雷达目标散射中心正向自动化建模方法研究与实现

为进一步优化散射中心参数化模型建模方法, 本文从目标的几何模型出发, 对复杂目标结构按几何面进行分区编号后, 进行散射中心模型的正向自动化建模。自动化方法主要实现了模型长度、位置等参数的自动推算。该方法实现了对目标散射来源、散射机理和散射中心模型参数的全自动判定, 提高了建模效率。首先对几何模型部件分解, 然后采用射线追踪与分集技术, 将目标散射场依照精度要求简化为部分射线贡献叠加, 并研究了散射中心模型参数的自动推算。最后本文计算了一系列散射中心参数化模型, 并与可靠数据对比, 验证了本文自动化建模方法的有效性。     

基于改进正交匹配追踪算法的属性散射中心提取

属性散射中心模型是描述目标后向电磁散射特性的典型模型, 但其中传统的正交匹配追踪(orthogonal matching pursuit, OMP)算法提取模型时具有参数复杂度高、计算时间长等问题。对此提出一种基于稀疏字典的广义正交性的改进OMP算法, 快速定位模型位置参数值, 避免了正交匹配中的寻优过程, 从而降低算法的运算复杂度。通过对两类算法计算复杂度和计算精度进行多次蒙特卡罗实验比较得出,改进OMP算法提高了模型参数的估计精度与噪声鲁棒性, 且大幅降低了算法的运算复杂度, 相比于传统的OMP算法, 运算时间至少降低30%。     

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。     

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。     

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EEMD和进化KPCR的复杂时间序列自适应预测建模

针对具有非线性、非平稳、多尺度特性的复杂时间序列, 提出一种基于集合经验模态分解（EEMD） 和进化核主成分回归（KPCR）的自适应预测建模方法. 首先运用能克服传统EMD算法中模态混叠现 象的EEMD算法, 按原始时间序列信号的构成特点将其分解到不同尺度, 然后对不同尺度序列采用 C-C方法重构相空间, 在相空间中运用基于混合核函数的KPCR方法构建预测函数. 同时, 针对不同 尺度序列预测模型的优选问题, 采用粒子群优化（PSO）算法在给定准则下自适应确定各项参数, 最后将不同尺度预测结果集成, 得到实际时间序列的预测值. 通过对国际原油价格的数据进行实 证预测分析, 表明了该方法能够在不同尺度对时间序列的变化趋势进行有效描述, 自适应获取优 化的预测模型. 与现有方法相比, 具有较强的自适应建模能力和较高的预测精度.     

采用ISAR像估计弹道目标微动特征的方法

逆合成孔径雷达(inverse synthetic aperture radar, ISAR)像序列可以反映弹道目标在微动周期内的姿态变换及结构特征,本文在此基础上提出一种利用ISAR像序列估计弹道目标微动特征的方法。首先基于relax算法提取较强的散射点,并采用距离多普勒方法成像,然后利用灰度匹配算法对ISAR图像进行匹配,以提高微动周期估计精度。通过分析散射点在成像平面上的投影关系从而建立散射点空间坐标与目标微动特征之间的联系,并根据散射点在ISAR图像序列上的相对位置差值与散射点空间坐标的表达式,估计目标的微动参数。最后,仿真验证该方法的可行性与有效性,仿真结果表明该方法估计精度较高。     

多视角属性散射中心模型的部件提取与合成

传统的点散射中心模型只能表征目标的位置信息,无法表示目标的长度和角度,而属性散射中心模型表征了目标的几何特性。为了能得到目标的全方位部件信息,鉴于属性散射中心模型参数估计的缘故,提出基于属性散射中心的多视角参数化部件提取与合成算法。首先将大视角有重叠的划分为若干子视角,分别进行属性散射中心模型的参数估计,然后将各参数统一投影到同一坐标系下,再进行参数的融合,最终得到目标参数集。该算法得到的这套参数可以反演目标回波数据,提高图像可视性,进行目标识别与分类。最后用两个仿真实验验证了此算法的有效性。     

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.     

窄带雷达频谱混叠微动信号的平动补偿

针对存在频谱混叠的窄带雷达微动信号平动补偿问题,从高阶和低阶频谱混叠两种情况出发,给出了一种平动补偿方法。在对两种频谱混叠情况分析的基础上,针对高阶混叠将混叠的瞬时频率近似为线性调频锯齿波信号,通过对频率以及调频率的估计,实现信号混叠程度的快速降阶。对于低阶混叠,首先将时频图在频率维周期扩展,再基于形态学图像处理方法提取出无模糊的瞬时频率曲线,最后对其进行多项式的最小二乘拟合完成平动补偿。仿真实验验证了所提方法的有效性以及对不同的信号形式和噪声的鲁棒性。     

基于复值HRRP CICA特征的多方位SAR目标识别

提出了一种基于雷达目标复距离像复值独立分量分析（complex independent component analysis, CICA）的合成孔径雷达（synthetic aperture radar, SAR）目标多方位散射特征提取和识别方法。根据雷达目标散射机理,将目标高分辨率复距离像建模为多个散射中心的复相干叠加。在分析复距离像的基础上,采用CICA方法实现了距离像中每个散射中心响应的分离。针对每个散射中心响应,利用高阶矩方法提取特征矢量。分类器基于隐马尔可夫模型（hidden Markov model, HMM）设计。采用美国运动和静止目标获取与识别（moving and stationary target acquistion and recognition, MSTAR）计划公开发布的目标实测数据进行算法实验,实验结果说明了提出方法具有较好的识别率。     

基于频域稀疏压缩感知的雷达目标三维散射中心反演方法

基于平面阵列的微波天线结构可以获取多视角下的目标散射中心三维分布。针对平面阵列稀疏分布导致的目标成像及散射中心反演精度较差的问题, 设计了一种基于组合巴克码的稀疏孔径分布方式。在此基础上, 利用稀疏孔径回波和频域主成分分析得到参考复数信号。利用该参考复数信号对原始回波进行干涉处理, 获得回波频谱的稀疏表征方式。在频域建立基于压缩感知的目标散射中心三维分布模型并进行优化求解, 得到重构后的目标三维频谱, 并逆变换至空间域, 可实现目标散射中心幅度及三维位置重建。暗室试验数据处理结果表明, 所提方法在X波段和稀疏采样率为50%的条件下, 目标散射中心幅度及三维位置反演精度均优于90%。     

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。     

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。     

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。     

复杂目标散射中心建模的修正

实际雷达目标的散射中心属性非常复杂,如不规则的几何结构、遮挡,均会增加散射中心精确建模的难度。现有的散射中心模型并未考虑这些实际问题,为了提高建模精度,需对现有模型进行合理修正。对散射中心模型中的频率依赖项、不规则平面的反射、局部遮挡造成的散射强度变化问题,给出了具体的修正方法。通过数值验证,证实了修正模型模拟复杂目标雷达散射截面起伏特性、雷达距离方位图像以及时频像特征的精确性。     

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。