波的非线性特性。非广延熵是香农熵的推广,可以描述海杂波已被证实的多重分形特性。该文首先给出了非广延熵与分形维数的关系,然后结合有目标单元回波的多普勒谱较纯杂波单元回波的多普勒谱聚集性更强以及海杂波回波具有多重分形特性的特点,提出了基于多普勒谱非广延熵的海杂波背景下的小目标检测方法,最后通过实测数据进行实验比较,验证了该文算法的有效性,在观测时间较短的情况下,与现有的多重分形频域Hurst指数方法和基于香农熵的方法相比,该文算法具有更好的检测性能。
对于集中式多输入多输出(Multiple-Input Multiple-Output, MIMO)雷达,该文研究了高斯杂波背景下的目标检测问题。该文假设杂波的协方差矩阵是未知随机的,且服从逆复Wishart分布,基于贝叶斯方法和广义似然比检验准则设计了两种新型自适应检测器。该文提出的贝叶斯检测器具有两个显著的优点:(1)不需要训练数据;(2)杂波的先验知识体现在设计方案中,从而提高了检测性能。仿真结果显示该文提出的贝叶斯检测器的检测性能优于目前常用的非贝叶斯检测器,特别是在发射波形采样数较少时。另外,该贝叶斯检测器在参数失配条件下的性能会有一定程度下降。 对于集中式多输入多输出(Multiple-Input Multiple-Output, MIMO)雷达,该文研究了高斯杂波背景下的目标检测问题。该文假设杂波的协方差矩阵是未知随机的,且服从逆复Wishart分布,基于贝叶斯方法和广义似然比检验准则设计了两种新型自适应检测器。该文提出的贝叶斯检测器具有两个显著的优点:(1)不需要训练数据;(2)杂波的先验知识体现在设计方案中,从而提高了检测性能。仿真结果显示该文提出的贝叶斯检测器的检测性能优于目前常用的非贝叶斯检测器,特别是在发射波形采样数较少时。另外,该贝叶斯检测器在参数失配条件下的性能会有一定程度下降。
该文针对周期性变PRF采样高分辨率聚束模式合成孔径雷达(SAR)提出了一种改进的两步成像算法。变脉冲重复频率(PRF)设计可解决固定盲区等问题,是解决星载SAR高分宽幅矛盾的一种有效手段,但变PRF采样会引起频谱混叠和虚假目标等问题。该文从离散非均匀傅里叶变换原理出发,推导改进sinc插值核函数并建立了时域-时域的回波重建方法,将变PRF采样回波重构为均匀采样回波。此外将改进sinc插值与两步式成像算法结合,据此发展出针对非均匀采样回波的改进两步式聚束SAR成像算法,拓展了传统两步式成像算法的使用范围。仿真数据和实际数据处理结果验证了成像算法的有效性和精确性,并且改进sinc插值具备更高的计算效率。 该文针对周期性变PRF采样高分辨率聚束模式合成孔径雷达(SAR)提出了一种改进的两步成像算法。变脉冲重复频率(PRF)设计可解决固定盲区等问题,是解决星载SAR高分宽幅矛盾的一种有效手段,但变PRF采样会引起频谱混叠和虚假目标等问题。该文从离散非均匀傅里叶变换原理出发,推导改进sinc插值核函数并建立了时域-时域的回波重建方法,将变PRF采样回波重构为均匀采样回波。此外将改进sinc插值与两步式成像算法结合,据此发展出针对非均匀采样回波的改进两步式聚束SAR成像算法,拓展了传统两步式成像算法的使用范围。仿真数据和实际数据处理结果验证了成像算法的有效性和精确性,并且改进sinc插值具备更高的计算效率。
