低重频宽带雷达中小幅微动目标的周期估计

当空间微动目标仅发生小视角变化且雷达脉冲重复频率较低时,基于雷达散射截面序列、高分辨距离像(high-resolution range profile, HRRP)序列和微多普勒等特征提取算法的有效性面临了挑战。为此,基于宽带逆合成孔径雷达(inverse synthetic aperture radar,ISAR)像序列提出一种目标微动周期估计方法。基于微动目标ISAR成像的分析,利用ISAR图像序列之间的相似度进行微动周期估计。采用最小图像熵准则选取视线角线性变化区间的ISAR图像作为参考基准,利用图像动态范围压缩、基于全图像匹配的相似度估计等方法,强化算法稳定性并减小计算量。该方法对HRRP数据率要求低,对ISAR成像质量约束小,有利于工程实现。仿真实例从摆动和进动两种情况,分析了基准图像的选取和信噪比对算法性能的影响,证明了算法的有效性和高稳定性。     

基于MIMO-ISAR的弹道目标结构参数估计方法

传统的单站逆合成孔径雷达(inverse synthetic aperture radar, ISAR)成像为实现方位向的高分辨,往往会增大成像时间,但对于高速运动的弹道目标而言,此方法并不适用。针对这一问题,提出利用多输入多输出逆合成孔径雷达(multiple input multiple output ISAR, MIMO-ISAR)在空间上的多分布来达到时间上积累的效果。在得到多通道回波信号后,利用时频图和时间距离像对弹道目标锥顶散射点进行匹配。然后根据锥顶散射点信息对多幅ISAR像进行配准融合,得到一幅高分辨的融合ISAR像。最后利用不同雷达视线下的目标投影长度和目标几何参数之间存在的映射关系,反演出弹道目标的几何结构参数。通过仿真结果可以验证算法的有效性。     

一种基于运动目标ISAR像序列的三维重构方法

为解决运动信息未知的雷达目标三维重构问题,提出了一种基于目标逆合成孔径雷达(ISAR)图像序列的矩阵分解三维重构法.基于ISAR成像的基本原理,将ISAR成像过程公式化,推导出SAR成像投影矩阵方程式,给出了关联后的二维图像序列中散射点坐标与原目标散射点的三维位置的几何投影关系;利用矩阵因式分解的方法,从观测矩阵中分解出三维位置矩阵,实现重构;最后,以三维平底圆锥体为模拟目标,仿真验证了该算法的可行性,结果表明用于重构的图像帧数越多、图像信噪比越高,重构性能越好.     

基于MP稀疏分解的弹道中段目标微动ISAR成像新方法

弹道目标在中段的运动包括轨道运动和微动。与轨道运动相比,弹道目标的微动能引起目标相对雷达视线角更为快速的变化,有利于逆合成孔径雷达(inverse synthetic aperture radar, ISAR)成像。针对自旋对称弹头的微动特性,提出了一种基于匹配追踪(matching pursuit, MP)稀疏分解的微动ISAR成像算法,分析了成像平面和成像所需积累转角,并通过计算机仿真与传统的距离－多普勒(range-Doppler, RD)、魏格纳－维尔(Wigner-Ville, WV)成像算法进行了比较。仿真结果表明：本文算法具有更好的成像精度和稳定性,且不受交叉项的干扰,是一种有效的微动目标成像算法。     

旋转微运动ISAR成像及干扰特性分析

旋转微运动引起多普勒正弦规律变化,进而影响目标逆合成孔径雷达(inverse synthetic aperture radar, ISAR)成像结果。利用散射点模型,对单个旋转微动进行了几何、回波建模,用距离〖CD*2〗多普勒算法推导出旋转微动点成像结果。详细分析了旋转微动ISAR图像特征和图像形状,指出不同参数下旋转微动可形成幅度受第一类贝塞尔函数调制、方位向上等间隔分布的直线段型、直线点列型、条带型以及点阵型图像,并给出了以上图像的形成条件。仿真实验和实测数据均验证了理论分析的正确性,研究结果为方位向调制形成二维ISAR干扰提供理论支撑。     

基于修正离散Chirp-Fourier变换的ISAR成像算法

针对逆合成孔径雷达(ISAR)对机动目标成像的问题,提出了一种新的机动目标ISAR成像算法.该算法基于机动目标散射点的多普勒频率近似于线性调频(LFM)信号的特征,利用修正离散Chirp-Fourier变换对LFM信号进行检测和参数估计,通过结合CLEAN技术进行多次迭代有效地克服了散射点分量间的相互影响,可获得较为理想的成像效果.给出了应用该方法的具体步骤,并用仿真数据验证了该方法的有效性.     

