基于趋势估计的微多普勒分离与特征提取算法

微动目标特征提取与辨识一直是弹道目标识别的研究热点与难点。针对复杂运动目标微多普勒(micro-Doppler, m-D)曲线交叠耦合导致的微动辨识难点, 提出一种基于曲线趋势估计的分离算法。该算法首先通过骨架提取获得稳定精细的二值化曲线数据, 再基于曲线光滑性和插值法对曲线趋势进行精确估计并分离, 最后利用变分模态分解(variational mode decomposition, VMD)及经验模态分解(empirical mode decomposition, EMD)算法分解每条m-D曲线并计算相应的微动特性。仿真实验表明, 所提算法能够在信噪比大于-15 dB条件下稳定分离m-D曲线, 进而提取目标的微动特性。     

固旋翼无人机垂直起降阶段抗风特性及其影响因素

为了评估四旋翼固定翼垂直起降复合布局无人机(简称固旋翼无人机)垂直起降阶段的抗风性能,本文以固旋翼无人机垂直起降阶段在风场中保持稳定为基础建立了抗风特性分析方法。以某双尾撑固旋翼无人机为算例,利用所提方法分析了该无人机抗风特性及其影响因素,分析结果表明该无人机在机头来流的工况下具有很强的抗风能力,侧面来流工况下无人机抗风能力较差,可以通过增加旋翼桨盘倾角、改变旋翼电机相对于重心的位置、优化尾翼等部件的气动外形等方法来改善无人机抗风能力。飞行试验验证了所提方法的可行性和分析结果的准确性。     

进动锥体目标平动补偿及微多普勒提取

针对平动调制下的进动锥体锥顶及锥底滑动型散射源微多普勒提取问题,提出一种利用微多普勒曲线交叉点频移信息完成平动补偿并利用正交匹配追踪(orthogonal matching pursuit, OMP)提取微多普勒的方法。根据进动锥体散射源微多普勒变化规律建立回波模型,引入二次型平动速度调制项,发现微多普勒曲线交叉点处的瞬时频移是由剩余平动引起的。利用Harris-Laplace角点检测获取时频图中微多普勒曲线交叉点信息,通过最小二乘参数辨识得到剩余平动参数;针对平动补偿后锥体散射源微动特性构建回波信号原子集,利用OMP稀疏分解提取各散射源的微动信息。仿真验证了所提方法的有效性。     

基于FMCW雷达的旋转目标微动参数提取方法

针对旋转目标微多普勒频率相互交叠、重合难以提取的问题, 提出了一种基于调频连续波(frequency modulated continuous wave, FMCW)雷达的微动参数提取方法。考虑到旋转目标微多普勒频率具有正弦形式的特征, 利用多普勒信号构造了矩阵并进行奇异值分解, 使得奇异值比谱在旋转频率处的比值达到最大。为了估计旋转半径和初始相位, 对多普勒信号时频分析结果进行逆Radon变换, 将正弦曲线的参数估计问题转化成了参数空间中的峰值检测问题。仿真和实验数据结果表明, 结合奇异值分解、时频分析技术和逆Radon变换的旋转目标微动参数提取方法具有在低信噪比条件下提取高精度参数值的能力, 有效解决了相互交叉的微多普勒频率参数提取问题。     

低重频宽带雷达中小幅微动目标的周期估计

当空间微动目标仅发生小视角变化且雷达脉冲重复频率较低时,基于雷达散射截面序列、高分辨距离像(high-resolution range profile, HRRP)序列和微多普勒等特征提取算法的有效性面临了挑战。为此,基于宽带逆合成孔径雷达(inverse synthetic aperture radar,ISAR)像序列提出一种目标微动周期估计方法。基于微动目标ISAR成像的分析,利用ISAR图像序列之间的相似度进行微动周期估计。采用最小图像熵准则选取视线角线性变化区间的ISAR图像作为参考基准,利用图像动态范围压缩、基于全图像匹配的相似度估计等方法,强化算法稳定性并减小计算量。该方法对HRRP数据率要求低,对ISAR成像质量约束小,有利于工程实现。仿真实例从摆动和进动两种情况,分析了基准图像的选取和信噪比对算法性能的影响,证明了算法的有效性和高稳定性。     

一种低复杂度的频率、时延联合估计新方法

提出了一种基于子空间的正弦信号的频率、时延联合估计快速算法。首先给出一个PM(propagatormethod)算子 ,再由其分块矩阵构造一特殊的矩阵。由该矩阵的特征分解所得的特征矢量给出频率估计 ,而由其特征值及估计的频率得到时延估计。与现有的方法相比 ,由于该算法减少了一次特征分解 ,因而具有较低的计算复杂度。最后 ,用正弦信号及实测语音数据验证了该方法的性能     

