全文下载排行

1
雷达通过发射天线发射电磁波,经过不同物体反射接收到相应的反射波,对其接收结果进行分析,能得到物体距雷达的位置,径向运动速度等信息,所以对雷达信号的分析具有重要的研究意义。近些年深度学习成为各个领域的研究热点,而在雷达领域同样可通过深度学习算法实现对信号的相应的信息处理。与传统方法相比,深度学习算法具有自动提取深层特征、获取较高准确率等优势。该文具体介绍了近期典型的深度学习算法在雷达信号处理中的应用及研究情况。此外,该文介绍了两个在雷达领域中应用深度学习亟待解决的问题,即过拟合和可解译性。 雷达通过发射天线发射电磁波,经过不同物体反射接收到相应的反射波,对其接收结果进行分析,能得到物体距雷达的位置,径向运动速度等信息,所以对雷达信号的分析具有重要的研究意义。近些年深度学习成为各个领域的研究热点,而在雷达领域同样可通过深度学习算法实现对信号的相应的信息处理。与传统方法相比,深度学习算法具有自动提取深层特征、获取较高准确率等优势。该文具体介绍了近期典型的深度学习算法在雷达信号处理中的应用及研究情况。此外,该文介绍了两个在雷达领域中应用深度学习亟待解决的问题,即过拟合和可解译性。
2
在复杂海洋环境条件下,海上目标探测性能受海杂波的影响很大。海杂波影响因素众多,机理复杂,特征描述和抑制难度大,需要开展长期、系统、持续、深入研究。开展海杂波测量试验并获取不同参数影响下的测量数据,是有效支撑该研究的重要前提。该文重点围绕海杂波测量试验情况,从岸基试验和机载试验两个方面,对加拿大、南非、澳大利亚、美国、西班牙、德国等国家开展的典型外场试验进行了归类梳理和总结,回顾了美国和日本开展的造浪池海杂波测量试验,并简要介绍了国内开展的海杂波测量试验和烟台的海上目标探测试验中心建设情况。最后,对后续试验仍需重点关注的方向做了展望,包括系统性、持续性的海杂波测量试验仍需进一步开展,任务背景牵引的海杂波测量试验及数据分析仍需强化,面向智能雷达应用的海杂波和目标回波数据集亟需构建。 在复杂海洋环境条件下,海上目标探测性能受海杂波的影响很大。海杂波影响因素众多,机理复杂,特征描述和抑制难度大,需要开展长期、系统、持续、深入研究。开展海杂波测量试验并获取不同参数影响下的测量数据,是有效支撑该研究的重要前提。该文重点围绕海杂波测量试验情况,从岸基试验和机载试验两个方面,对加拿大、南非、澳大利亚、美国、西班牙、德国等国家开展的典型外场试验进行了归类梳理和总结,回顾了美国和日本开展的造浪池海杂波测量试验,并简要介绍了国内开展的海杂波测量试验和烟台的海上目标探测试验中心建设情况。最后,对后续试验仍需重点关注的方向做了展望,包括系统性、持续性的海杂波测量试验仍需进一步开展,任务背景牵引的海杂波测量试验及数据分析仍需强化,面向智能雷达应用的海杂波和目标回波数据集亟需构建。
3
该文探讨了相控阵雷达的发展需求,提出了基于微波光子技术的新型相控阵的架构形式和技术路线。针对其工程实现,凝练了当前所面临的主要科学问题和重大技术挑战,并对未来的研究工作和该领域的发展进行了展望。 该文探讨了相控阵雷达的发展需求,提出了基于微波光子技术的新型相控阵的架构形式和技术路线。针对其工程实现,凝练了当前所面临的主要科学问题和重大技术挑战,并对未来的研究工作和该领域的发展进行了展望。
4