针对全极化、混合极化和单极化3种典型体制的极化分集雷达(PDR)系统,该文分析了目标极化散射特性对系统检测性能的影响。基于目标极化散射统计模型和雷达接收电压方程,分别推导了3种体制下的目标回波向量的统计特性。在高斯背景下,设计了奈曼-皮尔逊准则下的最优极化分集多通道融合检测算法,并推导了虚警概率和检测概率的闭式表达式。仿真结果表明,当系统信噪比(SNR)一定时,目标极化散射分量间的相关性是影响系统检测性能的主要因素,特别是匹配极化散射分量和交叉极化散射分量间的相关性。此外,全极化体制和单极化体制的检测性能比混合极化体制稳健。 针对全极化、混合极化和单极化3种典型体制的极化分集雷达(PDR)系统,该文分析了目标极化散射特性对系统检测性能的影响。基于目标极化散射统计模型和雷达接收电压方程,分别推导了3种体制下的目标回波向量的统计特性。在高斯背景下,设计了奈曼-皮尔逊准则下的最优极化分集多通道融合检测算法,并推导了虚警概率和检测概率的闭式表达式。仿真结果表明,当系统信噪比(SNR)一定时,目标极化散射分量间的相关性是影响系统检测性能的主要因素,特别是匹配极化散射分量和交叉极化散射分量间的相关性。此外,全极化体制和单极化体制的检测性能比混合极化体制稳健。
该文提出了一种基于光子辅助去调频接收技术的双波段线性调频连续波雷达方案,该双波段雷达接收机基于平行架构光子混频器,能够利用同一套硬件设备同时接收双波段雷达的回波信号。接收机中使用一个双偏振正交相移键控(DP-QPSK)调制器,工作中将双波段雷达的两组参考信号和回波信号通过DP-QPSK调制器调制到正交偏振的光载波上,调制后的双带光回波和参考信号经过放大和滤波后,输入到偏振解复用相干接收机中进行光子辅助去调频处理。在发射机端,对于具有更高频率和带宽的发射信号,采用包含延时功能的光子倍频信号产生技术,产生参考信号与发射信号的同时,将发射信号延时,使得在接收机端对相同距离目标的双带回波信号去调频得到的中频信号可在频域分离。实验中通过逆合成孔径雷达成像实验评估了该双波段雷达系统的性能,该双波段雷达系统工作在C波段和Ku波段,发射信号带宽分别为1 GHz和2 GHz,接收机模拟-数字转换器的采样率为100 MSa/s。实验结果证明微波光子技术能为双波段线性调频连续波雷达提供有效的实现方案。 该文提出了一种基于光子辅助去调频接收技术的双波段线性调频连续波雷达方案,该双波段雷达接收机基于平行架构光子混频器,能够利用同一套硬件设备同时接收双波段雷达的回波信号。接收机中使用一个双偏振正交相移键控(DP-QPSK)调制器,工作中将双波段雷达的两组参考信号和回波信号通过DP-QPSK调制器调制到正交偏振的光载波上,调制后的双带光回波和参考信号经过放大和滤波后,输入到偏振解复用相干接收机中进行光子辅助去调频处理。在发射机端,对于具有更高频率和带宽的发射信号,采用包含延时功能的光子倍频信号产生技术,产生参考信号与发射信号的同时,将发射信号延时,使得在接收机端对相同距离目标的双带回波信号去调频得到的中频信号可在频域分离。实验中通过逆合成孔径雷达成像实验评估了该双波段雷达系统的性能,该双波段雷达系统工作在C波段和Ku波段,发射信号带宽分别为1 GHz和2 GHz,接收机模拟-数字转换器的采样率为100 MSa/s。实验结果证明微波光子技术能为双波段线性调频连续波雷达提供有效的实现方案。
近年来,极化合成孔径雷达(PolSAR)图像地物分类得到了深入研究。传统的PolSAR图像地物分类方法采用的特征往往需要针对具体问题进行设计,特征表征性不强。因此,该文提出一种基于卷积神经网络(CNN)和条件随机场(CRF)模型的PolSAR图像地物分类方法。利用预训练好的实现图像分类任务的卷积神经网络模型(VGG-Net-16)提取表征能力更强的图像特征,再通过CRF模型对多特征及上下文信息的有效利用来实现图像的地物分类。实验结果表明,与3种利用传统经典特征的方法相比,该方法能够提取更有效的特征,取得了更高的总体分类精度和Kappa系数。 近年来,极化合成孔径雷达(PolSAR)图像地物分类得到了深入研究。传统的PolSAR图像地物分类方法采用的特征往往需要针对具体问题进行设计,特征表征性不强。因此,该文提出一种基于卷积神经网络(CNN)和条件随机场(CRF)模型的PolSAR图像地物分类方法。利用预训练好的实现图像分类任务的卷积神经网络模型(VGG-Net-16)提取表征能力更强的图像特征,再通过CRF模型对多特征及上下文信息的有效利用来实现图像的地物分类。实验结果表明,与3种利用传统经典特征的方法相比,该方法能够提取更有效的特征,取得了更高的总体分类精度和Kappa系数。
