基于光电融合的目标三维结构反演

针对同传感器视角下的空天目标光电特征融合问题, 提出一种综合利用散射中心参数及轮廓角点特征的目标三维结构反演方法。首先, 基于正交匹配追踪(orthogonal matching pursuit, OMP)算法估计出序列雷达图像中的二维散射中心特征, 并利用Freeman链码提取连续可见光图像的角点特征。然后, 基于图论思想分别对雷达及可见光图像中的二维特征点进行关联。最后, 通过特征点三维重构来实现散射中心特征与光学角点特征之间的融合, 从而反演出较单源特征更为丰富准确的目标结构信息。仿真试验结果验证了所提方法的有效性。     

基于弹跳射线技术的三维GTD模型构建方法

传统的基于弹跳射线(shooting and bouncing ray, SBR)技术的散射中心提取方法只考虑了理想点模型, 但理想点模型无法描述散射中心的频率依赖特性。对此, 提出一种基于弹跳射线技术的三维几何绕射理论(geometrical theory of diffraction, GTD)模型构建方法, 在通过传统方法获取的理想点模型的基础上, 利用射线管数据正向推算散射中心的频率依赖参数并修正其径向位置, 实现了高精度三维GTD模型构建。仿真结果表明, 点频、单视角下构建的三维GTD模型不仅能准确重构相同条件下的雷达散射截面(radar cross section, RCS), 还能实现宽带RCS外推, 能够满足目标宽带散射数据高效压缩和快速重构的应用需求。     

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.     

复杂场景散射中心模型化与雷达成像应用

在复杂场景中, 目标与环境之间的耦合散射会造成雷达图像特征的干扰, 这一问题给雷达目标自动识别与跟踪技术带来了困难, 成为雷达、电磁领域持续关注的热点研究问题。目前, 使用传统的电磁数值计算方法对复杂场景散射问题进行仿真, 所需计算资源巨大, 耗时很长, 而且多限于针对单一类型复合目标, 难以满足实际工程应用需求。针对此问题，提出了复杂场景散射中心模型化的方法, 集成散射中心模型、物理光学法、积分方程法、四路径模型、射线追踪等方法为一体, 实现了复杂场景、群目标雷达成像快速仿真。本文给出了三种有代表性的复杂场景的逆合成孔径雷达成像仿真结果, 验证了本文方法的可行性及泛用性。     

薄涂覆目标散射中心的精确建模

目前，针对金属目标的散射中心模型的研究已相对成熟，但是对带有薄涂覆结构的复杂目标散射中心模型的研究较少。通过研究发现，薄涂覆引入的影响主要体现为对散射场幅度的衰减作用。因此，提出通过对薄涂覆对电磁波的衰减作用建模，并在金属目标散射中心模型的基础上增加该衰减项，以实现对薄涂覆目标的散射中心建模。该建模方法避免了直接对复杂目标整体散射进行数学建模和参数估计，散射模型的物理意义更明确、形式更简洁。经弹头和飞机目标的全波法结果验证，所建立的薄涂覆目标散射中心模型在雷达散射截面起伏、成像特征的仿真中均具有较高的精度。     

双基地雷达系统中的高分辨距离像

采取宽带发射信号,双基地雷达系统获取的目标一维高分辨距离像与单基地雷达下的距离像存在很大差别。首先从回波信号的相位出发,建立了双基地雷达回波信号模型。分析了双基地雷达系统中距离像的特点,并给出了对运动目标双基地距离像的补偿因子。分析了对多散射中心目标的双基地距离像与单基地距离像之间的关系,最后对双基地距离像进行了仿真。所提出的结论为多基地雷达系统利用多站同时获取的双基地距离像构造目标散射点三维结构图奠定了基础。     

基于状态空间模型的雷达目标一维散射中心参数估计

复杂雷达目标回波可看成是多散射中心回波的合成。首先建立了雷达目标回波的状态空间模型,然后利用超分辨方法估计一维散射中心的参数。在此基础上提出了一种基于状态空间的散射点数估计方法,该方法能够嵌入状态空间分析方法中,在进行超分辨分析的同时获取目标散射点数的精确估计,最后利用经典雷达回波模型对该方法进行了仿真实验验证。仿真结果表明,该方法能有效地提取一维散射中心参数并估计出散射点数,且具有良好的抗噪性。     

基于属性散射中心的SAR成像方法

传统合成孔径雷达(synthetic aperture radar, SAR)成像技术假设目标回波是由各向同性的点散射模型的相干叠加形成, 在大转角成像时不再适用。且各向同性的散射模型忽略了目标同一结构像素间的相关性, 容易导致结构不连续, 给后续目标识别带来困难。为此, 本文提出了一种基于属性散射中心模型的SAR成像算法, 利用不同散射中心表现出的不同特性对其分别进行成像, 增强属于同一结构的像素间的相关性, 提高SAR图像的可视性。最后, 基于仿真和实测数据实验结果, 验证了方法的有效性, 与现有算法对比, 所提算法的图像质量在定性和定量评价指标上都有所提升。     

雷达目标-维散射中心识别特征提取研究

针对雷达目标高分辨一维距离像在目标识别中存在计算量和存储量过大的问题,研究了基于一维散射中心的目标识别特征。在使用矩阵束法提取散射中心的基础上,定义了散射中心阶数、散射中心相对位置和中心矩三个平移不变特征用于目标识别,较好地描述了目标散射特性。三类目标外场实测数据的识别试验结果显示,相对于单一特征的目标识别,综合上述三个特征的识别不但能获得更好的目标识别率,而且识别结果对高斯白噪声不敏感。     

