基于数值仿真的X波段极化SAR海杂波统计建模与特性分析

针对3~5级海况下X波段极化合成孔径雷达(synthetic aperture radar, SAR)海杂波的仿真和统计建模, 首先利用Apel海浪谱模型和Monte Carlo方法仿真不同风速下的大尺寸二维粗糙海面, 进而分别利用物理光学模型和弹跳射线法两种高频电磁散射模型考虑海面的单次散射和多次散射, 实现大尺寸海面的极化SAR海杂波仿真, 并利用X波段地球物理模式函数和岸基实测海杂波对仿真海杂波的精度和统计分布进行验证。基于仿真海杂波数据, 利用典型的乘积模型和Mellin类统计量开展海杂波统计建模和特性分析。仿真结果表明, 在2 m×2 m的高分辨率条件下, X波段同极化海杂波并不服从适用于中低分辨率海杂波的K分布, 且在不同风速风向下呈现出不同的纹理特征; X波段交叉极化海杂波表现出较弱的纹理特征, 服从Wishart分布; 随着入射角和雷达视数的增大, 海杂波的纹理特征逐渐减弱。     

基于改进粒子群优化的广义K-分布杂波模型参数估计方法

在杂波建模、仿真和分类识别研究中,杂波模型参数估计是一个重要的内容。广义K-分布杂波模型的散斑分量和幅度调制分量均服从广义Gamma分布,参数估计存在高维、非线性等问题。将改进的粒子群优化算法应用于广义K-分布杂波模型参数估计,采用均匀设计方法初始化粒子群,利用交叉变异策略改善粒子群优化的全局收敛性,该方法能准确地估计杂波模型各参数,计算简单,收敛速度较快,稳定性较好。仿真实验结果表明该方法具有良好的适应性和估计精度,验证了其有效性和准确性。     

利用Gamma CFAR进行SAR图像目标检测

利用二项式Gamma核进行SAR图像目标检测,并提出自适应选取扫描窗大小的方法,给出了一种基于改进的二项式Gamma核SAR图像检测方法提高二项式Gamma核检测器的性能。用于高分辨率单视单极化的极不均匀的SAR图像,能够在较小虚警率下将人造目标全部检测出来,而且能很好地保持人造目标的结构信息。实验证明所提方法的有效性。     

一种改进的复合K分布杂波仿真方法

针对目前复合K分布杂波仿真中没有考虑线性滤波器物理可实现性的问题,首先深入研究了该杂波模型的统计特性及其ZMNL仿真方法;在此基础上,引入最小相位特性与复倒谱技术,提出了一种物理可实现的滤波器产生方法,同时详细阐述了物理可实现复合K分布杂波随机序列产生的流程;最后,进行了仿真实验,仿真结果证明了该方法的准确性和有效性。该方法产生的杂波可用于雷达信号模拟、雷达图像分析及雷达最优信号处理器的设计。     

三天线机载SAR动目标轨迹检测

在军事应用场合中,SAR除了能获得高分辨率图像外,还具有对地面运动目标进行探测、跟踪和定位的能力。结合试验用SAR/MTI雷达的具体情况,对采集的数据运用通道校正和均衡处理等技术,并在图像域进行杂波抑制干涉处理来提高系统的杂波对消能力。通过计算机仿真和三孔径SAR/MTI实测数据的处理,证明该处理方法能有效地从地杂波中检测出地面慢速运动目标的运动轨迹。     

一种SAR图像目标识别方法

提出了一种新的合成孔径雷达 (SAR)图像目标检测和识别方法 ,该方法根据SAR图像统计分布特性 ,结合恒虚警检测算法和小波变换提取感兴趣的SAR图像目标特征 ,检测得到目标 ,采用马氏距离从杂波背景中识别该目标。实际SAR图像测试结果表明了该方法的有效性     

近海岸复合杂波建模及其统计特性研究

研究了复合K分布的统计特性。通过研究近海岸环境的特点,提出了一种新的近海岸复合杂波功率分布模型。在此基础上,提出了一种新的近海岸复合杂波幅度分布模型,并推导了该杂波功率分布模型的统计性质及其参数估计表达式。推导了杂波功率统计特性的描述方法,给出了近海岸复合杂波仿真流程。计算机仿真实验验证了所提方法的有效性。     

基于逆高斯纹理分布的协方差矩阵估计方法

在复合高斯杂波中检测目标信号, 需要对杂波协方差矩阵进行估计, 相应的检测性能与估计精度密切相关。利用服从逆高斯分布的纹理分量来对复合高斯杂波进行建模, 可以更好地拟合高分辨杂波实测数据。本文给出了一种两步广义似然比检测器, 先假设杂波协方差矩阵已知以获得检测统计量, 再利用纹理分量的先验分布推导协方差矩阵的最大似然估计。同时，基于贝叶斯方法, 假定纹理分量和协方差矩阵均为服从某种先验分布的随机量, 推导了协方差矩阵的最大后验估计。仿真结果显示, 基于知识的自适应检测技术由于引入了纹理分量和杂波的先验信息, 其协方差矩阵的估计精度好于最大似然估计和样本估计方法, 同时具有更好的检测性能。     