针对大场景遥感图像舰船目标的快速检测问题,该文设计了一种级联型卷积神经网络检测框架。该检测框架由目标预筛选全卷积网络(P-FCN)和目标精确检测全卷积网络(D-FCN)两个全卷积网络级联而成。P-FCN是一个轻量级的图像分类网络,负责对大场景图像中可能的舰船区域进行快速预筛选,其层数少、训练简单,候选框冗余较少,能够减少后续网络的计算负担;D-FCN是一个改进的U-Net网络,通过在传统U-Net结构中加入目标掩膜和舰船朝向估计层以进行多任务的学习,实现任意朝向舰船目标的精细定位。该文分别使用TerraSAR-X雷达遥感图像和从91卫图、DOTA数据集中获得的光学遥感图像对算法进行了测试,结果表明该方法的检测准确率分别为0.928和0.926,与传统滑窗法相当,但目标检测时间仅为滑窗法的1/3左右。该文所提的级联型卷积神经网络检测框架在保持检测精度的前提下能显著提高目标检测效率,可实现大场景遥感图像中舰船目标的快速检测。 针对大场景遥感图像舰船目标的快速检测问题,该文设计了一种级联型卷积神经网络检测框架。该检测框架由目标预筛选全卷积网络(P-FCN)和目标精确检测全卷积网络(D-FCN)两个全卷积网络级联而成。P-FCN是一个轻量级的图像分类网络,负责对大场景图像中可能的舰船区域进行快速预筛选,其层数少、训练简单,候选框冗余较少,能够减少后续网络的计算负担;D-FCN是一个改进的U-Net网络,通过在传统U-Net结构中加入目标掩膜和舰船朝向估计层以进行多任务的学习,实现任意朝向舰船目标的精细定位。该文分别使用TerraSAR-X雷达遥感图像和从91卫图、DOTA数据集中获得的光学遥感图像对算法进行了测试,结果表明该方法的检测准确率分别为0.928和0.926,与传统滑窗法相当,但目标检测时间仅为滑窗法的1/3左右。该文所提的级联型卷积神经网络检测框架在保持检测精度的前提下能显著提高目标检测效率,可实现大场景遥感图像中舰船目标的快速检测。
5
该文提出了基于脉冲组合编码的雷达探测模式,建立了脉冲编码雷达的基本概念和理论模型。利用多脉冲组合及其时间、频率、相位参量的调制,实现脉冲信号在时间域、频率域、或者时频域结合的编码,为解决传统的脉冲及连续波雷达系统参数相互耦合约束、及其对雷达性能的限制问题,提供了基于多脉冲组合探测的新方法及理论基础。该文着重介绍了多脉冲组合探测的编码、目标信号恢复方法,以及结合研制的合成孔径雷达开展的编码方法、性能评估等实验研究。研究及实验表明,通过采用分频带脉冲编码方法,可使雷达信号采样率突破奈奎斯特采样定理限制,降低系统的实现难度,实验系统中实现了4.8 GHz采样率对5 GHz带宽信号的采样及无失真恢复,成像分辨率达到0.03×0.03 m;通过采用增加占空比的时域脉冲编码方法,实现了信噪比改善超过20 dB的大幅度提高;通过针对合成孔径雷达的成像特性进行2维编码,去除了信号模糊问题,实现了成像幅宽超过90 km等先进性能指标。理论及实验结果验证了脉冲编码方法在提高雷达核心性能方面的显著优势,为高性能雷达系统的实现建立了新的技术途径。 该文提出了基于脉冲组合编码的雷达探测模式,建立了脉冲编码雷达的基本概念和理论模型。利用多脉冲组合及其时间、频率、相位参量的调制,实现脉冲信号在时间域、频率域、或者时频域结合的编码,为解决传统的脉冲及连续波雷达系统参数相互耦合约束、及其对雷达性能的限制问题,提供了基于多脉冲组合探测的新方法及理论基础。该文着重介绍了多脉冲组合探测的编码、目标信号恢复方法,以及结合研制的合成孔径雷达开展的编码方法、性能评估等实验研究。研究及实验表明,通过采用分频带脉冲编码方法,可使雷达信号采样率突破奈奎斯特采样定理限制,降低系统的实现难度,实验系统中实现了4.8 GHz采样率对5 GHz带宽信号的采样及无失真恢复,成像分辨率达到0.03×0.03 m;通过采用增加占空比的时域脉冲编码方法,实现了信噪比改善超过20 dB的大幅度提高;通过针对合成孔径雷达的成像特性进行2维编码,去除了信号模糊问题,实现了成像幅宽超过90 km等先进性能指标。理论及实验结果验证了脉冲编码方法在提高雷达核心性能方面的显著优势,为高性能雷达系统的实现建立了新的技术途径。
6
