双层稀疏组Lasso高分辨SAR结构特征增强成像

针对合成孔径雷达(synthetic aperture radar,SAR)成像中,基于l1正则化线性回归(简称为Lasso)的凸优化类算法在进行稀疏特征增强时会导致弱散射体结构特征丢失,进而影响稀疏信号恢复精度的问题,本文提出一种基于双层稀疏组Lasso罚高斯回归模型的交替方向多乘子算法.该算法以散射体的块结构(组)...     

基于SNIC的双时相SAR图像超像素协同分割算法

针对面向区域的合成孔径雷达(synthetic aperture radar, SAR)图像变化检测方法中存在的双时相图像边缘和空间对应关系不一致的问题, 提出了一种基于简单非迭代聚类(simple non-iterative clustering, SNIC)的双时相SAR图像超像素协同分割算法。首先, 构造一幅包含双时相SAR图像特征的融合图像, 计算待处理像素点到聚类中心的像素强度相似度和空间距离相似度。其次, 采用一种高效的多尺度弱边缘检测算法, 对双时相SAR图像分别进行边缘检测并融合边缘检测结果。最后, 将像素强度相似度、空间距离相似度和边缘信息进行加权以替代原始SNIC算法中的距离测度, 实现对SAR融合图像的超像素分割, 得到与双时相SAR图像中真实地物边缘均贴合的协同分割结果。基于一组仿真和一组实测双时相SAR图像的超像素协同分割实验结果表明, 该算法的边缘贴合率、欠分割误差和可达分割准确率均优于其他7种经典方法。     

基于SAR仿真图像的地面车辆非同源目标识别

充分的合成孔径雷达(synthetic aperture radar, SAR)模板数据是目标识别算法(尤其是基于深度学习的智能目标识别算法)获得优异识别性能的关键, 基于实际测量获取充分SAR数据是不现实的, 基于电磁散射建模的SAR仿真成为当前获取充分样本的一种有效途径。SAR仿真图像与实测图像为非同源数据, 由于SAR仿真的目标几何模型与实物之间差异、SAR仿真过程中的传感器模型与实际传感器性能之间差异、实物所处的背景环境与SAR仿真的环境之间差异、电磁建模方法本身误差等因素导致SAR仿真图像与实测图像存在差异, 会影响识别性能。针对这一问题, 首先采用一种基于高频渐近技术和离散射线追踪技术的SAR仿真方法获取地面车辆目标的SAR仿真图像, 再利用卷积神经网络方法、线性/非线性特征变换方法实现对MSTAR实测数据的非同源SAR目标识别性能对比分析。实验结果表明, 直接使用SAR仿真数据无法实现对实测SAR数据有效识别, 而线性/非线性特征变换可以改善非同源SAR目标识别性能, 一定程度上缓解由于SAR仿真数据与实测数据存在差异导致的识别性能差的问题。     

基于ROEWA算子局部活动轮廓的SAR图像分割算法

针对经典可变区域拟合(region scalable fitting,RSF)模型无法分割合成孔径雷达(synthetic aperture radar,SAR)图像的问题,提出了一种基于指数加权均值比(ratio of exponentially weighted averages, ROEWA)算子的改进RSF局部活动轮廓模型。算法首先以SAR图像目标边缘的ROEWA算子的负指数函数为边缘指示函数,对区域可伸缩能量项和弧长项进行加权,消除了原模型中梯度算子对于乘性相干斑满布的SAR图像边缘检测失效的弊端,还防止了目标弱边界的泄漏,避免了边界缺失;其次在零水平集演化的偏微分方程中加入权系数可变的面积项,提升了算法在目标边缘处的自适应捕获能力,同时也提高了算法对目标多层轮廓的检测能力,并且最大化地保留了目标的外轮廓;面积项的可变权系数可根据目标的ROEWA算子的模值来自动调整大小,很好地保持了目标的边缘细节。改进算法不受初始轮廓的影响,对相干斑噪声不敏感,且实验证明算法的计算复杂度仅与图像的尺寸有关。通过对合成与真实的SAR图像数据进行实验,验证了所提方法的直观性和有效性。     

