基于旋转天线的二维高分辨成像算法

受涡旋电磁波产生方法和自旋目标成像方法的启发,提出了基于旋转天线的二维高分辨成像方法。首先构造了基于旋转天线的雷达观测模型;利用距离向傅里叶变换获取目标的距离仿真,推导出了包含目标方位角信息的多普勒效应的正弦表达式;最后将正交匹配追踪算法应用到该正弦信号中,重构出目标的方位角,有效提升了雷达波束范围内的方位角分辨能力。仿真实验证明,该算法对雷达性能要求较低,克服了成像质量对纯净的高模态涡旋电磁波的依赖,实现了对静止目标的二维高分辨成像。     

基于U-Net的涡旋电磁波雷达成像方法

基于轨道角动量模态变量与目标方位角变量的近似对偶关系,涡旋电磁波雷达可以实现对静止目标的二维高分辨成像,然而目标回波中的贝塞尔函数项会严重影响方位角向聚焦性能。现有基于逆投影算法的贝塞尔函数补偿方法计算量很大,难以实际应用。针对上述问题,提出一种利用U-Net卷积神经网络抑制贝塞尔函数影响、实现涡旋电磁波雷达高分辨成像的方法。首先,根据雷达目标散射分布的稀疏特性对U-Net网络进行改进,然后对目标回波信号进行二维快速傅里叶变换预处理得到目标散焦图像,将其作为改进U-Net网络的输入,并将目标理想电磁散射模型作为网络输出对网络进行监督训练。最后,基于未知目标回波信号,将预处理后的目标散焦图像输入到训练完备的网络模型中,即可得到聚焦良好的高分辨成像结果。仿真实验证明,该成像方法能够有效提高目标成像聚焦性能,且该网络模型在噪声存在的情况下仍具有较好的泛化能力。     

采用同步挤压小波变换的人体运动姿态分析

针对人体运动的雷达回波信号特征复杂、不同运动姿态微多普勒频率差异小、难以区分精细特征的问题,提出了一种采用参数可调的同步挤压小波变换(SSTAP)的人体运动姿态分析方法。首先根据实测人体运动数据构建人体运动模型及其雷达回波模型;然后利用SSTAP方法对人体运动模型雷达回波信号进行分解,获得人体各主要部位的时频特征;再通过调整同步挤压小波变换的2个参数获得人体整体回波信号的具有最佳时频分辨率的时频特征,进一步与各部位的人体时频特征比较获得了人体运动姿态的信息。实验结果表明,相比广义S变换(GST)、小波变换(WT)等时频分析方法,基于参数可调的同步挤压小波的人体微多普勒分析结果更加清晰精细,更能反映人体微运动的特征,其微多普勒频率的分辨率比GST、WT分别提高了17%和14%。     

使用微多普勒信息识别伪装人体目标动作的新方法

为了有效识别垂直遮障伪装后的地面人体目标动作类别,首先使用具有全天候探测、可穿透障碍物能力的多普勒雷达获取人体目标微多普勒信号,再将微多普勒信号经短时傅里叶变换后获得的时间、频率和功率三维信息图形作为数据源,并使用点描述算法获取三维形状特征用于分类。使用20组人体目标的4个不同动作实测数据,分别采用多层感知器结构的人工神经网络方法和超核支持向量机方法对动作特征进行分类。通过比较实验证明,提出的方法可以更高效地进行人体目标动作分类。     

基于连续波雷达的人体目标微多普勒频率估计方法

针对连续波多普勒雷达在频谱混叠区域目标信号难以识别以及传统维特比瞬时频率估计算法路径分叉的问题,本文将修正的维特比算法与指数平滑预测技术相结合,根据雷达回波的局部特性动态调整指数平滑法的平滑系数,并定义基于三次动态指数平滑预测的新型惩罚函数,提出一种从连续波雷达回波中估计人体特定散射部位微多普勒频率的新方法.研究结果表...     