分布式相参孔径雷达(DCAR)是利用多个空间分离的天线孔径,向同一区域辐射信号,实现空间电磁波相参合成的雷达系统,具有系统灵活、探测分辨力高、威力大、成本低等优势。结合微波光子技术在宽带信号产生、传输、处理等多方面的优势,可以使DCAR的性能得以充分发挥。该文介绍了清华大学在基于微波光子原理的高分辨DCAR方面的成果,借助微波光子技术,在接收相参模式下,产生了8.5~11.5 GHz, 0.5 Gbps编码速率的宽带正交调相线性调频波,距离分辨率优于0.05 m、正交性接近30 dB。在全相参模式下,发射波形可灵活切换为宽带相参线性调频波,实现全相参合成。系统产生的波形能满足DCAR各个工作模式的波形需求。实验中,在两部雷达的参与下,通过全相参合成,获得了8.3 dB的信噪比增益。 分布式相参孔径雷达(DCAR)是利用多个空间分离的天线孔径,向同一区域辐射信号,实现空间电磁波相参合成的雷达系统,具有系统灵活、探测分辨力高、威力大、成本低等优势。结合微波光子技术在宽带信号产生、传输、处理等多方面的优势,可以使DCAR的性能得以充分发挥。该文介绍了清华大学在基于微波光子原理的高分辨DCAR方面的成果,借助微波光子技术,在接收相参模式下,产生了8.5~11.5 GHz, 0.5 Gbps编码速率的宽带正交调相线性调频波,距离分辨率优于0.05 m、正交性接近30 dB。在全相参模式下,发射波形可灵活切换为宽带相参线性调频波,实现全相参合成。系统产生的波形能满足DCAR各个工作模式的波形需求。实验中,在两部雷达的参与下,通过全相参合成,获得了8.3 dB的信噪比增益。
7
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。
8
微波光子集成芯片技术是微波光子雷达的重要支撑技术,不仅可以实现器件的多功能化,缩小微波光子雷达的体积,还可以大大提升微波光子雷达的稳定性与可靠性。该文介绍了目前常用的InP基、Si基和铌酸锂基等材料体系及其异质异构集成的光子集成芯片技术和可用于微波光子混合集成的光电集成芯片技术,并展望了未来发展趋势。 微波光子集成芯片技术是微波光子雷达的重要支撑技术,不仅可以实现器件的多功能化,缩小微波光子雷达的体积,还可以大大提升微波光子雷达的稳定性与可靠性。该文介绍了目前常用的InP基、Si基和铌酸锂基等材料体系及其异质异构集成的光子集成芯片技术和可用于微波光子混合集成的光电集成芯片技术,并展望了未来发展趋势。
9
机载多功能海上监视雷达系统作为机载平台对海探测的主要任务载荷,具有全天候、全天时、探测范围广和工作环境复杂多变等特点,是极具应用前景的一种广域海上监视雷达系统,在海上作战体系中占有重要地位。该文根据多功能海上监视雷达的系统特点及优势,对系统设计中的雷达体制选择、工作参数选择和工作模式设计等进行了论述,并对影响其关键性能的强海杂波中慢速目标检测、跟踪和目标识别问题以及解决问题的技术途径进行了分析。 机载多功能海上监视雷达系统作为机载平台对海探测的主要任务载荷,具有全天候、全天时、探测范围广和工作环境复杂多变等特点,是极具应用前景的一种广域海上监视雷达系统,在海上作战体系中占有重要地位。该文根据多功能海上监视雷达的系统特点及优势,对系统设计中的雷达体制选择、工作参数选择和工作模式设计等进行了论述,并对影响其关键性能的强海杂波中慢速目标检测、跟踪和目标识别问题以及解决问题的技术途径进行了分析。
10
