基于实测数据的广域三通道SCANSAR-GMTI算法

根据广域三通道扫描模式合成孔径雷达地面动目标检测(scan synthetic aperture radar ground moving target indication, SCANSAR-GMTI)实测数据的分析,提出一种广域三通道SCANSAR-GMTI系统的动目标检测、测速、定位及航迹检测的方法。该方法在保持杂波抑制后两通道的相位特性一致的前提下,采用两路杂波抑制性能整体最优的3多普勒通道变换(3 Doppler transform, 3DT)方法,保证了系统的杂波抑制能力,结合相位干涉原理实现运动目标定位、测速,补偿载机运动带来的场景移动后实现了目标航迹的检测。最后,给出了对三通道实测数据的处理结果,验证了该方法能有效地检测地面慢速运动目标并检测其航迹。     

基于Logistic混沌映射移频的SAR转发干扰方法

提出了一种距离向混沌序列移频,方位向余弦调相的SAR欺骗干扰方法。分析了距离向固定移频干扰、随机移频干扰结合方位向调相干扰的特点。为了克服这两种干扰方法的不足,采用基于混沌序列的距离向移频结合方位余弦调相干扰方法,既可以大大增加被干扰方对干扰机位置的侦测难度,又可获得部分的压缩增益,在二维方向上形成占据一定宽度的面域干扰,适用于对分布目标的压制。与传统固定移频,随机移频结合方位向调相干扰结果进行仿真对比,验证了所提方法的优越性。     

改进的逆合成孔径雷达成像包络对齐方法

准确的包络对齐是逆合成孔径雷达成像的基础。提出了一种适合工程应用的包络对齐方法,通过对相邻分组脉冲累积互相关系数的监测,实时调整窗函数的长度,消除了包络对齐中的漂移误差和“毛刺”现象,并通过竞争选择基准脉冲的起始位置,保证了算法的稳健性。仿真和试验数据的成像结果表明包络对齐结果的精度满足成像的要求。     

无网格算法在相位展开中的应用

缠绕相位的展开是分析干涉合成孔径雷达数据的关键步骤,提出了一种利用无网格法进行相位展开的算法。该算法首先通过径向点插值无网格法计算出相位在划定支持域内的近似函数,然后在最小二乘意义下通过计算待展开相位点在支持域范围内的局部最佳近似值进行相位展开。由于结合了最小二乘法和无网格法的优点,该方法对于干涉图中质量较低区域同样可以进行有效相位展开,同时在很大程度上防止了误差的传递。最后通过仿真数据及实测数据验证了该算法的有效性。     

一种基于相位对消的转角估计新方法

逆合成孔径雷达成像中,为校正散射点越多普勒单元走动和方位向定标,需要对目标转角进行估计。在详细分析雷达目标回波相位特性的基础上,提出一种基于相位对消的转角估计方法。该算法通过对消回波的相位一次项后,对回波相位二次项系数进行估计,从而根据二次项系数与转角的关系获得转角估计值。同时,考虑到回波能量在成像平面的分布特点,采用加权最小二乘法对估计结果进行拟合。与现有方法相比较,新方法在稳健性和实时性上有较大改进。仿真数据和暗室数据的成像结果证明了该方法的有效性。     

用综合识别法检测风廓线雷达湍流目标

风廓线雷达探测时,由于湍流回波信号弱,易受到地杂波的干扰。为了改善目标检测效果,分析得到地杂波的如下特点：地杂波为宽度很窄的高斯谱、地杂波关于多普勒零速度点对称分布、地杂波离多普勒零速度点很近、地杂波谱峰两侧有很大的梯度、相邻高度层上的地杂波谱峰值有很小的梯度。据此,提出了进行风廓线雷达目标检测的综合识别法。其主要步骤是：以分段平均法确定噪声电平,以谱的形状和谱宽大小进行初步识别,以分类检测去除地杂波影响,再适当进行连续性修正后得最终检测结果。实测数据处理表明：检测效果令人满意,不同波束的检测结果具有对称性,在弱信号时也可以取得合理的检测结果。     

基于严格解析谱的同轨双基SAR的CS成像算法

针对双基地合成孔径雷达(synthetic aperture radar, SAR)包络徙动的空变问题,提出一种同轨等速双基构形下基于几何关系公式方法推导出的严格解析双基频谱的线频调变标(chirp scaling, CS)成像算法,不同于波数域的成像算法,整个成像过程不需要进行插值运算,在频域聚焦实现快速成像。高精度的双基频谱使得其对基线的长短不再敏感,可以进行长基线情形下的数据处理。仿真实验验证了本文算法的有效性。     

基于MRF的高分辨率SAR图像道路网自动提取

各种干扰的存在使得高分辨率合成孔径雷达(synthetic aperture radar,SAR)图像道路网的提取变得异常困难。马尔可夫随机场(Markov random field, MRF)模型能够充分利用道路图像的上下文特征以及先验知识,在道路网提取中得到广泛应用,但存在求解过程偏慢及参数设置偏多问题。首先根据道路空间几何特征关系对提取出的线基元进行预连接,以此减少虚假连接给MRF迭代求解带来的运算量;然后建立MRF道路网改进模型对道路网进行快速标记。使用1m机载高分辨率SAR图像进行实验,结果验证了该方法的有效性。     

Novel reference range selection method in InlSAR imaging

Aiming at the reference range selection for different antennas in interferometric inverse synthetic aperture radar (InISAR) systems, this paper proposes a respective focusing (RF) method. The reference ranges for echoes of different antennas are selected respectively for RF, which is different from the traditional uniform focusing (UF) with the same reference range applied to all the antennas. First, a comparison between UF and RF for InISAR signal model considering the ranging error is given. Compared with RF, UF has an advantage in overcoming the ranging error differences between different antennas. Then the influence of ranging error upon the interferometric imaging with RF is investigated particularly, and it is found that the ranging error differences between different antennas are far smaller than the wavelength, which is advantageous to imaging. By comparing the capabilities of interferometric imaging between RF and UF, it is concluded that RF is a better choice in conquering problems such as image mismatching and phase ambiguity even with ranging errors. Simulations demonstrate the validity of the proposed method.     

ISAR target recognition based on non-negative sparse coding

Aiming at technical difficulties in feature extraction for the inverse synthetic aperture radar (ISAR) target recognition, this paper imports the concept of visual perception and presents a novel method, which is based on the combination of non-negative sparse coding (NNSC) and linear discrimination optimization, to recognize targets in ISAR images. This method implements NNSC on the matrix constituted by the intensities of pixels in ISAR images for training, to obtain non-negative sparse bases which characterize sparse distribution of strong scattering centers. Then this paper chooses sparse bases via optimization criteria and calculates the corresponding non-negative sparse codes of both training and test images as the feature vectors, which are input into k neighbors classifier to realize recognition finally. The feasibility and robustness of the proposed method are proved by comparing with the template matching, principle component analysis (PCA) and non-negative matrix factorization (NMF) via simulations.