超宽带穿墙雷达设计与脉冲压缩回波处理

有限时域差分法可以利用有限差分方程对电磁波穿透墙体后的情况进行分析,获得墙体的透射系数。利用该计算结果,对超宽带穿墙雷达模型进行数学建模,构造出超宽带脉冲压缩穿墙雷达模型。采用仿真软件对该模型一维情况的发射接收过程进行仿真。结果表明,有限时域差分法可以很好地计算出透射系数,雷达回波通过脉冲压缩算法处理后,可以实现对目标的精确定位与识别,提高雷达系统的整体性能。     

大地背景下风电机雷达回波信号的仿真与分析

基于通用的风电机点散射回波模型,建立了考虑倾角的无限大良导体大地模型,并根据多径效应,明确了雷达、风电机及大地之间的4种电磁波传播路径,从而利用镜像原理,推导了大地背景下风电机回波的求解公式。采用短时傅里叶变换的数学方法,获取了大地背景下风电机回波的时频图,结果表明,大地对雷达电磁波的散射作用将会导致风电机回波的组成更为复杂,多普勒闪烁也相应增加,而地面的倾斜还会导致回波的最大多普勒频率发生改变,因此建议风电机回波的后续研究必须考虑大地的影响。     

雷达回波信号的多普勒瞬时频率仿真研究

雷达回波信号是非平稳的时变信号,其瞬时频率是雷达接收机所接收到的回波信号的重要参数,可以获知空间目标的运动信息.本文分析了雷达回波信号处理过程中产生的多普勒瞬时频率的数学基础,其信号频谱峰值随时间的变化而变化,并采用时频分析的方法仿真了多普勒瞬时频率的性能参数,以获得回波信号的多普勒瞬时频率时间域与频率域的联合分布信息,便于获知空间目标的运动情况,更好地探测、跟踪空间运动目标.     

基于深度卷积神经网络的弹道目标微动分类

针对传统弹道目标微动分类缺乏智能性及噪声条件下分类性能差的问题,利用深度学习的高维特征泛化学习能力,提出一种将深度卷积神经网络用于弹道目标微动分类的方法。首先,在建立弹道目标微动模型的基础上,分析3种微动形式下的微多普勒表示,并生成雷达回波信号的时频图,作为训练、验证及测试的数据集;然后,运用深度卷积神经网络中的迁移学习对AlexNet和GoogLeNet进行再训练;最后,利用训练后的网络实现3种微动形式下的目标分类,并研究信噪比对分类性能的影响。仿真结果表明,与传统的微动目标分类方法相比,该方法不仅智能化程度高,而且在低信噪比条件下分类准确性更强。     

基于雷达原始幅度数据的目标跟踪性能分析与实现

由于扫描跟踪雷达使用的天线波束在空间中的扩展特性,一个目标可被顺序扫描的波束或同时照射的堆积波束观测到;类似地,雷达信号模糊函数的扩展特性使得理想点目标的回波经过匹配滤波后的输出在时延-多普勒平面上是扩展的,这种空、时、频的扩展特性使得,与同一目标有关的多个波束的多个时延-多普勒采样单元都包含了目标信息,这种效应可以用采样单元的参数、目标参数以及模糊函数、方向图描述.传统的雷达信号处理对这些信息的利用非常有限,为此通过建立原始数据的幅度分布模型描述这些信息,并以此为基础研究基于雷达原始幅度数据进行跟踪的后验克拉美罗限(posteriorCramer-Raobound,PCRB).分析表明,与传统的先估计目标参数后跟踪的方式相比,利用这些信息进行跟踪可以改善跟踪性能.粒子滤波是实现这种跟踪方式的一种可行算法;针对传统实现方法中将回波幅度作为目标状态的一维并对之采样造成的运算量较大的问题,提出了一种避免幅度维采样的跟踪算法,仿真表明,该算法能以较低的运算量获得较好的跟踪性能.     

基于堆栈稀疏自编码器和微动特征的身份认证技术

从人体目标雷达回波数据中提取可分性较好的微动特征是实现目标分类的关键。针对传统谱图结构特征无法对体型相似的人体目标精细识别,提出了基于堆栈稀疏自编码器的人体身份认证方法。首先构造堆栈稀疏自编码器网络,利用人体微动数据进行无监督预训练,在不同层提取人体微动特征,然后将得到的特征输入softmax分类器进行有监督训练,用交叉验证调整网络参数,最后用训练好的网络进行人体目标分类。在不同人走路实测数据集上,3人平均识别率达到了83%,优于提取谱图结构特征分类的方法。     

