弹道目标中段雷达成像仿真研究

对弹道目标进行ISAR成像识别是分辨真假目标的重要手段。本文研究了中段弹道目标成像仿真问题。简介ISAR成像技术后，仿真了中段弹道。研究了中段弹道目标成像，分析了在有无调姿两种情形下和不同弹道阶段对相干积累时间的要求。仿真结果表明，在不同情形下，雷达必须适当调整脉冲积累时间和改变脉冲重复频率才能实现有效成像。     

运动目标双基地ISAR成像建模与仿真

运动目标的双基地逆合成孔径雷达(ISAR:Inverse synthetic aperture radar)成像技术对复杂电磁环境下的目标探测与识别具有重要的意义.研究了利用电磁计算和暗室测量数据对运动目标双基地ISAR成像系统的建模与仿真方法,并对其成像方法和分辨能力进行了详细分析.仿真场景下的实验结果验证了该方法的有效性.     

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。     

弹道中段雷达目标识别仿真系统的关键模型及实现

雷达是弹道中段的主要传感器,在中段目标识别中发挥着核心作用.根据弹道目标雷达识别仿真系统的要求及弹道目标识别的特点,建立了弹道目标雷达特征数据产生、雷达目标识别特征提取、识别算法融合等多个关键模型,设计并实现了弹道中段雷达目标识别仿真系统.进行了典型战情下的雷达目标识别仿真,仿真结果表明所设计的仿真系统稳健可行,系统可以为弹道中段雷达目标识别研究提供仿真支撑.     

空间目标成像中基于FrFT的高精度距离压缩方法

针对星载雷达空间目标成像遇到的距离向回波调制问题,通过对星载平台下空间高速平稳目标运动特性的分析,提出基于分数阶傅里叶变换(fractional Fourier transform, FrFT)和多项式拟合的高精度距离向压缩方法。该方法利用FrFT对空间目标的部分解调回波进行距离向压缩,并结合多项式拟合迭代获取随方位时间变化的径向速度,为距离向压缩提供精确的分数阶旋转角。与传统逆合成孔径雷达(inverse synthetic aperture radar,ISAR)距离向压缩方法相比,该方法能够实现高精度距离向压缩,从而提高成像质量。仿真实验验证了该方法的有效性。     

舰船目标雷达回波特征信号的建模与仿真

目标建模与特征信号仿真是雷达对目标进行探测与识别的重要前提和基础。针对宽带条件下大型舰船目标的雷达特征信号难以进行实测和缩比测量的难点，采用面元法对目标的雷达散射截面（RCS）进行了有效的预估，通过多频点RCS成像方法获得目标的一维距离像特征信号。给出了具体建模和仿真计算的实例，并进行了详尽的结果分析。     

基于卷积ADMM网络的高效结构化稀疏ISAR成像方法

结构化稀疏逆合成孔径雷达(inverse synthetic aperture radar, ISAR)成像是空间态势感知与目标识别的重要手段。该问题可通过压缩感知(compressive sensing, CS)方法解决。目前, 许多传统CS方法仍存在运算效率低、参数适应性不强等问题。针对该问题, 本文提出了一种基于卷积交替方向乘子法网络(convolutional alternating direction method of multipliers network, C-ADMMN)的结构化稀疏ISAR成像方法。利用深度展开方法, 结合传统结构化稀疏ISAR成像模型, 构建C-ADMMN网络。通过监督学习, C-ADMMN仅需约10层网络便可达到传统方法上百次迭代的效果, 具有较高的运算效率且对不同目标具有一定适应性。基于仿真与实测数据的实验结果验证了网络的高效性与参数适应性。     

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。     

弹道目标雷达宽带识别仿真与评估

提出了一种将雷达目标识别方法与具体战情相结合的方法,并通过该方法对弹道目标雷达宽带识别方法进行了仿真与评估。仿真了空间目标飞行弹道后,通过坐标变换得到设定战情下的弹道目标雷达视线角。然后结合室内缩比模型静态测量数据,得到设定战情下弹道目标高分辨距离像。对仿真得到的三类弹头类目标进行识别,并分析了雷达带宽、信噪比、观测次数对识别性能的影响。     

弹道中段目标的融合识别

针对弹道中段目标识别时间资源有限的问题,提出了一种基于识别手段可信度增长的融合识别新算法。首先给出了识别可信度的定义及其增长模型,并分析了识别可信度增长模型对识别时间的影响,继而运用D-S证据推理方法得到了基于识别可信度增长的融合识别算法。仿真实例表明,该算法可以缩短识别时间,提高识别效率。     

