全文下载排行

1
认知雷达通过借鉴蝙蝠的认知学习过程,感知战场环境信息并反馈至发射机,从而实现自适应探测和处理,是未来雷达智能化发展的重点方向。其中如何充分利用目标与环境先验信息,设计雷达波形以提高目标检测、跟踪以及抗干扰等性能是认知雷达发展的难点和重点。该文针对不同干扰环境、目标模型、天线配置(如:单发单收(SISO)和多发多收(MIMO))等的波形设计关键要素及主要思路进行了总结梳理,并从不同干扰与目标知识的利用角度,对近几年代表性的认知波形设计文献进行介绍和归纳,旨在为以后的研究提供参考和依据。 认知雷达通过借鉴蝙蝠的认知学习过程,感知战场环境信息并反馈至发射机,从而实现自适应探测和处理,是未来雷达智能化发展的重点方向。其中如何充分利用目标与环境先验信息,设计雷达波形以提高目标检测、跟踪以及抗干扰等性能是认知雷达发展的难点和重点。该文针对不同干扰环境、目标模型、天线配置(如:单发单收(SISO)和多发多收(MIMO))等的波形设计关键要素及主要思路进行了总结梳理,并从不同干扰与目标知识的利用角度,对近几年代表性的认知波形设计文献进行介绍和归纳,旨在为以后的研究提供参考和依据。
2
害虫迁飞具有规模大、突发性强的特点,会导致病虫害异地大爆发,粮食产量下降,造成重大的经济损失。昆虫雷达是监测迁飞性害虫的一种有效手段。昆虫目标的雷达散射截面积(RCS)较小,回波能量弱,在保证高检测率的同时会带来高虚警率问题,进而导致在目标跟踪的数据关联环节,易受虚假量测的影响出现关联错误。幅度特征辅助跟踪算法利用目标与噪声点迹的幅度差异,可以有效提高目标与噪声的识别度,改善跟踪性能,但是其需要已知目标的RCS起伏模型作为先验信息来计算幅度似然比。因此,该文基于Ku波段高分辨昆虫雷达外场实测昆虫回波数据,分析了昆虫目标的RCS起伏特性,得出Gamma分布可以较好地拟合昆虫目标的RCS统计分布,并将其作为先验信息,推导出Gamma起伏目标在高斯白噪声背景下的幅度似然比。通过在不同信噪比、不同量测噪声及不同起伏模型参数下的仿真结果及性能指标分析,验证了相比于概率数据互联滤波算法(PDAF)算法,目标RCS特征辅助的跟踪算法可以有效提高昆虫目标的跟踪精度。 害虫迁飞具有规模大、突发性强的特点,会导致病虫害异地大爆发,粮食产量下降,造成重大的经济损失。昆虫雷达是监测迁飞性害虫的一种有效手段。昆虫目标的雷达散射截面积(RCS)较小,回波能量弱,在保证高检测率的同时会带来高虚警率问题,进而导致在目标跟踪的数据关联环节,易受虚假量测的影响出现关联错误。幅度特征辅助跟踪算法利用目标与噪声点迹的幅度差异,可以有效提高目标与噪声的识别度,改善跟踪性能,但是其需要已知目标的RCS起伏模型作为先验信息来计算幅度似然比。因此,该文基于Ku波段高分辨昆虫雷达外场实测昆虫回波数据,分析了昆虫目标的RCS起伏特性,得出Gamma分布可以较好地拟合昆虫目标的RCS统计分布,并将其作为先验信息,推导出Gamma起伏目标在高斯白噪声背景下的幅度似然比。通过在不同信噪比、不同量测噪声及不同起伏模型参数下的仿真结果及性能指标分析,验证了相比于概率数据互联滤波算法(PDAF)算法,目标RCS特征辅助的跟踪算法可以有效提高昆虫目标的跟踪精度。
3
传统的谱分析和压缩感知(CS)等层析合成孔径雷达(TomoSAR)成像技术由于解斜处理需要估计得到精确的垂直雷达视线(PLOS)方向的垂直有效基线。为了避免此操作该文采用沿PLOS向进行搜索的空域波束形成(BF)方法进行层析聚焦。由于高分辨率SAR图像中城区建筑物结构复杂,不同航过SAR图像间存在观测视角差异,并且存在相干斑噪声影响,SAR图像中的所有同源点不能在相同的像素点同时进行精确地配准。为了从幅度和相位两个方面找出BF聚焦时最相关的像素点,提出了一种联合参考像素窗口中邻域像素点的幅度和相位来提取目标像素点的不一致性准则。根据不一致性准则的最小化提取出相应的同名像素点,以实现对层析成像的精确聚焦。利用仿真数据和高分辨X波段重复航过机载SAR系统录取的实测数据进行实验。实验结果中,利用传统方法聚焦得到的散射轮廓峰值位置在15.63 m而该文所提方法得到峰值位置在16.88 m,峰值位置更加接近建筑实际高度18 m。表明该方法能有效提高散射体在PLOS方向的聚焦能量,并精确提取建筑物的3维轮廓。 传统的谱分析和压缩感知(CS)等层析合成孔径雷达(TomoSAR)成像技术由于解斜处理需要估计得到精确的垂直雷达视线(PLOS)方向的垂直有效基线。