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。     

单通道干涉相位无模糊估计快速动目标速度

为了解决合成孔径雷达-地面动目标检测系统中快速运动目标径向速度过大导致模糊的问题,提出一种基于单通道两视干涉相位无模糊估计方法。该方法首先在距离频率构造两视数据,再将两视数据进行干涉处理。利用两视干涉相位与方位慢时间的关系无模糊估计径向速度,该方法具有不受相位缠绕影响的优点。分析了所提算法在杂波背景和多目标情况下的应用,并研究了所提算法应用条件和最大不模糊速度。通过仿真和实测数据处理验证了所提方法的有效性。与基于包络的单通道方法对比分析,所提算法具有估计精度高和运算复杂度低的优点。     

基于固定时间一致性的无人机集群构型变换

针对无人机集群需要在指定时间内完成构型变换的情况,研究了具有一阶积分特性的无人机集群构型变换固定时间一致性控制问题。基于一致性方法设计了编队控制协议,引入编队参考向量,并通过构造Lyapunov函数,证明了在通信拓扑连通条件下无人机集群系统能够实现固定时间一致性并完成期望构型变换。以四旋翼无人机为基础搭建实验验证系统,并进行二维飞行验证,实验结果证明了本文所提方法的有效性。     

闪烁现象下旋翼目标微动参数估计方法

逆Radon变换以其精度高、抗噪性能好的优点常用于微动信号的参数估计,但是当旋翼类目标微动信号存在闪烁现象时,该方法失效.针对此问题,提出一种闪烁现象下的微动参数估计方法.首先,建立基于线性调频信号的单旋翼直升机雷达回波散射点模型,分析闪烁现象下回波的微动特性.其次,通过去噪卷积神经网络(denosing convol...     

基于聚类字典学习和稀疏表示的SAR图像抑斑方法

针对合成孔径雷达(synthetic aperture radar, SAR)图像相干斑抑制问题,提出一种基于聚类字典学习和稀疏表示的SAR图像抑斑方法。本方法以相干斑噪声的非对数加性模型为基础,通过改进相似度测度的K-means聚类和主成分分析方法进行字典学习,克服了相干斑噪声非高斯性带来的影响,形成具有结构性聚类的字典原子;在稀疏分解方面,通过引入方差稳定因子,建立了适用于抑制SAR相干斑噪声的稀疏表示模型,并通过交替迭代算法进行代价方程求解;同时算法还增加了点目标保护措施,避免了对图像点目标“过滤波”。通过卫星、无人机SAR图像的抑斑实验证明,相比经典的SAR图像抑斑方法,所提的方法在抑斑的视觉效果上和客观评价指标上都有较大的提升。     

基于PCA和相位差校正法的风切变预警算法

为了提高相干激光雷达风切变预警算法的预警率,提出一种基于主成分分析（principal component analysis,PCA）和相位差校正法的风切变预警算法。首先,利用PCA对雷达回波信号进行低阶主成分向量提取以实现信号重构,提高信噪比。其次,采用基于快速傅里叶变换的相位差校正法对回波信号峰值频率进行校正,降低回波信号能量泄露。然后,分别利用旋转电机实验数据和小型飞机实验数据对所提算法进行性能评估。结果表明,采用所提算法估计相干激光雷达回波信号峰值频率的平均绝对误差为0.26 MHz,对实际低空风切变的预警率为92.31%。所提算法可以有效降低相干激光雷达回波信号频率估计误差,实现低空风切变预警。     

基于决策融合的多无人机协同目标检测识别算法

针对现阶段单无人机不能高效完成大区域巡视的问题,提出一种多无人机决策融合的目标检测识别算法。首先改进Retinanet算法进行单无人机的目标检测,根据航拍图像目标特性,调整anchor参数和训练策略。同时利用特征提取算子配准多无人机航拍图像,实现多机图像坐标一致,并进行图像拼接。然后综合目标的位置信息和属性信息对多机图像进行目标关联。最后提出一种基于冲突度量的动态切换策略,自适应选择DST(dempster-shafer theory)或DSmT(desert-smarandache theory)融合关联目标信息。在多无人机协同目标识别数据集上进行实验,结果表明所提算法能在增大单次巡视范围的同时,提高无人机巡视系统的检测精度。     

