基于散射模型的球头锥目标几何结构参数估计

针对传统几何参数估计方法对成像质量要求较高,对低信噪比、稀疏孔径的散射回波数据估计精度低的问题,选择球头锥目标为研究对象,提出了一种使用几何参数散射模型和正交匹配追踪(orthogonal matching pursuit, OMP)算法相结合的方法,简化了计算过程,提升了参数估计精度。该方法首先根据先验信息确定代估参数的取值范围,并等间隔地在取值范围内设置参数网格,再根据对应的参数值计算散射模型,生成二维像,之后通过OMP算法拟合回波信号的成像结果,得到精确的几何参数估计值。所提方法实现了在原始回波数据质量较差的情况下,对球头锥类目标的几何参数精确估计与重构。     

基于改进OMP算法的稀疏目标微波关联成像方法

利用稀疏重构类方法进行雷达微波关联成像时, 传统的正交匹配追踪(orthogonal matching pursuit, OMP)算法在每一次迭代过程中均需要求解目标函数的最小二乘解, 导致成像算法计算复杂度随矩阵规模和迭代次数增加而急剧攀升。针对此问题, 结合频率捷变思想, 提出了一种改进OMP算法的稀疏目标微波关联成像方法。首先, 阐明了微波关联成像机理, 并构建了微波关联成像信号模型; 然后, 利用共轭梯度法对OMP算法中的最小二乘求解步骤进行了改进, 并分析了改进后算法的计算量; 最后, 通过与最小二乘成像方法、匹配滤波成像方法和基于传统OMP稀疏重构的成像方法进行计算机对比仿真实验, 证明了本文算法的正确性与优越性。     

贝叶斯模型下的OMP重构算法及应用

针对稀疏度先验信息缺失的条件下,正交匹配追踪(orthogonal matching pursuit, OMP)算法设置冗余稀疏度时,造成信号过重构、抗噪性能变差等问题,基于贝叶斯检验模型,提出了贝叶斯正交匹配追踪(Bayesian orthogonal matching pursuit, BOMP)算法。并推导了该算法估计信号的克拉美罗下界,最后将算法应用于逆合成孔径雷达(inverse synthetic aperture radar, ISAR)成像。理论分析和实验结果表明,由于该算法能够更加真实地估计信号支撑集,因而具有更好的重构精度、抗噪性能,同时降低了计算复杂度。     

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。     

矩量法中引入压缩感知求解三维电磁散射问题

在解决三维电磁散射问题时,随着入射波角度的变化,传统的矩量法需针对每个角度分别计算该入射波照射下散射体表面的电流系数。对于求解宽角度下的电磁散射问题,该算法需反复运用迭代求解,运算量大,效率相对较低。为此,引入压缩感知技术来求解宽角度下的三维电磁散射问题,利用稀疏转换基和观测矩阵对数据进行稀疏表示和观测,通过数次观测所得的值再采用恢复算法即可重构出所需全部入射角度下的电流系数值。利用该方法计算所得结果与传统算法得到的结果一致,在不影响计算精度的同时可减少运算时间,降低计算复杂度。     

结构扰动与粗差鲁棒的lp正交匹配追踪算法

针对压缩感知稀疏信号恢复,提出了一种对测量结构扰动和粗差同时鲁棒的l₁正交匹配追踪(structure perturbation and outlier robust l₁-orthogonal matching pursuit, l₁-SPOR-OMP)算法。该算法利用l₁范数对粗差的鲁棒性,分别约束信号和扰动的拟合误差,进而通过交替迭代使它们同时到达最小,从而同时实现对信号和扰动的有效鲁棒恢复;由于算法仅需求解支撑位置的有效扰动,因此极大地降低了算法的计算复杂度。此外,为了进一步提高算法的恢复效率,也提出了使用鲁棒OMP方法来估计有效扰动的l_1,2-SPOR-OMP算法。在证明了所提出算法收敛性的同时,分析了运算复杂度。数值仿真的结果验证了所提算法的有效性和优越性。     

