基于超材料天线的超分辨关联成像的改进

近几年新型的超材料天线相比于传统的相控阵有着多方面的优势,但是由于超材料天线的正常工作必须要有变频信号的辅助,而目前的超分辨成像算法没有补偿由于频率变动产生的误差,导致成像质量严重下降甚至不能成像。此外,回波信号中频率的变动和不同的距离互相耦合,导致不能简单的直接补偿掉误差相位。因此,提出一种基于压缩感知的超分辨关联成像算法的改进方法,将基于压缩感知的超分辨关联成像算法和超材料天线结合在一起,实现了低系统复杂度、低成本、高分辨率的微波关联成像。通过设计仿真实验证实了所提方法的正确性,并且验证了此方法对于二维和三维成像均可以处理。     

基于DOA估计的前视多通道SAR成像方法

针对前视合成孔径雷达(synthetic aperture radar, SAR)方位分辨受限以及左右多普勒模糊问题,提出一种基于波达方向估计的前视多通道合成孔径雷达(forward-looking multi-channel SAR,FLMC-SAR)成像方法。算法综合利用系统空时资源,采用空时级联的处理流程。首先通过合成孔径对前视区域进行初步成像,在二维图像域实现逐个成像单元目标信号的分离。然后利用目标空域导向的差异,建立分离信号的空时模型,通过阵列多通道对每个成像单元内的信号进行波达方向估计,实现目标信号重定位,增强前视成像分辨率。同时,空时模型考虑了模糊目标具备不同的导向矢量,可在分辨增强的同时实现左右多普勒解模糊。最后通过仿真以及实测的FLMC-SAR数据验证了所提算法的有效性。     

基于交替下降条件梯度的前视成像

基于网格的压缩感知(compressive sensing, CS)算法存在格点失配问题, 在分辨力不足的情况下容易产生伪影。而无网格的CS算法常用于二维谐波估计问题, 不适用于存在交叉项等复杂信号模型。对此, 提出一种基于交替下降条件梯度的前视成像算法。所提算法每次迭代首先获得散射点参数的粗估计, 并更新参数集合, 然后对更新的参数集合进行梯度下降, 获得参数集合的精细估计, 实现了在复杂信号模型下连续参数的二维高分辨成像。仿真实验说明了所提算法的优越性与有效性。     

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。     

图像运动对前视红外成像的影响

本文讨论了图像运动对前视红外成像的影响,用光学传递函数理论推导出图像运动OTF的数学表达式,并计算了在正弦振动条件下的结果,分析表明红外前视仪平台抖动将造成图像严重模糊。     

双基前视雷达二维空变补偿频域成像方法

机载双基前视雷达在距离宽幅和长合成孔径时间积累情况下,存在回波多普勒参数的强耦合和强二维空变问题。针对这个问题,提出了一种基于二维空变量级补偿的成像方法。该方法以Chebyshev正交多项式的最佳一致逼近特性为手段,实现斜距历程的高精度近似和二维频谱的高质量解耦合,采用Keystone变换校正空变的线性距离走动。在此基础上,定量分析多普勒参数的二维空变量级,以π/4相位门限为标准,使用最小二乘拟合算法,设计适用于空变量级的二维空变校正函数,提出方位向扩展的非线性变标成像方法,精确且高效地实现不同空变量级多普勒参数的校正。点目标仿真和实测数据处理结果表明,所提成像方法具有良好的聚焦性能。     

基于随机卷积的压缩感知雷达成像

压缩感知理论为解决传统高分辨雷达面临的大带宽信号采样、海量数据存储、传输与处理等问题提供了契机。基于随机卷积的压缩感知是一种通用有效的数据获取策略,且便于物理实现。研究了基于随机卷积的压缩感知雷达成像方法,对随机测量体系中降采样的不同实现方式进行分析和讨论。仿真和实测数据验证了成像方法的有效性,并对比分析了不同降采样方式下信噪比和样本数对成像性能的影响。     

基于压缩感知的条带随机噪声雷达稀疏成像方法

将压缩感知理论与条带随机噪声雷达相结合,在假设场景目标稀疏的前提下,通过构造随机噪声的不同时延矩阵为稀疏变换矩阵以及通过构造随机噪声与部分单位阵的乘积为观测矩阵,提出了一种基于压缩感知的条带随机噪声雷达稀疏成像方法。该方法能在大幅减少回波信号采样数据量的前提下,准确重建出原始场景目标高分辨像。仿真结果证明了该方法的有效性与鲁棒性。     

弹载双基前视成像雷达解析-迭代定位方法

在弹载寻的制导阶段, 针对传统双基定位方法受限于速度、角度等参数精度的问题, 提出一种最优解析-迭代双基定位方法。该方法首先建立基于图像匹配的弹载双基前视成像定位模型, 并分析推导出定位模型的解析解集, 然后结合惯导参数与初始迭代点的选取准则, 确立最优初始迭代点, 实现快速迭代搜索, 获取接收雷达最优三维坐标, 完成双基雷达的精确定位。在此基础上, 建立运动误差和匹配误差模型, 并通过仿真实验分析其对定位精度的影响。仿真实验验证了在相同实验环境和条件下, 最优解析-迭代定位方法的有效性和准确性。     

基于散射中心关联的三维成像方法

基于目标三维散射中心在雷达视线上的几何投影关系,提出了一种雷达目标散射中心关联和三维成像的新方法,采用随机抽样一致性方法实现了对关联样本有效性的检验以及对各散射中心最优关联方案的选取。仿真实验表明,该算法简单易行,适用于目标散射中心和姿态数目较多的情况,并可以对存在缺失点、虚假点等复杂情况的散射中心进行关联和三维成像,具有较高的鲁棒性。     