基于深度学习的弹道目标智能分类

针对弹道目标微动分类前需平动补偿及典型雷达散射截面积(radar cross-section, RCS)序列分类需构造人工特征的问题,提出利用弹道目标微动特性和RCS相结合的弹道目标智能分类算法。首先,建立弹道目标运动模型并分析得到方位角和俯仰角,从而获取RCS序列,在此基础上利用小波变换得到时频图并构建数据集;然后,通过卷积神经网络(convolutional neural network, CNN)提取时频图像特征序列并与RCS序列融合成高维特征;最后,利用具有容错能力的双向长短期记忆网络充分学习序列之间的相关性以实现目标分类。仿真结果表明,该算法比卷积神经网络和支持向量机的分类精度分别提高5%和2%以上,分类速度比卷积神经网络和双向长短期记忆网络分别提高1.5倍和2.5倍,实现了更高精度的快速智能分类。     

基于图像配准的弹道目标ISAR图像横向定标

逆合成孔径雷达(inverse synthetic aperture radar, ISAR)图像横向定标是估计目标外形尺寸的关键。针对弹道目标,从理论上证明了任意两幅ISAR图像仅当横向正确定标的情况下才能完全配准。基于这一原理,提出了一种新的基于控制点仿射变换的ISAR图像横向定标方法,给出了横向比例尺的计算过程。最后采用测量数据对算法进行了验证,仿真实验结果表明,该算法能够准确估计横向比例尺,定标精度较高。     

ISAR像自动识别中的预处理算法

目标逆合成孔径雷达（inverse synthetic aperture radar, ISAR）像通常表现为随视角变化的稀疏散射中心分布,这严重影响了ISAR像特征提取和目标识别的性能。以获得清晰且稳定的ISAR像为目的,研究了一种新的预处理算法:首先根据斑点噪声和横条纹干扰特点,对图像使用全局迭代阈值抑制斑点噪声,局部散射点强度削减抑制横条纹干扰,然后分别利用形态学处理和邻域平均法填充和平滑图像,最后对图像做质心、尺度和视角的归一化。仿真结果表明,该算法有效地提高了ISAR像的稳定性,有利于后续的目标特征提取与识别。     

基于扩展距离像序列的ISAR成像相位补偿方法

逆合成孔径雷达（inverse synthetic aperture radar, ISAR）相位补偿算法对成像结果具有重要影响。首先从ISAR成像原理出发推导了相位误差产生原因,针对多普勒中心跟踪法,分析了横向交叉项对多普勒中心的影响,采用CLEAN算法分离了距离单元内强散射中心簇,构建了扩展距离像序列,提出了基于扩展距离像序列的相位补偿方法,有效地减小了横向交叉项对多普勒中心的影响,提高了相位误差估计精度。成像结果表明,该方法能够较好地补偿ISAR成像中的相位误差,噪声环境下优于其他方法。     

基于几何散列法的ISAR像自动目标识别

逆合成孔径雷达（inverse synthetic aperture radar, ISAR）像不同于一般光学像,通常表现为随视角变化的稀疏散射中心分布,且存在干扰或遮挡现象,这使ISAR目标识别存在很多困难。针对上述问题,提出一种基于几何散列法的ISAR像识别方法。首先获取能反映目标结构信息的特征点;然后利用特征点之间的几何关系构造仿射坐标,获取目标的仿射不变量,以解决目标成像视角变化引起的图像平移、旋转和尺度变化等问题;最后针对姿态敏感性、干扰或遮挡导致的散射点位置和强度的变化问题,采用具有良好的抗干扰和局部识别性能的几何散列法来完成识别。仿真实验表明,该方法能够有效区分不同结构的目标,且对干扰或遮挡现象具有良好的局部识别性能。     

空间微动目标极化欺骗式干扰信号合成方法

基于宽带逆合成孔径雷达原理,提出一种动态产生微动目标有源欺骗式干扰信号的合成方法。在多散射中心假目标模板中引入了目标全姿态运动模型、全极化散射模型,推导了与进动参数直接相关的微多普勒及姿态角表达式,建立了目标本地极化基到任意雷达极化基下的散射矩阵变换关系,基于瞬时姿态角动态生成了虚假的微动相位和极化散射调制因子,实现了距离或速度欺骗干扰。对进动假目标合成信号的时频分析和雷达成像结果表明,该方法可有效合成具有特定的微动效应、极化散射特性和结构特征的假目标信号。     

基于相干Doppler干涉的微动目标宽带成像方法

二维像是雷达目标最重要的特征之一,它反映了目标的几何形状、散射结构等特性。在目标存在微动的情况下,即使目标散射中心不发生越距离单元走动,微动带来宽带回波的非线性相位也会导致方位向的散焦。针对这一问题,提出了基于相干多普勒干涉的微动目标宽带雷达成像算法,其核心思想是在对强散射中心所在的距离单元进行相干多普勒干涉成像的基础上,再进行目标二维像重构。仿真实验验证了所提算法的有效性。     

基于趋势估计的微多普勒分离与特征提取算法

微动目标特征提取与辨识一直是弹道目标识别的研究热点与难点。针对复杂运动目标微多普勒(micro-Doppler, m-D)曲线交叠耦合导致的微动辨识难点, 提出一种基于曲线趋势估计的分离算法。该算法首先通过骨架提取获得稳定精细的二值化曲线数据, 再基于曲线光滑性和插值法对曲线趋势进行精确估计并分离, 最后利用变分模态分解(variational mode decomposition, VMD)及经验模态分解(empirical mode decomposition, EMD)算法分解每条m-D曲线并计算相应的微动特性。仿真实验表明, 所提算法能够在信噪比大于-15 dB条件下稳定分离m-D曲线, 进而提取目标的微动特性。     

逆合成孔径雷达成像技术的研究

逆合成孔径雷达（ＩＳＡＲ）成像是微波成像技术中一个较新的课题。本文通过研究ＩＳＡＲ成像处理算法，提出了解决运动补偿中距离对准精度的新方法，对实际飞行所录取数据进行了成像处理。