基于DCS的发射分集MIMO雷达参数估计

针对目标在多角度观测下的散射系数估计问题,研究了基于分布式压缩感知（distributed compressed sensing, DCS）的发射分集多输入多输出（multiple-input multiple-output, MIMO）雷达参数估计方法。在分析发射分集MIMO雷达信号模型的基础上,构建了其联合稀疏表示模型;在分析正交匹配追踪（orthogonal matching pursuit, OMP）算法实现结构的基础上,提出了一种新的基于迭代式正交匹配追踪的DCS算法。仿真结果表明该方法的估计精度高于DCS SOMP和幅度相位估计+Capon的算法,重构概率也高于DCS-SOMP算法。     

机动目标模型匹配卡尔曼滤波载波跟踪算法

针对传统卡尔曼滤波器用于高动态载波跟踪时性能不够理想的问题,提出一种基于机动目标模型匹配的卡尔曼滤波载波跟踪算法,能够在载波参数剧烈变化的条件下实现稳定的载波同步。所提算法较传统算法更加契合实际环境,具有实用价值高、应用范围广等优点。使用线性卡尔曼滤波器,无需矩阵求逆运算,计算复杂度低,便于工程实现。仿真结果表明,所提算法在跟踪具有剧烈动态特性的载体信号时能够显著提高跟踪精度,且跟踪门限信噪比能够降低约3 dB。     

电磁跟踪系统磁传感器三轴非理想正交的快速校正算法

六自由度电磁跟踪系统由于磁传感器三轴非理想正交,系统引入误差导致参数定位精度降低。为了克服传统的基于共轭次梯度算法和神经网络模型校正方法存在的算法复杂、计算耗时较长、精度较低的缺点,提出了以误差校正矩阵〖WTHX〗P〖WTBX〗为基础的快速校正算法,同时实现了非正交参数的提取和系统误差的校正。通过系统特定参数的跟踪模型,构造了包含非正交参数的线性方程组,求解出误差校正矩阵。数值模拟结果表明,该方法具有算法简单、计算量小、快速准确的优点,可以有效校正电磁跟踪系统由于磁传感器三轴非理想正交而引入的参数误差,提高了系统定位精度。     

一种基于GTD模型的目标散射中心提取方法

随着隐身技术的发展,臆身目标的镜面散射已基本消除.边缘绕射等上升为主要散射源.用基于几何绕射理论的GTD模型取代以镜面散射为主的常规目标的指数和散射模型,来精确描述隐身目标的高频电磁散射特性.并且采用旋转不变技术(TIS_ESPRIT)替代多重信号分类(MUSIC)算法,精确估计目标散射中心的位置信息,避免了MUSIC算法用谱峰搜索提取参数的过程.并时TLS_ESPRIT算法进行了改进,有效降低其计算量.同时,利用特征分析法的信号与噪声子空间正交特性、二项式近似两种方法来提取散射中心的类型参数.仿真结果表明,该算法高效、精确、具有良好的分辨率,可以有效地提取以边缘绕射等为主要散射形式的臆身目标的散射中心.     

基于预分类的全极化HRRP模型匹配目标识别方法

全极化三维散射中心模型可准确描述目标的空间几何以及极化特征,已成为目标识别的有效手段之一。针对传统高分辨距离像的匹配算法计算量大、耗时长的不足,提出一种基于预分类的模型匹配目标识别方法,通过目标散射机理分析,对目标进行预分类,减小匹配模型数,然后利用全极化高分辨距离像的散射中心位置与极化信息构造模型匹配函数,实现了目标类别的判定。基于电磁仿真计算数据的识别实验表明,该方法具有良好的目标识别能力,相比于传统方法具有更高的识别正确率以及更低的存储量和计算量。     

基于二进制二次规划全局最优性条件的GSSK系统的检测算法

广义空间位移键控(generalized space shift keying, GSSK)技术作为大天线技术和绿色通信技术相融合的优选方案受到了业界的广泛兴趣,其特点是在每一时刻只激活几根天线发送已知信号,利用激活天线的序号来传递信息。基于最大似然(maximum likelihood, ML)准则的GSSK检测器,当天线数较多时,其计算量太大,给实际应用带来困难,为此人们热衷于研究简化的次优检测算法。给出了一种基于二进制二次规划全局最优性条件的GSSK系统的检测算法。该算法首先利用最优判决准则判断发送信息,然后根据已判断出的发送信息来确定发送天线的组合,进而得到发送的二进制比特流。仿真结果表明,所提出的新算法在性能上优于已有的正交匹配追踪(orthogonal matching pursuit, OMP)、凸超集松弛(convex superset relaxation, CSR)等次优检测算法,复杂度又低于ML算法,在性能和复杂度之间得到较好的折中。     