基于虚拟子目标联合边界力的编队避障算法

针对复杂环境条件下无人机（unmanned aerial vehicle,UAV）集群编队系统中领航-跟随集群的编队控制和人工势场法中的避障问题，提出了一种基于虚拟子目标联合边界力（joint virtual sub-target and boundary force, JVBF）的无人机集群编队避障算法。采用基于虚拟子目标的领航-跟随法并优化修正力函数来实现无人机集群的队形控制，以达到帮助跟随无人机快速恢复队形的目的；采用基于边界力的人工势场法负责局部路径规划，解决无人机目标不可达和狭窄通道内振荡的缺点。仿真结果表明，所提算法相较于传统算法具有更高的编队队形一致性和时间效率。     

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。     

基于二级字典的联合稀疏表示高光谱图像分类

针对多数传统分类算法应用于高光谱分类存在的分类精度较低、光谱信息利用不充分的问题,在基于核函数的联合稀疏表示分类方法的基础上提出了一种基于二级字典的联合稀疏表示的高光谱分类算法。在字典原子前加入待测像元与该原子的引力,以达到更快捷地找到与待测像元相匹配的原子的目的。加入的引力值由万有引力公式改进的适应于高光谱图像的公式计算而来。为了使得稀疏重构后的残差波段中包含的具有一定意义的分类鉴别信息被充分挖掘,本文采用指数平滑公式对残差信息进行再利用。通过在Indian Pine数据集和Salina-A数据集上进行实验,验证了所提算法可以提升分类精度。     

基于零空间l1范数最小化的ISAR成像方法

在目标场景散射率分布满足稀疏性假设下,压缩感知(compressive sensing, CS)成像与传统距离-多普勒成像方法相比,可以使用很少的数据获得良好的图像,图像对比度高,没有旁瓣干扰。本文提出了一种基于零空间l₁范数最小化的逆合成孔径雷达(inverse synthetic aperture radar, ISAR) CS成像方法。从解欠定方程组的角度,将待重建目标图像分解为初猜值与残余值两部分。首先使用加权最小二乘(weighted lease square, WLS)法估计初猜值,作为目标初像；然后将待重建目标场景散射率的l₁范数作为额外的一个非线性测量值引入到图像重建中,在卡尔曼滤波框架下,利用非线性“伪测量”值,最小化待重建目标场景的l₁范数来估计零空间中残余值的解。实测ISAR数据处理验证了所提算法的有效性。与正交匹配追踪算法(matching pursuit algorithm, OMP)和primal-dual l₁范数最小化方法相比,所提方法获得的成像效果更好,成像时间比primal-dual l₁范数最小化方法更短。     

固定翼无人机编队构型与通信拓扑优化

本文研究了考虑攻防对抗态势与最小信息流要求的固定翼无人机(unmanned aerial vehicles, UAVs)编队构型与通信拓扑优化问题。建立了编队构型指标体系, 给出了大规模集群分层编队构型设计模型和编解码方法, 提出了基于态势场的队形模型, 采用粒子群算法开展了队形参数优化。建立了通信网络拓扑效能指标体系, 提出了通信代价模型, 给出了基于Q学习的网络连通性控制算法。仿真算例验证了所提方法的有效性。     

多载波OFDM信号识别方法

无人机(unmanned aerial vehicle, UAV)技术发展迅速, 应用十分广泛, 用作UAV测控数传的正交频分复用(orthogonal frequency division multiplexing, OFDM)信号, 给民用无线频谱管理、军用非合作通信技术带来不小的挑战。基于此, 提出了一种基于包络相关谱的OFDM信号检测识别算法。主要利用OFDM信号的时域相关性, 通过计算信号的复包络相关谱, 并检测判断其相关谱的离散周期性, 实现了在非合作通信中OFDM信号的识别。相比基于高阶累积量的检测识别算法, 所提算法具有更好的信噪比适应能力, 而且不需要设定判别的经验阈值, 同时还能估计出子信道的带宽。仿真实验结果验证了所提方法的有效性。     

正负频率步进信号精确测速算法

利用正负频率步进信号特殊的信号波形,提出了一种复合测速算法。其核心思想是从不同的角度巧妙地利用回波间的相关性,通过分析与速度有关的相位或距离信息完成目标速度估计。所提算法不仅有效地利用了运动目标帧间距离走动的信息,还充分利用了运动目标在正负频率步进信号体制下耦合时移相反的特性,其结果能够直接实现高速运动目标的精确测速,完成目标微动特性的测量。仿真结果证明了所提算法的有效性。