该文利用深度学习的高维特征泛化学习能力,将卷积神经网络(CNN)用于海上目标微多普勒的检测和分类。首先,在海面微动目标模型的基础上,在实测海杂波背景中分别构建4种类型微动信号的2维时频图,并作为训练和测试数据集;然后,分别采用LeNet, AlexNet和GoogLeNet 3种CNN模型进行二元检测和多种微动类型分类,并进行比较,研究信杂比对检测和分类性能的影响。最后,与传统的支持向量机方法进行比较,结果表明,所提方法能够智能学习微动特征,具有更好的检测和分类性能,可为杂波背景下的雷达动目标检测和识别提供新的技术途径。 该文利用深度学习的高维特征泛化学习能力,将卷积神经网络(CNN)用于海上目标微多普勒的检测和分类。首先,在海面微动目标模型的基础上,在实测海杂波背景中分别构建4种类型微动信号的2维时频图,并作为训练和测试数据集;然后,分别采用LeNet, AlexNet和GoogLeNet 3种CNN模型进行二元检测和多种微动类型分类,并进行比较,研究信杂比对检测和分类性能的影响。最后,与传统的支持向量机方法进行比较,结果表明,所提方法能够智能学习微动特征,具有更好的检测和分类性能,可为杂波背景下的雷达动目标检测和识别提供新的技术途径。
11
常规SAR成像,平台沿直线飞行,形成直线型合成孔径,仅能获取2维图像,即3维空间中的观测场景在斜距-方位平面的2维投影,图像具有叠掩、透视缩短、阴影等畸变现象。SAR 3维成像突破了斜距-方位2维频率信息获取,能够获取第3维频率信息,实现3维分辨,可获得观测场景的散射中心在3维空间中的分布,从而解决叠掩问题,消除透视缩短、顶底倒置等几何形变现象,更直观地描述客观场景,已成为国际研究热点。该文介绍SAR 3维成像的概念和主要观测模式,分析该领域国内外研究现状和进展,重点阐述作者所在研究团队的SAR 3维成像研究进展,最后对SAR 3维成像技术进行总结和展望。 常规SAR成像,平台沿直线飞行,形成直线型合成孔径,仅能获取2维图像,即3维空间中的观测场景在斜距-方位平面的2维投影,图像具有叠掩、透视缩短、阴影等畸变现象。SAR 3维成像突破了斜距-方位2维频率信息获取,能够获取第3维频率信息,实现3维分辨,可获得观测场景的散射中心在3维空间中的分布,从而解决叠掩问题,消除透视缩短、顶底倒置等几何形变现象,更直观地描述客观场景,已成为国际研究热点。该文介绍SAR 3维成像的概念和主要观测模式,分析该领域国内外研究现状和进展,重点阐述作者所在研究团队的SAR 3维成像研究进展,最后对SAR 3维成像技术进行总结和展望。
12
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。
13
针对运动误差空变对实现微波光子雷达超高分辨SAR成像的影响,该文提出了一种基于空变运动误差分析的超高分辨成像方法。首先通过解析求解获得中心波束平面补偿下的剩余空变误差表达式,提出了运动误差空变影响判定准则。接着针对微波光子SAR系统条件的不同判定结果,提出相应的成像流程。最后对所提判定准则与成像方法进行点仿真验证,并对录取的车载10 GHz微波光子超高分辨SAR实测数据进行分析与成像处理,实验结果表明所提方法的有效性。 针对运动误差空变对实现微波光子雷达超高分辨SAR成像的影响,该文提出了一种基于空变运动误差分析的超高分辨成像方法。首先通过解析求解获得中心波束平面补偿下的剩余空变误差表达式,提出了运动误差空变影响判定准则。接着针对微波光子SAR系统条件的不同判定结果,提出相应的成像流程。最后对所提判定准则与成像方法进行点仿真验证,并对录取的车载10 GHz微波光子超高分辨SAR实测数据进行分析与成像处理,实验结果表明所提方法的有效性。
14