该文针对极化SAR图像分类中只有少量标记样本的问题,提出了一种基于邻域最小生成树的半监督极化SAR图像分类方法。该方法针对极化SAR图像以像素为分类对象的特点,结合自训练方法的思想,利用极化SAR图像像素点的空间信息,提出了基于邻域最小生成树辅助学习的样本选择策略,增加自训练过程中被选择无标记样本的可靠性,扩充标记样本数量,训练更好的分类器。最终用训练好的分类器对极化SAR图像进行测试。对3组真实的极化SAR图像进行测试,实验结果表明,该方法在只有少量标记样本的情况下能获得满意的分类结果,且分类正确率明显优于传统的分类算法。 该文针对极化SAR图像分类中只有少量标记样本的问题,提出了一种基于邻域最小生成树的半监督极化SAR图像分类方法。该方法针对极化SAR图像以像素为分类对象的特点,结合自训练方法的思想,利用极化SAR图像像素点的空间信息,提出了基于邻域最小生成树辅助学习的样本选择策略,增加自训练过程中被选择无标记样本的可靠性,扩充标记样本数量,训练更好的分类器。最终用训练好的分类器对极化SAR图像进行测试。对3组真实的极化SAR图像进行测试,实验结果表明,该方法在只有少量标记样本的情况下能获得满意的分类结果,且分类正确率明显优于传统的分类算法。
组网雷达系统(NRS)由于其稳健的性能优势,在近年来受到了广泛关注。目前,组网雷达系统在进行目标探测时常采用先检测后跟踪(DBT)算法,即在每个时刻先对接收到的回波数据进行单帧门限检测,得到疑似目标的点迹集合,然后上传这些点迹或由这些点迹跟踪得到的航迹估计到融合中心做进一步处理,最终得到全局估计结果。然而,当信噪比(SNR)比较低时,目标往往很难通过单帧门限检测,最终导致目标漏检、航迹起批难,无法有效发挥组网雷达系统优势。针对这一问题,该文提出了一种组网雷达多帧检测前跟踪(MF-TBD)算法。该方法首先在本地节点进行多帧检测前跟踪,然后传递检测得到的点迹序列到融合中心进行融合。该方法一方面利用了组网雷达系统平台优势;另一方面不同于常规先检测后跟踪技术,多帧检测前跟踪能够利用目标空时相关性积累目标能量,改善弱小目标检测性能;因此其可以有效提高系统对目标的检测性能。但是,多帧检测前跟踪输出结果和先检测后跟踪算法不同,导致现有融合方法不适用。针对这一问题,该文首先理论推导了点迹序列的融合方法,然后结合实际雷达模型给出了算法实现流程,最后提出了算法的粒子滤波实现方式并通过仿真实验验证了算法的性能。仿真结果证明该文提出的方法相比于先检测后跟踪算法,有4~6 dB的检测性能增益;相比于常规单传感器多帧检测前跟踪算法,航迹跟踪精度有50%左右的提升。 组网雷达系统(NRS)由于其稳健的性能优势,在近年来受到了广泛关注。目前,组网雷达系统在进行目标探测时常采用先检测后跟踪(DBT)算法,即在每个时刻先对接收到的回波数据进行单帧门限检测,得到疑似目标的点迹集合,然后上传这些点迹或由这些点迹跟踪得到的航迹估计到融合中心做进一步处理,最终得到全局估计结果。然而,当信噪比(SNR)比较低时,目标往往很难通过单帧门限检测,最终导致目标漏检、航迹起批难,无法有效发挥组网雷达系统优势。针对这一问题,该文提出了一种组网雷达多帧检测前跟踪(MF-TBD)算法。该方法首先在本地节点进行多帧检测前跟踪,然后传递检测得到的点迹序列到融合中心进行融合。