基于多脉冲联合估计的SAR相位误差自聚焦算法

合成孔径雷达(synthetic aperture radar, SAR)是相干成像系统,所以接收信号相位的正确性决定了SAR图像的聚焦质量。利用自聚焦算法对SAR图像进行相位误差函数的估计及补偿是获得高分辨率,高质量SAR图像的关键步骤之一。其中,相位梯度自聚焦(phase gradient autofocus, PGA)算法运算量适中且鲁棒性好,被广泛应用于SAR自聚焦中。然而,PGA算法基于相位误差梯度值进行加权平均估计,相位差分的过程会引起噪声的积累,因此该算法对原SAR图像在方位数据域的信噪比要求较高。针对PGA算法存在问题,提出了基于多脉冲联合估计的相位误差自聚焦(phase error autofocus, PEA)算法。该算法采用了PGA算法的处理结构,并基于相位误差直接进行加权平均估计,可以在较低信噪比条件下正确实现SAR图像的自聚焦处理。仿真实验以及实测数据处理结果对比均表明,PEA算法可以获得优于PGA算法的自聚焦性能,且实际算法执行时间更短,更有利于算法实时处理。     

基于载机运动特征的FMCW SAR前视成像仿真分析

基于阵列技术的机载前视线性调频连续波(FMCW)合成孔径雷达(SAR)能对载机前方区域高分辨成像,且能满足机载SAR小型化的需要。针对前视成像若不考虑载机运动时信号模型不完整和系统应用受到制约的问题,提出基于载机运动特征的FMCW SAR前视成像。分析了前视FMCW SAR与脉冲SAR信号收发模式等问题的异同,建立了基于载机运动特征的前视FMCW SAR信号模型。分析了载机运动的影响,并重点讨论了载机运动引入的多普勒频率偏移。结合距离-多普勒(RD)算法流程给出了多普勒频率偏移的补偿方法并进行了仿真研究。结果表明,载机运动会引起点目标航线向主瓣展宽、旁瓣畸变以及目标位置的搬移,通过补偿可有效消除载机运动的影响。     

基于SPGA算法的低频超宽带 SAR运动补偿方法

对已经初步聚焦的低频超宽带(ultra wideband, UWB)合成孔径雷达(synthetic aperture radar, SAR)图像进行基于图像域的相位误差补偿,可进一步提高图像聚焦质量。依据UWB SAR运动误差模型,提出了基于条带式相位梯度自聚焦（strip phase gradient autofocus, SPGA）算法的相位误差补偿方法。该方法有效地补偿大合成孔径、宽测绘带低频UWB SAR图像中的二维空变相位误差。仿真和实测数据处理结果验证了所提方法的有效性。     

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。     

估计残差功率度量下的UWB-SAR抑制RFI算法性能

在基于正弦波模型的UWB SAR抑制RFI框架下 ,提出了综合反映频率、幅度和相位估计误差的估计残差功率 (ERP)度量指标 ,并以此为准则比较了几种常用的正弦参数估计算法以及基于特征结构分析的最大似然方法的性能。分析结果对于选择和设计有效的UWB SAR抑制RFI算法具有重要的指导意义。仿真实验验证了所得结论的正确性。     

适用大场景高分辨合成孔径雷达的快速BP算法

在进行大场景、高分辨合成孔径雷达(synthetic aperture radar,SAR)成像处理时,基于后向投影(back-projection,BP)的SAR成像算法由于运算量大其应用受到限制,而基于快速变换的算法是在信号的频率域进行,要求线性孔径,对运动补偿的要求太高其应用也受到限制。提出了一种快速后向投影(fast back-projection,FBP)算法,对大场景、高分辨的SAR成像处理时其计算效率比传统的BP算法有显著提高。仿真结果表明,其成像质量与传统的BP算法相近。     

复数兼容全变分SAR目标结构特征增强

针对合成孔径雷达(synthetic aperture radar, SAR)成像目标复杂结构特征难以精准提取的问题,设计复数兼容的多通道结构张量全变分(structure tensor total variation, STV)正则先验表征函数,进而提出面向SAR目标结构特征增强的复数兼容-STV(complex value compatible-STV,CV-STV)优化算法。所提算法的结构先验函数设计涵盖实部/虚部两个通道的结构张量,能适应SAR复成像数据特征并解析推导得到其近端算子,进而简化求解问题的模型复杂度。同时,将CV-STV正则优化算法引入稀疏驱动先验,借助交替方向多乘子法(alternating direction method of multipliers, ADMM)多任务优化框架实现目标散射点多特征的联合表征与增强。实验部分分别应用SAR仿真与实测数据对所提CV-STV正则优化算法进行有效性验证;同时利用相变分析实验对比传统特征增强算法,验证了所提算法的优越性。     

高分辨SAR目标成像方向性结构特征增强

针对传统稀疏特征增强的方式仅能完成对目标场景中特显点的增强,对复杂的目标结构特征无能为力的问题,考虑目标细节特征的复杂性,提出方向性结构全变分(directional total structure variation,DTSV)正则子进行结构先验表征,实现对成像目标复杂结构特征任意梯度变化的拟合,进而实现对结构特征的...     