为了避免此操作该文采用沿PLOS向进行搜索的空域波束形成(BF)方法进行层析聚焦。由于高分辨率SAR图像中城区建筑物结构复杂,不同航过SAR图像间存在观测视角差异,并且存在相干斑噪声影响,SAR图像中的所有同源点不能在相同的像素点同时进行精确地配准。为了从幅度和相位两个方面找出BF聚焦时最相关的像素点,提出了一种联合参考像素窗口中邻域像素点的幅度和相位来提取目标像素点的不一致性准则。根据不一致性准则的最小化提取出相应的同名像素点,以实现对层析成像的精确聚焦。利用仿真数据和高分辨X波段重复航过机载SAR系统录取的实测数据进行实验。实验结果中,利用传统方法聚焦得到的散射轮廓峰值位置在15.63 m而该文所提方法得到峰值位置在16.88 m,峰值位置更加接近建筑实际高度18 m。表明该方法能有效提高散射体在PLOS方向的聚焦能量,并精确提取建筑物的3维轮廓。
4
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。
5
主动式毫米波阵列3维成像系统是人体安检成像系统的研究热点,该文对主动式毫米波阵列3维系统工作模式、信号模型和成像算法进行了介绍,并将深度学习中的卷积神经网络(CNN)热图检测方法和边框回归检测技术应用于人体安检成像异物检测。研究表明,基于热图的检测方法和基于YOLO的检测方法均可实现异物检测。基于热图的检测方法网络结构简单、易训练,但由于需要遍历整幅待检测图像,运算时间长,且生成的检测框尺寸固定,无法适应异物尺寸变化。基于YOLO的检测算法网络结构复杂、训练耗时长,但该方法在检测速度与检测框精度上优势明显,更利于机场安检等对实时性要求较高的检测应用。 主动式毫米波阵列3维成像系统是人体安检成像系统的研究热点,该文对主动式毫米波阵列3维系统工作模式、信号模型和成像算法进行了介绍,并将深度学习中的卷积神经网络(CNN)热图检测方法和边框回归检测技术应用于人体安检成像异物检测。研究表明,基于热图的检测方法和基于YOLO的检测方法均可实现异物检测。基于热图的检测方法网络结构简单、易训练,但由于需要遍历整幅待检测图像,运算时间长,且生成的检测框尺寸固定,无法适应异物尺寸变化。基于YOLO的检测算法网络结构复杂、训练耗时长,但该方法在检测速度与检测框精度上优势明显,更利于机场安检等对实时性要求较高的检测应用。
6
针对雷达对海上目标探测技术研究的数据需求以及目前公开的雷达对海探测数据缺乏的问题,该文提出一项“雷达对海探测数据共享计划”,旨在利用X波段固态全相参雷达等多型雷达开展对海探测试验,获取不同海况、分辨率、擦地角条件下目标和海杂波数据,并同步获取海洋气象水文数据、目标位置与轨迹的真实数据,实现雷达实测数据的标准化、规范化管理,推进数据集公开共享,服务于海杂波特性研究,有力地支持海杂波抑制和目标检测技术研究。 针对雷达对海上目标探测技术研究的数据需求以及目前公开的雷达对海探测数据缺乏的问题,该文提出一项“雷达对海探测数据共享计划”,旨在利用X波段固态全相参雷达等多型雷达开展对海探测试验,获取不同海况、分辨率、擦地角条件下目标和海杂波数据,并同步获取海洋气象水文数据、目标位置与轨迹的真实数据,实现雷达实测数据的标准化、规范化管理,推进数据集公开共享,服务于海杂波特性研究,有力地支持海杂波抑制和目标检测技术研究。
7
针对雷达高分辨距离像(HRRP)目标识别问题,传统方法只考虑样本的包络信息而忽略了距离单元间的时序相关性,该文提出了一种基于注意力机制的双向自循环神经网络模型。该模型将时域的HRRP数据通过滑窗分为正反两个序列,并将其分别通过两个相互独立的GRU网络进行特征提取,然后将同时刻提取到的特征进行拼接,从而利用了距离像双向的时序信息。考虑到不同时刻的序列对目标分类的重要性不同,通过注意力机制自适应地对各时刻隐层特征赋予不同的权值,最后根据加权求和后的隐层特征进行目标的识别与分类。实测数据实验结果表明,该文所提方法可以有效完成高分辨距离像的目标识别问题,并且在数据发生一定的时序偏移情况下,仍然可以准确找到目标区域。 针对雷达高分辨距离像(HRRP)目标识别问题,传统方法只考虑样本的包络信息而忽略了距离单元间的时序相关性,该文提出了一种基于注意力机制的双向自循环神经网络模型。该模型将时域的HRRP数据通过滑窗分为正反两个序列,并将其分别通过两个相互独立的GRU网络进行特征提取,然后将同时刻提取到的特征进行拼接,从而利用了距离像双向的时序信息。考虑到不同时刻的序列对目标分类的重要性不同,通过注意力机制自适应地对各时刻隐层特征赋予不同的权值,最后根据加权求和后的隐层特征进行目标的识别与分类。实测数据实验结果表明,该文所提方法可以有效完成高分辨距离像的目标识别问题,并且在数据发生一定的时序偏移情况下,仍然可以准确找到目标区域。