该方法一方面利用了组网雷达系统平台优势;另一方面不同于常规先检测后跟踪技术,多帧检测前跟踪能够利用目标空时相关性积累目标能量,改善弱小目标检测性能;因此其可以有效提高系统对目标的检测性能。但是,多帧检测前跟踪输出结果和先检测后跟踪算法不同,导致现有融合方法不适用。针对这一问题,该文首先理论推导了点迹序列的融合方法,然后结合实际雷达模型给出了算法实现流程,最后提出了算法的粒子滤波实现方式并通过仿真实验验证了算法的性能。仿真结果证明该文提出的方法相比于先检测后跟踪算法,有4~6 dB的检测性能增益;相比于常规单传感器多帧检测前跟踪算法,航迹跟踪精度有50%左右的提升。
探地雷达是一种被广泛使用的无损检测技术。利用探地雷达对分层媒质进行全波反演时,构建精确的探地雷达正演模型具有十分重要的意义。该文提出一种可用于准单站配置的步进频探地雷达的建模方法。在该模型中,探地雷达系统及其与分层媒质间的相互作用被表示成线性方程,天线对雷达信号的影响被表示为只与频率有关的传输函数。为验证模型准确性,该文在实验室条件下搭建了准单站配置的步进频探地雷达系统,并对已知厚度的石膏板和木板的雷达测量信号进行全波反演。反演结果表明:石膏板和木板的厚度估计误差均不超过0.3 mm,验证了所提出的正演模型具有高准确度。利用石膏板和木板搭建分层模型,该文进一步比较了准单站配置和单站配置步进频探地雷达系统对介电常数差异较小的分层媒质的反演性能。实验结果表明:准单站配置探地雷达能获得更精确的反演参数。通过对分界面反射信号的信噪比估计可知,准单站配置比单站配置探地雷达系统能获得高出约10 dB的信噪比,因此具有更好的反演性能。 探地雷达是一种被广泛使用的无损检测技术。利用探地雷达对分层媒质进行全波反演时,构建精确的探地雷达正演模型具有十分重要的意义。该文提出一种可用于准单站配置的步进频探地雷达的建模方法。在该模型中,探地雷达系统及其与分层媒质间的相互作用被表示成线性方程,天线对雷达信号的影响被表示为只与频率有关的传输函数。为验证模型准确性,该文在实验室条件下搭建了准单站配置的步进频探地雷达系统,并对已知厚度的石膏板和木板的雷达测量信号进行全波反演。反演结果表明:石膏板和木板的厚度估计误差均不超过0.3 mm,验证了所提出的正演模型具有高准确度。利用石膏板和木板搭建分层模型,该文进一步比较了准单站配置和单站配置步进频探地雷达系统对介电常数差异较小的分层媒质的反演性能。实验结果表明:准单站配置探地雷达能获得更精确的反演参数。通过对分界面反射信号的信噪比估计可知,准单站配置比单站配置探地雷达系统能获得高出约10 dB的信噪比,因此具有更好的反演性能。
海洋涡旋对海洋热循环起着关键作用,是海洋科学研究中的一个重要分支。合成孔径雷达(Synthetic Aperture Radar, SAR)为海洋涡旋的观测和研究提供了大量的图像数据,但是涡旋在SAR成像时会受到各种海洋环境因素的影响,难以解译涡旋SAR图像特征。仿真SAR图像可以用于研究涡旋的特征,但是目前极少有关于涡旋SAR图像仿真方法的研究。为了更好地解译SAR图像中的涡旋特征,该文提出了一种涡旋SAR图像仿真方法。首先,基于流体力学中典型的Burgers-Rott涡旋模型,建立涡旋2维表面流场;然后,利用SAR海洋成像仿真模型,仿真给定涡旋2维流场、海面风场以及雷达系统参数下的涡旋SAR图像。该文针对气旋式涡旋与反气旋式涡旋进行了仿真实验,并建立了仿真涡旋SAR图像的相似度评价标准。实验结果表明,仿真的涡旋SAR图像与真实星载涡旋SAR图像能够较好地吻合,验证了方法的有效性。 海洋涡旋对海洋热循环起着关键作用,是海洋科学研究中的一个重要分支。合成孔径雷达(Synthetic Aperture Radar, SAR)为海洋涡旋的观测和研究提供了大量的图像数据,但是涡旋在SAR成像时会受到各种海洋环境因素的影响,难以解译涡旋SAR图像特征。