深度卷积网络等深度学习算法变革了计算机视觉领域,在多种应用上的效果都超过了以往传统图像处理算法。该文简要回顾了将深度学习应用在SAR图像目标识别与地物分类中的工作。利用深度卷积网络从SAR图像中自动学习多层的特征表征,再利用学习到的特征进行目标检测与目标分类。将深度卷积网络应用于SAR目标分类数据集MSTAR上,10类目标平均分类精度达到了99%。针对带相位的极化SAR图像,该文提出了复数深度卷积网络,将该算法应用于全极化SAR图像地物分类,Flevoland 15类地物平均分类精度达到了95%。 深度卷积网络等深度学习算法变革了计算机视觉领域,在多种应用上的效果都超过了以往传统图像处理算法。该文简要回顾了将深度学习应用在SAR图像目标识别与地物分类中的工作。利用深度卷积网络从SAR图像中自动学习多层的特征表征,再利用学习到的特征进行目标检测与目标分类。将深度卷积网络应用于SAR目标分类数据集MSTAR上,10类目标平均分类精度达到了99%。针对带相位的极化SAR图像,该文提出了复数深度卷积网络,将该算法应用于全极化SAR图像地物分类,Flevoland 15类地物平均分类精度达到了95%。
15
3维随机粗糙海面与其上方复杂目标复合电磁(EM)散射特性的建模与分析在微波遥感、目标识别、雷达成像、导弹制导等领域中有着重要的研究价值。该文主要研究了基于高频算法的随机粗糙海面及舰船的复合电磁散射特性,开发了PO-IPO混合方法,为3维随机粗糙海面与复杂目标一体化高效求解提供了新思路。文中分别使用了物理光学方法(PO)、迭代物理光学方法(IPO)、PO-PO以及PO-IPO混合方法对海面及舰船进行了建模与仿真,其中,引入锥形波来代替平面波作为发射源,锥形波可以更好地抑制粗糙面在边缘位置被突然截断而形成的电磁反射和边缘绕射等效应。从数值仿真结果中可以看出,PO-IPO混合方法可将复杂物体本身面元间以及粗糙海面与物体间的耦合作用考虑在内,因此PO-IPO可以作为一种有效的途径来快速获取随机粗糙海面及舰船的复合电磁散射特性。 3维随机粗糙海面与其上方复杂目标复合电磁(EM)散射特性的建模与分析在微波遥感、目标识别、雷达成像、导弹制导等领域中有着重要的研究价值。该文主要研究了基于高频算法的随机粗糙海面及舰船的复合电磁散射特性,开发了PO-IPO混合方法,为3维随机粗糙海面与复杂目标一体化高效求解提供了新思路。文中分别使用了物理光学方法(PO)、迭代物理光学方法(IPO)、PO-PO以及PO-IPO混合方法对海面及舰船进行了建模与仿真,其中,引入锥形波来代替平面波作为发射源,锥形波可以更好地抑制粗糙面在边缘位置被突然截断而形成的电磁反射和边缘绕射等效应。从数值仿真结果中可以看出,PO-IPO混合方法可将复杂物体本身面元间以及粗糙海面与物体间的耦合作用考虑在内,因此PO-IPO可以作为一种有效的途径来快速获取随机粗糙海面及舰船的复合电磁散射特性。
16
海面目标不仅影响其位置处波浪运动,还会影响其周围的水域,其雷达回波信号分布于多个相邻的距离单元,所以目标回波信号表现出明显的空域相关性。该文根据海面目标信号的空间相关性提出了一种基于空域联合时频分解的海面微弱目标检测方法。该文提出的一种两信号互S-方法将相邻两个距离单元的回波信号变换到时频域,再利用互维格纳-威尔逆变换实现两距离单元信号的联合时频分解,最后根据分解分量的联合时频聚集性实现目标检测。实测X波段雷达海面回波的处理结果表明该文方法能够较精确地从海面回波中检测出微弱目标,并且能够显示目标的瞬时运动特性。 海面目标不仅影响其位置处波浪运动,还会影响其周围的水域,其雷达回波信号分布于多个相邻的距离单元,所以目标回波信号表现出明显的空域相关性。该文根据海面目标信号的空间相关性提出了一种基于空域联合时频分解的海面微弱目标检测方法。该文提出的一种两信号互S-方法将相邻两个距离单元的回波信号变换到时频域,再利用互维格纳-威尔逆变换实现两距离单元信号的联合时频分解,最后根据分解分量的联合时频聚集性实现目标检测。实测X波段雷达海面回波的处理结果表明该文方法能够较精确地从海面回波中检测出微弱目标,并且能够显示目标的瞬时运动特性。
17