8
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。
9
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。
10
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%。
11
针对相似度表达的困难性以及极化SAR图像中固有的相干斑噪声问题,该文提出了一种基于张量积(TPG)扩散的非监督极化SAR图像地物分类算法。张量积扩散一般用于光学图像的分割或检索,目前研究表明,其已可用于极化SAR(PolSAR)图像地物分类。基于张量积扩散可以稳健地度量数据点之间的测地线距离,因此能够更好地挖掘数据点之间内在的相似度信息。首先,将极化SAR图像进行分割,生成许多超像素;其次,基于超像素提取7种特征并生成一个特征向量,进而利用高斯核构建相似度矩阵;再次,基于已构建的相似度矩阵,利用张量积扩散沿着数据点的内在流形结构进行相似度的传播,实现全局的相似性度量,从而获得一个具有更强判别能力的相似度矩阵;最后,基于此相似度矩阵进行谱聚类以得到地物分类结果。该文在仿真和实测极化SAR图像上均进行了大量实验,并与4种经典算法进行对比,结果表明该方法可以有效地结合空间邻域相似度信息并取得更高的分类精度。 针对相似度表达的困难性以及极化SAR图像中固有的相干斑噪声问题,该文提出了一种基于张量积(TPG)扩散的非监督极化SAR图像地物分类算法。张量积扩散一般用于光学图像的分割或检索,目前研究表明,其已可用于极化SAR(PolSAR)图像地物分类。基于张量积扩散可以稳健地度量数据点之间的测地线距离,因此能够更好地挖掘数据点之间内在的相似度信息。首先,将极化SAR图像进行分割,生成许多超像素;其次,基于超像素提取7种特征并生成一个特征向量,进而利用高斯核构建相似度矩阵;再次,基于已构建的相似度矩阵,利用张量积扩散沿着数据点的内在流形结构进行相似度的传播,实现全局的相似性度量,从而获得一个具有更强判别能力的相似度矩阵;最后,基于此相似度矩阵进行谱聚类以得到地物分类结果。该文在仿真和实测极化SAR图像上均进行了大量实验,并与4种经典算法进行对比,结果表明该方法可以有效地结合空间邻域相似度信息并取得更高的分类精度。
12
考虑到极化合成孔径雷达(PolSAR)图像标注信息量低以及相干斑噪声难以消除的问题,该文从鲁棒统计学习的角度提出了一种基于Pin-SVM的极化SAR图像鲁棒分类方法,根据极化SAR图像的散射特性和地物的纹理特性,通过求解两类样本之间的最大分位数距离来确定分类超平面,在无需迭代的前提下得到更加鲁棒的分类结果。相比传统的基于最大间隔的极化SAR图像分类算法,该文所提算法一方面在对极化SAR图像提取到的特征中包含的噪声具有更好的鲁棒性,另一方面对于训练样本的抽样范围不敏感,即重采样具有更好的鲁棒性。利用EMISAR的Foulum地区极化SAR数据进行了算法验证,多种情况的对比实验的结果验证了该算法的有效性。 考虑到极化合成孔径雷达(PolSAR)图像标注信息量低以及相干斑噪声难以消除的问题,该文从鲁棒统计学习的角度提出了一种基于Pin-SVM的极化SAR图像鲁棒分类方法,根据极化SAR图像的散射特性和地物的纹理特性,通过求解两类样本之间的最大分位数距离来确定分类超平面,在无需迭代的前提下得到更加鲁棒的分类结果。相比传统的基于最大间隔的极化SAR图像分类算法,该文所提算法一方面在对极化SAR图像提取到的特征中包含的噪声具有更好的鲁棒性,另一方面对于训练样本的抽样范围不敏感,即重采样具有更好的鲁棒性。利用EMISAR的Foulum地区极化SAR数据进行了算法验证,多种情况的对比实验的结果验证了该算法的有效性。
13
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。
14