Novel imaging methods of stepped frequency radar based on compressed sensing

The theory of compressed sensing (CS) provides a new chance to reduce the data acquisition time and improve the data usage factor of the stepped frequency radar system. In light of the sparsity of radar target reflectivity, two imaging methods based on CS, termed the CS-based 2D joint imaging algorithm and the CS-based 2D decoupled imaging algorithm, are proposed. These methods incorporate the coherent mixing operation into the sparse dictionary, and take random measurements in both range and azimuth directions to get high resolution radar images, thus can remarkably reduce the data rate and simplify the hardware design of the radar system while maintaining imaging quality. Experiments from both simulated data and measured data in the anechoic chamber show that the proposed imaging methods can get more focused images than the traditional fast Fourier transform method. Wherein the joint algorithm has stronger robustness and can provide clearer inverse synthetic aperture radar images, while the decoupled algorithm is computationally more efficient but has slightly degraded imaging quality, which can be improved by increasing measurements or using a robuster recovery algorithm nevertheless.     

基于压缩感知的稀疏无源雷达成像

当窄带外辐射源数目稀少且空间分布不均匀时,通常会在无源雷达成像中产生稀疏的无规则空间谱填充,使得传统快速逆傅里叶方法(inverse fast Fourier transform, IFFT)或极坐标方法难以获得良好的目标成像效果。针对这种空间谱填充的稀疏性和非均匀性,利用压缩感知理论在处理稀疏随机采样信号重构问题上的优势,提出了稀疏无源雷达成像方法。同时通过构造传感矩阵的互相关和积累相关函数,对目标图像的可重构性进行了分析。理论分析和仿真结果表明,对具有稀疏随机空间谱特点的无源雷达成像,本文提出的成像方法是有效的。     

层析合成孔径雷达成像航迹分布优化方法

层析合成孔径雷达成像(tomography synthetic aperture radar, TomoSAR)将合成孔径原理用于高程向,通过不同入射角的多幅二维合成孔径雷达图像对高程向反射功率进行重建,从而实现三维成像。TomoSAR中,航迹分布是影响高程向重建的重要因素。针对高程向分布稀疏的情形,压缩感知方法被用于TomoSAR。基于压缩感知的TomoSAR中高程向重建质量取决于观测矩阵的性质,而航迹分布与观测矩阵的重构性能紧密相关。利用一种基于相关系数的观测矩阵优化准则,对航迹分布进行参数优化,从而在航迹数目一定的情况下,实现高程向的优化重建。仿真和实验结果验证了该方法的有效性。     

基于压缩感知的频率步进探地雷达成像算法

与时域无载频脉冲体制的探地雷达技术相比,频率步进探地雷达（stepped frequency ground penetrating radar, SFGPR）具有较多优越性,但由于其工作频率是以阶梯方式步进,导致成像速度较慢。提出了一种基于压缩感知(compressive sensing, CS)的频率步进探地雷达成像算法。实验结果表明,基于CS理论构建的CS SFGPR系统具有数据采集时间短、成像速度快等特点。〖JP〗     

基于卷积ADMM网络的高效结构化稀疏ISAR成像方法

结构化稀疏逆合成孔径雷达(inverse synthetic aperture radar, ISAR)成像是空间态势感知与目标识别的重要手段。该问题可通过压缩感知(compressive sensing, CS)方法解决。目前, 许多传统CS方法仍存在运算效率低、参数适应性不强等问题。针对该问题, 本文提出了一种基于卷积交替方向乘子法网络(convolutional alternating direction method of multipliers network, C-ADMMN)的结构化稀疏ISAR成像方法。利用深度展开方法, 结合传统结构化稀疏ISAR成像模型, 构建C-ADMMN网络。通过监督学习, C-ADMMN仅需约10层网络便可达到传统方法上百次迭代的效果, 具有较高的运算效率且对不同目标具有一定适应性。基于仿真与实测数据的实验结果验证了网络的高效性与参数适应性。     

基于压缩感知的自适应匹配追踪算法优化

针对基于压缩感知的稀疏自适应匹配追踪(sparsity adaptive matching pursuit,SAMP)算法运行效率低的问题,给出了一种优化的自适应匹配追踪(modified adaptive matching pursuit,MAMP)算法.该算法在支撑集选择过程中对稀疏度进行了初步估计,并优化了迭代停止的条件.实验表明,该算法相比于SAMP有更快的收敛速度,并且实现更优的重建效果.     

Coded aperture compressive imaging array applied for surveillance systems

This paper proposes an application of compressive imaging systems to the problem of wide-area video surveillance systems. A parallel coded aperture compressive imaging system and a corresponding motion target detection algorithm in video using compressive image data are developed. Coded masks with random Gaussian, Toeplitz and random binary are utilized to simulate the compressive image respectively. For compressive images, a mixture of the Gaussian distribution is applied to the compressed image field to model the background. A simple threshold test in compressive sampling image is used to declare motion objects. Foreground image retrieval from underdetermined measurement using the total variance optimization algorithm is explored. The signal-to-noise ratio （SNR） is employed to evaluate the image quality recovered from the compressive sampling signals, and receiver operation characteristic （ROC） curves are used to quantify the performance of the motion detection algorithm. Experimental results demonstrate that the low dimensional compressed imaging representation is sufficient to determine spatial motion targets. Compared with the random Gaussian and Toeplitz mask, motion detection algorithms using the random binary phase mask can yield better detection results. However using the random Gaussian and Toeplitz phase mask can achieve high resolution reconstructed images.