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。     

多基站ISAR成像模型与运动参数估计

针对单站逆合成孔径雷达（inverse synthetic aperture radar, ISAR）成像中难以准确获得目标散射点方位向尺度和运动参数的问题,建立了平面匀加速度运动目标的多基站ISAR目标成像模型,给出了目标成像和运动参数估计算法,分析了多基站ISAR成像约束。目标散射点的坐标由距离向投影方程组求解得到,基于方位向多普勒方程组通过搜索算法最小化目标函数实现目标的固有转速和目标相对于平动补偿后各基站视向量变化的转速的分离,得到目标的位置和目标运动参数的准确估计。仿真实验验证了多基站ISAR平面成像模型和运动参数估计方法。     

基于二体模型的空间目标双基地ISAR回波模拟

针对空间三轴稳定目标成像问题,提出了一种基于二体模型的双基地逆合成孔径雷达(bistatic inverse synthetic aperture radar,ISAR)回波模拟方法。该方法利用二体运动模型模拟空间目标的在轨运动,考虑了目标平稳运动及三轴姿稳转动引起的散射点相对雷达视角变化,并加入目标的高速运动特性,生成了双基地逆合成孔径雷达的基带回波数据,并给出了双站雷达对目标可视区域的判定方法。最后,进行了仿真实验,仿真结果表明,二体模型与实际目标的运动轨道误差很小,同时,成像结果能够很好的反映目标的姿态变化特性。该回波模拟方法有利于空间目标的精确成像,并对成像试验的实施具有重要的指导意义。     

ISAR越距离单元走动校正的近似极坐标算法

在ISAR系统中,通常假设不发生越距离单元走动,并应用距离多普勒(RD)算法获得目标的ISAR像。但是当雷达具有较高的分辨率,目标的尺寸较大,或目标在成像相关时间内转过了较大的角度时,散射点的越距离单元走动难以避免。为校正越距离单元走动,提出了一种近似极坐标算法。该算法将相关时间内的雷达回波数据近似为波数域梯形区域上一系列的采样点,并插值得到波数域矩形区域上的采样点,最后通过傅里叶变换得到目标的ISAR像。在目标均匀转动的假设下,该极坐标算法通过近似,不再要求已知目标的转角信息,并且能够较好地校正散射点的越距离单元走动。最后的仿真结果证实了算法的有效性。     

自旋运动目标的ISAR成像

针对卫星、导弹等目标的自旋运动产生的多普勒频移会影响逆合成孔径雷达(inverse synthetic aper-ture radar,ISAR)成像的质量。考虑了自旋运动对ISAR成像的影响,建立了自旋运动目标的运动模型。得出目标运动产生的多普勒频率的表达式,并对自旋运动进行补偿,消除了自旋对成像的影响。仿真及实验结果表明,该补偿方法效果明显。     

散射区域加权压缩感知ISAR成像

压缩感知(compressive sensing,CS)理论为少量脉冲条件下实现高分辨逆合成孔径雷达(inverse synthetic aperture radar, ISAR)成像提供了新方法。然而由于CS的噪声敏感性,其成像易受到噪声污染;另外,少量脉冲条件下很难保证噪声参数估计精度,这进一步加剧了ISAR成像污染。针对这一问题,提出一种散射区域加权CS ISAR成像算法,利用目标散射区域信息对冗余字典中的基函数进行加权,修正CS重建算法以抑制噪声散斑。为提高噪声参数估计精度,对回波采样建立子序列矩阵,提出矩阵扰动理论噪声参数估计方法。实验结果表明,所提方法能够有效抑制噪声影响,提高低信噪比和少量脉冲条件下ISAR成像质量。     

基于二维积累的雷达分布式目标检测新方法

利用单元积累的思想,先在各个方位上提取目标散射中心后,对分布式目标进行一维化处理,然后对各个方位的目标散射中心能量进行非相干积累,得到了高斯背景中高分辨率雷达分布式目标的检验统计量。仿真结果表明,该方法较距离扩展目标检测方法的检测性能有明显改善,且其检测性能随着角分辨率的提高而进一步改善。此方法可用于信号级检测SARI、SAR等分布式目标。     

基于加权l1范数优化的双基地ISAR稀疏成像算法

针对低信噪比条件下实现双基地逆合成孔径雷达(inverse synthetic aperture radar, ISAR)稀疏孔径成像时重构质量较差的问题, 提出了一种基于加权l₁范数优化的高分辨成像算法。首先, 假设各像元稀疏非同分布, 利用贝叶斯准则和最大后验概率估计将双基地ISAR稀疏孔径成像问题转化为加权l₁范数约束问题, 建立成像模型; 然后, 利用柯西-牛顿算法进行加权l₁范数约束最优化问题的求解, 实现目标图像重构。由于假设各像元独立非同分布, 故通过像元加权的方式更好地利用了目标的能量聚集和结构特性, 提高了成像质量。最后, 仿真实验验证了算法的有效性和优越性。