仿真SAR图像可以用于研究涡旋的特征,但是目前极少有关于涡旋SAR图像仿真方法的研究。为了更好地解译SAR图像中的涡旋特征,该文提出了一种涡旋SAR图像仿真方法。首先,基于流体力学中典型的Burgers-Rott涡旋模型,建立涡旋2维表面流场;然后,利用SAR海洋成像仿真模型,仿真给定涡旋2维流场、海面风场以及雷达系统参数下的涡旋SAR图像。该文针对气旋式涡旋与反气旋式涡旋进行了仿真实验,并建立了仿真涡旋SAR图像的相似度评价标准。实验结果表明,仿真的涡旋SAR图像与真实星载涡旋SAR图像能够较好地吻合,验证了方法的有效性。
调频连续波逆合成孔径雷达(FMCW-ISAR)具有造价低、功耗低和重量轻的优点,因此被广泛用于对各类目标成像。FMCW信号可以看作是占空比为1的脉冲信号,其脉冲宽度相对较长,在此期间内目标的运动常常不可忽略。此时,利用传统的“走-停”模式和距离-多普勒(R-D)算法得到的ISAR像将出现距离-方位2维的模糊,导致图像分辨率下降。该文针对FMCW-ISAR对舰船目标实测数据成像时出现的模糊现象进行了研究,首先建立目标的运动模型,并分析目标在调频周期内的运动分量对距离压缩结果和最终成像结果的影响,最后提出相应的脉内补偿方法以改善图像分辨率。对比补偿前后对仿真模型与实测数据的成像结果,该文所提出的脉内补偿方法能够有效抑制1维距离像的展宽,提高FMCW-ISAR的成像质量。 调频连续波逆合成孔径雷达(FMCW-ISAR)具有造价低、功耗低和重量轻的优点,因此被广泛用于对各类目标成像。FMCW信号可以看作是占空比为1的脉冲信号,其脉冲宽度相对较长,在此期间内目标的运动常常不可忽略。此时,利用传统的“走-停”模式和距离-多普勒(R-D)算法得到的ISAR像将出现距离-方位2维的模糊,导致图像分辨率下降。该文针对FMCW-ISAR对舰船目标实测数据成像时出现的模糊现象进行了研究,首先建立目标的运动模型,并分析目标在调频周期内的运动分量对距离压缩结果和最终成像结果的影响,最后提出相应的脉内补偿方法以改善图像分辨率。对比补偿前后对仿真模型与实测数据的成像结果,该文所提出的脉内补偿方法能够有效抑制1维距离像的展宽,提高FMCW-ISAR的成像质量。
在杂波背景条件下,现有的基于概率假设密度(PHD)滤波的粒子滤波检测前跟踪(TBD)算法,存在对密集多目标数目估计不准,使用粒子数目较多会造成维数灾难的问题。因此,该文引入两层粒子的概念,将基于平行分割(PP)理论的辅助粒子滤波(APF)应用于基于概率假设密度的检测前跟踪 (PHD-TBD)算法中,提出基于概率假设密度滤波的平行分割辅助粒子滤波检测前跟踪(APP-PF-PHD-TBD)算法以提高目标数目及状态估计精度。仿真实验证明,相对于现有基于PHD的粒子滤波检测前跟踪算法,该算法在目标数目和状态估计精度上具有显著的性能优势,在密集目标场景下,优势尤为突出。最后,利用导航雷达实测所得海杂波背景数据证明,该算法在应用中性能更加优异。 在杂波背景条件下,现有的基于概率假设密度(PHD)滤波的粒子滤波检测前跟踪(TBD)算法,存在对密集多目标数目估计不准,使用粒子数目较多会造成维数灾难的问题。因此,该文引入两层粒子的概念,将基于平行分割(PP)理论的辅助粒子滤波(APF)应用于基于概率假设密度的检测前跟踪 (PHD-TBD)算法中,提出基于概率假设密度滤波的平行分割辅助粒子滤波检测前跟踪(APP-PF-PHD-TBD)算法以提高目标数目及状态估计精度。仿真实验证明,相对于现有基于PHD的粒子滤波检测前跟踪算法,该算法在目标数目和状态估计精度上具有显著的性能优势,在密集目标场景下,优势尤为突出。最后,利用导航雷达实测所得海杂波背景数据证明,该算法在应用中性能更加优异。