人造目标SAR图像实时仿真

根据SAR图像特点,提出了一种利用图形加速的实时SAR仿真方法。方法采用散射中心模型,基于高频预估理论,用物理光学(PO)法与增量长度绕射系数(ILDC)法计算目标表面散射场强度分布,将强度值累积映射到SAR图像的分辨单元内,与成像系统传输函数卷积,获得近似仿真结果。散射、映射与卷积运算均借助图形加速,仿真可在数秒内完成。仿真结果与真实图像相比具有良好的视觉相似度。为算法测试而搭建的仿真平台OpenSARSim被作为开源项目,其所采用的部分技术可以应用于其它仿真领域。     

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。     

New CFAR target detector for SAR images based on kernel density estimation and mean square error distance

A new constant false alarm rate (CFAR) target detector for synthetic aperture radar (SAR) images is developed. For each pixel under test, both the local probability density function (PDF) of the pixel and the clutter PDF in the reference window are estimated by the non-parametric density estimation. The target detector is defined as the mean square error (MSE) distance between the two PDFs. The CFAR detection in SAR images having multiplicative noise is achieved by adaptive kernel bandwidth proportional to the clutter level. In addition, for obtaining a threshold with respect to a given probability of false alarm (PFA), an unsupervised null distribution fitting method with outlier rejection is proposed. The effectiveness of the proposed target detector is demonstrated by the experiment result using the RADATSAT-2 SAR image.     

相关非高斯分布杂波的建模与仿真

对数正态分布、韦伯分布、K分布是三种适于描述叶簇背景杂波的非高斯分布模型,快速、准确地模拟叶簇背景杂波,对大积累角UWBSAR体制中叶簇覆盖人造目标检测与识别的算法研究是十分重要的。讨论了上述三种相关非高斯分布杂波的建模与仿真,在三种非高斯分布与高斯分布的相关系数之间的非线性关系的基础上,利用修正的零记忆非线性变换(ZMNL),模拟产生了三种相关的非高斯分布随机序列。仿真结果证明了这种方法是有效可靠的。     

在强杂波背景SAR图像中检测动目标

针对强杂波环境提出了一种新的从SAR图像中检测动目标的方法。在搜索动目标的二次相位时,对称减去和加上同一二次相位误差修正值,在时域得到两幅图像。这两幅图像中,静止杂波的锐度处处相等。计算这两幅图像各区域的锐度比对数,可在强背景杂波环境下敏锐地检测到动目标。这种方法不但可检测有切向速度或径向加速度的动目标,而且还可检测到强反射径向慢速动目标。实测数据表明本算法有效。     

基于积分图像的快速ACCA-CFAR SAR图像目标检测算法

提出一种新的基于自动索引的单元平均恒虚警概率目标检测算法。首先采用具有较强模型兼容性的G0分布对杂波统计特性进行建模;通过基于G0分布的全局阈值预分割算法生成目标索引矩阵,以去除干扰目标像素,提高恒虚警概率算子对复杂场景的适用性;采用一种基于积分图像的快速策略,大大降低了算法的运行时间,使得算法的计算时间复杂度与滑动窗口的尺寸无关;最后,通过计数滤波和形态学处理得到精确的目标检测结果。所提算法既具有自适应性,又比现有同类算法的运算速度大大提高,通过TerraSAR-X图像实验结果证明了该方法的有效性和工程实用价值。     

基于超分辨极化SAR图像的舰船检测算法

极化合成孔径雷达(synthetic aperture radar, SAR)图像超分辨处理具有聚集目标能量,提高图像分辨率,抑制相干斑噪声的能力。扩展了多通道幅度和相位估计(amplitude and phase estimation, APES)谱估计算法,并以此实现了极化SAR图像的超分辨处理。运用基于K分布的单极化检测器和基于SPAN、PWF的全极化检测器对实测SAR图像进行了舰船检测。通过分析超分辨极化SAR图像杂波统计分布、弱小目标检测性能、目标区域区分精度、目标轮廓及拓扑结构提取效果等,验证了基于多通道APES谱估计的超分辨极化SAR图像的舰船检测性能。     

SAR图像相干斑抑制滤波性能评价

为了评价合成孔径雷达(syntheticapertureradar,SAR)图像相干斑滤波算法性能,提出了一个性能评价体系,其中包含9项指标:等效视数(或平滑指数)、辐射分辨率、信号杂波比损失、信号辐射度损失、均值偏差、空间分辨率损失、边缘保持指数、峰值旁瓣比偏差、积分旁瓣比偏差。该评价体系能同时衡量各滤波算法对相干斑的抑制程度以及对图像原始信息的保持程度。通过用真实图像和模拟SAR图像对典型相干斑滤波算法的检验,表明了评价指标的有效性。     

基于模糊综合评判的车辆目标SAR仿真图像评估方法

为了验证理论建模计算合成孔径雷达(synthetic aperture radar,SAR)仿真图像的准确性,给出基于层次分析法(analytic hierarchy process, AHP)、模糊综合评判(fuzzy comprehensive evaluation,FCE)、图像特征与Fisher可分性及目标识别等知识综合的车辆目标SAR仿真图像评估方法。首先确定五级评语集{优秀,良好,中等,较差,很差},然后根据AHP构建评估因素集,分别利用Fisher可分性判据和目标识别率确定二级FCE的两层权重向量,再依据图像相似度评价标准区间构建模糊隶属函数,最后将权重向量和模糊关系矩阵合成计算出仿真和实测图像的FCE结果,即模糊向量,对模糊向量按照最大隶属原则给出评价结果。通过对车辆目标的仿真与实测SAR图像进行比对分析结果显示,该方法可以准确客观地反映出SAR仿真与实测图像之间的相似程度。