用于雷达回波信号实时模拟的弹道目标RCS解析公式

对弹道目标进行满足精度要求的雷达回波实时模拟是一项综合性较强的工程,是目标探测、识别的关键。基于几何绕射理论(GTD)和物理光学法(PO),推导给出了某大型弹道目标在微波频率下任意视线角的RCS解析公式。文中方法和FEKO软件的计算结果符合良好且计算速度极快,利用文中方法得到的结果进行的一维距离像仿真与理论结果吻合较好,可以满足基于目标电磁散射特征的再入大气层弹道目标雷达回波信号实时模拟的精度需要。     

频率步进高距离分辨技术在圆锥扫体制中的应用

对频率步进高距离分辨技术在圆锥扫描栖制雷达中的应用做了探讨，分析了在锥扫描体制下利用频率步进高距离分辨技术获取目标的距离回波而据以识别目标的方法、目标识别和获取角误差信号的关系。     

基于多天线FMCW雷达的人体行为识别方法

提出一种基于多天线调频连续波(frequency modulated continuous wave, FMCW)雷达的多参数融合神经网络(fusion neural network, FNN)人体行为识别方法。针对FMCW雷达参数估计算法角度分辨率不足以及在估计目标个数错误的情况下会降低精度的问题,提出一种结合最小功率无失真响应(minimum power distortionless response, MPDR)波束形成与快速傅里叶变换(fast Fourier transform, FFT)的距离-方位角参数联合估计算法。利用2个相互垂直的线阵雷达捕捉人体行为,使用参数联合估计算法估计人体目标各回波点在水平与垂直方向的距离、角度参数。构建FNN,从参数估计结果中提取并融合人体行为在水平与垂直方向的空间与时间特征,根据融合特征实现人体行为识别与分类。实验结果表明,FNN方法对人体行为识别的准确率相比传统三维卷积神经网络(3D convolutional neural networks, 3D-CNN)提升了4.37%。     

近程PRC-CW雷达运动目标特征研究

为获得运动目标特征,基于目标多点散射模型推导了近程伪码调相连续波(PRC-CW)雷达回波多分量信号模型.在该模型基础上提出将运动目标的细微频谱结构作为该目标特征,并详细阐述了特征提取的方法.该方法在常用的脉压-快速傅里叶变换处理之后,利用频谱细化方法得到目标的细微频谱结构,然后通过梅林变换实现了该结构特征对于目标不同入射角情况下的尺度不变性.给出了实现过程框图.目标外场实测数据试验结果表明不同目标的细微频谱结构明显不同,反映了不同目标的结构特征.     

基于散射电场的飞机旋翼多普勒回波模拟

旋翼飞机飞行过程中会产生具有独特多普勒特征的雷达回波,通过对旋翼回波的准确模拟,可为不同类型飞机的精确识别提供重要依据.针对现有散射点叠加算法的假设缺陷,从目标高频电磁散射理论出发,提出了基于散射电场的飞机旋翼回波模拟方法.依据电磁散射场与雷达回波方程间的数学关系,发现目标回波的基带信号与目标后向散射电场的复振幅矢量具有一致性,基于此采用物理光学—矩量混合算法,求解飞机旋翼的散射电场;并通过短时傅里叶变换模拟得到旋翼的时频回波.最后,通过与传统散射点积分算法进行仿真对比,同时分析了不同桨叶角对旋翼回波信号的影响规律,验证了所提方法的正确性和优越性,实现了散射电场下飞机旋翼多普勒回波的准确获取,为后续研究飞机的精确识别奠定了理论基础.     

基于船舶运动的微波多普勒海面回波模拟与分析

根据船载雷达探测海面时的工作特点,深入研究走航状态下微波段电磁波与海表面的作用机理.根据线性波浪理论和船舶运动规律,建立了基于时变海面的船舶运动模型,并通过与实测数据对比验证了模型的有效性.采用小斜率近似法计算海面的电磁散射,仿真得到走航状态下微波段海面散射回波,并分析了不同船舶运动方式对回波多普勒谱的影响.通过采用空间海浪反演算法验证仿真结果,证明了回波模拟算法的正确性.结果表明船舶运动导致回波统计特征发生明显变化,该结论为船载平台下海面后向散射回波研究与海浪反演算法改进提供了先验信息与理论模型.