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,MIM O)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...     

基于多观测向量块稀疏的MIMO雷达非理想正交波形成像

基于稀疏恢复的多输入多输出(multiple input multiple output, MIMO)雷达波形分离方法,能够代替匹配滤波,提高MIMO雷达非理想正交波形分离效果,对目标高分辨成像。但由于目标像稀疏性较弱,多观测向量(multiple measurement vector, MMV)稀疏恢复算法的效果有限。通过调整感知矩阵发掘目标像的块稀疏性,提出了一种基于块稀疏的MMV稀疏重构算法来提高成像质量。首先采用改进的复合三角函数(improved composite trigonometric function, ICTF)作为平滑函数近似l₀范数,然后将其扩展到基于块稀疏的MMV模型,最后通过自适应调整正则化参数提升算法稳健性。通过实验验证了该算法在不同稀疏度、不同信噪比下的重构性能,仿真分析了其应用于MIMO雷达对多散射点目标模型的成像效果。仿真结果表明,所提算法能够更好地提高成像质量。     

基于多观测向量块稀疏的MIMO雷达非理想正交波形成像

基于稀疏恢复的多输入多输出(multiple input multiple output, MIMO)雷达波形分离方法,能够代替匹配滤波,提高MIMO雷达非理想正交波形分离效果,对目标高分辨成像。但由于目标像稀疏性较弱,多观测向量(multiple measurement vector, MMV)稀疏恢复算法的效果有限。通过调整感知矩阵发掘目标像的块稀疏性,提出了一种基于块稀疏的MMV稀疏重构算法来提高成像质量。首先采用改进的复合三角函数(improved composite trigonometric function, ICTF)作为平滑函数近似l₀范数,然后将其扩展到基于块稀疏的MMV模型,最后通过自适应调整正则化参数提升算法稳健性。通过实验验证了该算法在不同稀疏度、不同信噪比下的重构性能,仿真分析了其应用于MIMO雷达对多散射点目标模型的成像效果。仿真结果表明,所提算法能够更好地提高成像质量。     

基于主元分析和稀疏表示的SAR图像目标识别

现有的合成孔径雷达图像目标识别方法通常包括图像预处理、特征提取和识别算法3部分。但是,预处理算法的自适应性很难得到保证。提出了一种基于主元分析和稀疏表示的目标识别算法。首先,阐述了稀疏表示和重构的基本理论;其次,提出了基于主元分析和稀疏表示的合成孔径雷达图像目标识别算法;最后,选取MSTAR数据库中的5类合成孔径雷达目标图像进行仿真。结果表明,在没有预处理的情况下,该算法仍能有效地识别目标,与主元分析和三阶近邻的识别算法相比,具有较高的识别率和鲁棒性。     

ISAR像自动识别中的预处理算法

目标逆合成孔径雷达（inverse synthetic aperture radar, ISAR）像通常表现为随视角变化的稀疏散射中心分布,这严重影响了ISAR像特征提取和目标识别的性能。以获得清晰且稳定的ISAR像为目的,研究了一种新的预处理算法:首先根据斑点噪声和横条纹干扰特点,对图像使用全局迭代阈值抑制斑点噪声,局部散射点强度削减抑制横条纹干扰,然后分别利用形态学处理和邻域平均法填充和平滑图像,最后对图像做质心、尺度和视角的归一化。仿真结果表明,该算法有效地提高了ISAR像的稳定性,有利于后续的目标特征提取与识别。     

基于二维积累的雷达分布式目标检测新方法

利用单元积累的思想,先在各个方位上提取目标散射中心后,对分布式目标进行一维化处理,然后对各个方位的目标散射中心能量进行非相干积累,得到了高斯背景中高分辨率雷达分布式目标的检验统计量。仿真结果表明,该方法较距离扩展目标检测方法的检测性能有明显改善,且其检测性能随着角分辨率的提高而进一步改善。此方法可用于信号级检测SARI、SAR等分布式目标。     

稀疏场景下SAR方位向随机丢失数据的迭代成像算法

针对合成孔径雷达(synthetic aperture radar,SAR)方位向随机丢失部分数据导致目标模糊和能量分散的问题,提出基于稀疏优化理论的重建成像方法.该方法主要针对稀疏观测场景的SAR方位向随机缺失数据的回波信号进行成像处理,利用SAR回波模拟算子,避免了二维回波信号矩阵变成向量的操作,从而减小了内存占用...