一种基于稀疏重构的多视角MIMO雷达关联成像算法研究

为改善复杂目标的成像表现、提升雷达图像的视觉效果,提出一种基于稀疏重构的多视角多输入多输出(multiple input multiple output, MIMO)雷达关联成像方法,设计了多视角雷达散射面积(radar cross section, RCS)起伏的稀疏重构关联成像模型。所提算法能提高辐射场信号随机性,改善复杂目标雷达关联成像参考信号与回波之间相关性退化的情况,减小多视角RCS起伏对相关性的影响,提升多视角下的关联成像质量。最后,通过仿真验证了所提方法的有效性。     

散射中心特征序贯匹配的SAR图像目标识别方法

在合成孔径雷达（synthetic aperture radar, SAR）图像目标识别领域,提取目标区分性强的识别特征一直是研究热点之一。设计了一种SAR图像目标识别的算法,利用目标散射中心点集特征和属性散射中心特征分量估计值序贯匹配识别车辆目标。实测数据的实验证实了算法在目标方位角变化情况下和俯仰角变化情况下,车辆目标的识别都有较好的表现。     

基于全极化GTD模型的雷达目标二维散射中心提取

针对全极化二维GTD散射中心模型,首先提出一种二维极化线性变化(polarization linear variation PL)的ESPRIT算法(2D-PL-ESPRIT)用于提取雷达目标散射中心参数;其次,就2D-PL-ESPRIT算法提取目标散射中心的可行性进行了理论分析。相比通过多个单极化通道方法提取散射中心,2D-PL-ESPRIT算法可以有效提高参数估计精度,降低计算复杂度;相比二维极化并行(parallel polarization, PP)的全极化MUSIC方法(2D-PP-MUSIC),2D-PL-ESPRIT算法避免了复杂的二维谱峰搜索以及通过子空间正交方法判断散射类型的步骤,有效降低了运算量。之后,对三种算法进行了复乘计算量的比较以说明2D-PL-ESPRIT算法具有较高的运算效率。最后,通过仿真实验验证了2D-PL-ESPRIT方法用于全极化2D-GTD模型散射中心提取的有效性。     

基于相干极化GTD模型的散射中心提取新方法

针对高分辨极化测量雷达体制,提出了一种基于相干极化几何绕射模型(GTD)的雷达目标散射中心提取新方法。首先建立了全极化测量条件下的相干极化GTD模型,并将MUSIC算法拓展用于高分辨雷达目标的全极化散射中心提取。该方法是一种极化和超分辨联合处理方法,它实现了对不同极化通道的散射中心数目、位置、类型、强度以及归一化相干极化散射矩阵的同时估计,同时还因充分利用了全极化信息,提高了各参数估计的精度。基于仿真和实测数据的实验结果验证了该方法的有效性。     

基于电流相位特性的滑动散射中心建模方法

复杂流线型目标通常包含多个滑动型散射中心(sliding scattering center, SSC)。由于SSC位置随观测方位变化而改变, 采用现有的散射中心建模方法所获得的SSC属性参数精度受到雷达图像分辨率、多散射中心图像混叠和参数估计精度的限制。本文提出一种基于表面电流相位特性的散射中心建模方法。该方法基于全波法计算的稀疏采样角度下的表面等效电流数据, 通过驻相点自适应提取、电流分区, 实现目标散射中心的参数化建模。驻相点自适应提取可以精确确定散射中心位置, 电流分区计算可以避免多散射中心成分混叠造成的参数提取困难, 从而保证了散射中心的建模精度。本文以某导弹和飞机模型为例, 采用全波法和传统方法建模计算结果对使用该方法建模的效率和精度进行了验证。     

雷达目标散射中心模型反演及其在识别中的应用

提出了一种基于散射中心模型的距离像识别方法。首先采用稀疏空间网格上的宽带测量数据离线反演目标散射中心模型,再将从距离像中实时提取的一维散射中心特征与该散射中心模型的一维投影进行匹配完成在线识别。在散射中心模型反演中,提出了稳定散射中心的概念并基于此完成稀疏空间网格下的一维散射中心投影关联。在识别过程中,通过设计合适的匹配函数解决散射中心参数估计误差和模型误差造成的散射中心数目、幅度和位置不完全匹配问题。仿真实验表明,对于精度较高的模型,基于模型的识别方法与基于距离像模板的方法识别率相当,而在存储量和灵活性方面优势突出。     

基于特征增强的非均匀采样SAR三维稀疏成像

对于非均匀采样数据, 现有三维稀疏成像方法中的数据局部插值会带来误差, 且得到的分布式目标成像结果与其连续散射的本质不符。针对这些问题, 首先将成像问题直接建模为三维空间中联合的稀疏重构问题, 并通过选取候选散射中心进行字典降维; 然后, 在降维后的模型中增加三维特征增强约束项, 建立三维空间中相邻散射中心之间的联系; 最后, 结合高斯迭代法以及优化的信号处理技巧, 提出了一种高效的模型求解算法。实验结果表明, 相比于其他成像方法, 本文方法对旁瓣的抑制能力强, 成像结果分辨率高、精度高, 且保证了分布式目标成像结果的连续性。