该文提出一种新的基于微波光子I/Q去斜接收的宽带线性调频雷达成像系统方案。发射机利用微波光子倍频技术产生宽带线性调频信号,接收机利用偏分复用-双驱动马赫曾德尔调制器,将回波信号同时输入到两个不同偏振态的调制器上,并通过调节对应调制器的偏置电压在两偏振态之间引入90°相位差,从而实现微波光子I/Q去斜接收。此雷达在具备实时高分辨探测能力的同时,能区分参考点两侧的目标,解决了现有微波光子雷达接收机采用光子混频去斜接收中受镜频干扰导致距离向模糊的问题。该文首先论证了采用I/Q去斜接收的必要性,随后介绍了所提出的微波光子雷达结构与原理,最后开展了目标探测与逆合成孔径雷达成像的实验研究。该雷达工作在K波段,带宽为8 GHz。结果表明该系统可以有效解决镜频干扰引起的距离向模糊。 该文提出一种新的基于微波光子I/Q去斜接收的宽带线性调频雷达成像系统方案。发射机利用微波光子倍频技术产生宽带线性调频信号,接收机利用偏分复用-双驱动马赫曾德尔调制器,将回波信号同时输入到两个不同偏振态的调制器上,并通过调节对应调制器的偏置电压在两偏振态之间引入90°相位差,从而实现微波光子I/Q去斜接收。此雷达在具备实时高分辨探测能力的同时,能区分参考点两侧的目标,解决了现有微波光子雷达接收机采用光子混频去斜接收中受镜频干扰导致距离向模糊的问题。该文首先论证了采用I/Q去斜接收的必要性,随后介绍了所提出的微波光子雷达结构与原理,最后开展了目标探测与逆合成孔径雷达成像的实验研究。该雷达工作在K波段,带宽为8 GHz。结果表明该系统可以有效解决镜频干扰引起的距离向模糊。
18
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。
19
微动目标的雷达特征提取、成像与识别技术是雷达目标精确识别领域极具发展潜力的研究方向之一。该文首先简要阐述了微动的相关概念,然后综述了近年来微动目标回波建模、微动特征提取、微动目标成像以及基于微动特征的雷达目标分类与识别等方面的研究现状,并介绍了几种典型前沿应用,最后对微动目标雷达特征提取、成像与识别的研究发展趋势进行了展望。 微动目标的雷达特征提取、成像与识别技术是雷达目标精确识别领域极具发展潜力的研究方向之一。该文首先简要阐述了微动的相关概念,然后综述了近年来微动目标回波建模、微动特征提取、微动目标成像以及基于微动特征的雷达目标分类与识别等方面的研究现状,并介绍了几种典型前沿应用,最后对微动目标雷达特征提取、成像与识别的研究发展趋势进行了展望。
20
该文研究了基于光波分复用网络的分布式多目标定位系统,引入混沌光电振荡器实现宽带正交波形产生,引入光波分复用网络将分布式发射和接收单元的宽带信号传输回中心站进行信号处理,基于TOA (Time Of Arrival, 到达时间)定位方法实现对多目标的精确定位。多个光载波在中心站产生,中心站的资源可支撑复杂的高精度目标定位算法,远端发射和接收单元结构简单。进行了原理验证实验,构建了2个发射机、2个接收机的实验定位系统,基于混沌光电振荡器产生了频率范围为3.1~10.6 GHz的正交混沌波形。实现了对2个目标的2维定位,最大误差为7.09 cm,并对系统架构的可重构性进行了实验验证。 该文研究了基于光波分复用网络的分布式多目标定位系统,引入混沌光电振荡器实现宽带正交波形产生,引入光波分复用网络将分布式发射和接收单元的宽带信号传输回中心站进行信号处理,基于TOA (Time Of Arrival, 到达时间)定位方法实现对多目标的精确定位。多个光载波在中心站产生,中心站的资源可支撑复杂的高精度目标定位算法,远端发射和接收单元结构简单。进行了原理验证实验,构建了2个发射机、2个接收机的实验定位系统,基于混沌光电振荡器产生了频率范围为3.1~10.6 GHz的正交混沌波形。实现了对2个目标的2维定位,最大误差为7.09 cm,并对系统架构的可重构性进行了实验验证。