雷达目标分类在军事和民用领域发挥着重要作用。极限学习机(Extreme Learning Machine, ELM)因其学习速度快、泛化能力强而被广泛应用于分类任务中。然而,由于其浅层结构,ELM无法有效地捕获数据深层抽象信息。虽然许多研究者已经提出了深度极限学习机,它可以用于自动学习目标高级特征表示,但是当训练样本有限时,模型容易陷入过拟合。为解决此问题,该文提出一种基于Dropout约束的深度极限学习机雷达目标分类算法,在雷达测量数据上的实验结果表明所提算法在分类准确率上达到93.37%,相较栈式自动编码器算法和传统深度极限学习机算法分别提高了5.25%和8.16%,验证了算法有效性。 雷达目标分类在军事和民用领域发挥着重要作用。极限学习机(Extreme Learning Machine, ELM)因其学习速度快、泛化能力强而被广泛应用于分类任务中。然而,由于其浅层结构,ELM无法有效地捕获数据深层抽象信息。虽然许多研究者已经提出了深度极限学习机,它可以用于自动学习目标高级特征表示,但是当训练样本有限时,模型容易陷入过拟合。为解决此问题,该文提出一种基于Dropout约束的深度极限学习机雷达目标分类算法,在雷达测量数据上的实验结果表明所提算法在分类准确率上达到93.37%,相较栈式自动编码器算法和传统深度极限学习机算法分别提高了5.25%和8.16%,验证了算法有效性。
15
该文针对现有的谱聚类方法用于极化SAR图像分类时精度较低的问题,提出一种基于马尔科夫的判别谱聚类方法(MDSC),具有低秩和稀疏分解的特点。该方法首先恢复一个真实的低秩概率转移矩阵,将其作为标准马尔科夫谱聚类方法的输入,以减少噪声对分类结果的影响;然后在目标函数中引入判别信息,使极化SAR图像的数据信息能够得到更加充分地利用;最后采用增广拉格朗日乘子法来解决低秩和概率单纯形约束下的目标函数优化问题。在荷兰小农田、德国、西安和荷兰大农田4个不同数据集上的实验证明,该方法具有较好的准确率,且参数敏感性较低,表现出了良好的分类性能。 该文针对现有的谱聚类方法用于极化SAR图像分类时精度较低的问题,提出一种基于马尔科夫的判别谱聚类方法(MDSC),具有低秩和稀疏分解的特点。该方法首先恢复一个真实的低秩概率转移矩阵,将其作为标准马尔科夫谱聚类方法的输入,以减少噪声对分类结果的影响;然后在目标函数中引入判别信息,使极化SAR图像的数据信息能够得到更加充分地利用;最后采用增广拉格朗日乘子法来解决低秩和概率单纯形约束下的目标函数优化问题。在荷兰小农田、德国、西安和荷兰大农田4个不同数据集上的实验证明,该方法具有较好的准确率,且参数敏感性较低,表现出了良好的分类性能。
16
该文论述了利用新近研制的小型化多通道外辐射源雷达系统,开展基于长期演进(LTE)信号的外辐射源雷达目标探测实验研究的情况。首先从实测信号的模糊函数出发,探讨了该信号作为第三方照射源的优势。然后介绍了该体制雷达的系统方案设计以及外场实验。最后给出了不同目标的典型探测结果,从实验上证实了利用LTE信号实现地面及低空目标探测的技术可行性,为该探测技术的发展奠定了基础。 该文论述了利用新近研制的小型化多通道外辐射源雷达系统,开展基于长期演进(LTE)信号的外辐射源雷达目标探测实验研究的情况。首先从实测信号的模糊函数出发,探讨了该信号作为第三方照射源的优势。然后介绍了该体制雷达的系统方案设计以及外场实验。最后给出了不同目标的典型探测结果,从实验上证实了利用LTE信号实现地面及低空目标探测的技术可行性,为该探测技术的发展奠定了基础。
17
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。
18
充分利用雷达目标和环境特性,设计最优发射波形,能够从本质上提高雷达目标检测性能,具有重要的研究价值。该文将近几年发表的雷达目标检测的最优波形设计文献进行总结和归纳,为面向目标检测的波形优化设计研究提供方法和依据,具有一定的参考价值。 充分利用雷达目标和环境特性,设计最优发射波形,能够从本质上提高雷达目标检测性能,具有重要的研究价值。该文将近几年发表的雷达目标检测的最优波形设计文献进行总结和归纳,为面向目标检测的波形优化设计研究提供方法和依据,具有一定的参考价值。
19
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。
20
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。