基于改进遗传算法的正交匹配追踪信号重建方法

针对压缩传感现有重建算法的缺陷:重建速度慢,在给定迭代次数的条件下进行重建,缺乏自适应性等,提出了一种改进的遗传算法与正交匹配追踪算法相结合的方法来构造重建矩阵。首先采用改进的遗传算法从测量矩阵的列中以最优染色体的形式选出与当前冗余向量最大程度相关的列,然后从测量矩阵中减去最优染色体部分并反复迭代,直到满足重建精度。实验结果表明,与现有的重建算法相比,在满足相同的重建精度条件下,该方法所需要的重建时间减少了5 s左右,所需要的测量矩阵规模减小了约10%,而且能在待重建信号稀疏度未知时自适应地控制迭代停止时间。     

基于时频差的高阶强跟踪UKF算法

针对传统无迹卡尔曼滤波(unscented Kalman filter, UKF)在系统状态发生突变时估计精度下降的问题,将改进的强跟踪滤波算法与基于高斯概率密度高阶导的无迹卡尔曼滤波算法(high order probability density derivative, HUKF)相结合,提出了高阶强跟踪无迹卡尔曼滤波方法(high order strong tracking UKF, HSUKF)。该算法采用高斯概率密度函数高阶导数的极值作为Sigma样点进行无迹转换,通过样本点捕捉更高阶的中心矩来提高非线性变换近似精度。将改进的强跟踪滤波算法引入到HUKF中,通过渐消因子修正预测新息协方差和预测互协方差矩阵,强迫新息正交,在不增加计算复杂度的前提下提高了算法在状态发生突变时的适应能力。将本文算法应用于时差频差的无源跟踪中,通过对目标状态发生突变的跟踪问题进行数值仿真和实例论证表明HSUKF算法兼具了计算复杂度低和估计精度高的特性,且在系统状态发生突变的情况下表现出良好的滤波性能。     

基于改进MUSIC算法的散射中心参数提取及RCS重构

随着隐身技术的发展，雷达目标的边缘绕射等逐渐取代镜面散射成为主要的散射源，因此基于几何绕射理论（geometric theory of diffraction，GTD）的散射中心模型对隐身目标电磁散射特性的描述要比衰减指数和模型更为精确。显然，准确估计出GTD散射中心参数对刻画目标散射特性犹为重要。针对经典多重信号分类（multiple signal classification，MUSIC）法仅利用目标原始回波数据、参数估计精度不高这一问题，提出一种改进的MUSIC算法对散射参数估计提取。改进的MUSIC算法通过对原始回波数据取共轭，构建新的总协方差矩阵，有效利用了目标原始回波数据的共轭信息。仿真结果表明，与经典MUSIC算法相比，改进的MUSIC算法参数估计精度更高，雷达散射截面重构拟合程度更好，且运算量增加不大，可有效提取出隐身目标的散射中心。     

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。     

基于块稀疏矩阵恢复的MIMO雷达扩展目标高分辨成像算法

针对现有多输入多输出(multiple input multiple output, MIMO)雷达稀疏恢复成像算法中存在的运算量大、对扩展目标成像质量低的问题，提出一种基于块稀疏矩阵恢复的MIMO雷达扩展目标高分辨成像算法, 通过引入目标块稀疏特征, 提高对空间扩展目标的成像质量。首先, 通过构造距离向和方位向感知矩阵, 建立目标散射系数估计的块稀疏矩阵恢复模型。然后, 采用分块二维序列一阶负指数(sequential order one negative exponential, SOONE)函数对目标块稀疏特征进行提取。最后, 利用梯度投影算法对块稀疏矩阵范数优化问题进行求解, 在欠采样条件下得到目标高质量图像。相比于传统成像算法, 所提算法可以在实现对扩展目标高分辨成像的同时, 降低数据采样量, 且具有较高的准确性、鲁棒性和较低的运算量。仿真实验验证了所提成像算法的有效性。