星载合成孔径雷达系统仿真研究

论文在研究星载SAR原理和工作过程的基础上,提出了一种星载SAR系统数值仿真模型。模型充分考虑了卫星轨道参数,平台姿态参数,SAR传感器参数,目标特性、位置及运动,实现对星载SAR成像全过程的模拟仿真。并通过计算机仿真验证了模型的正确性。该模型可用于对各种SAR卫星成像能力及其处理的仿真。     

融合目标轮廓和阴影轮廓的SAR图像目标识别

针对合成孔径雷达图像目标识别问题,在基于图像成像模型分析基础上,提出了一种融合SAR目标轮廓和阴影轮廓的目标识别算法.首先提出了一种基于去控制标记符的SAR图像分割算法,得到SAR图像目标轮廓和阴影轮廓,然后用这2种轮廓融合,用傅立叶描述子将二维数据转为一维数据,最后用基于串接准则的融合算法得到识别结果,进行SAR目标识别.基于MSTAR的实验结果验证了本算法的有效性.实验结果证明:目标轮廓和阴影轮廓的结合,除反映本身包含的局部空间结构信息外,还能反映SAR目标的高度信息,较单一轮廓特征,是一种更为稳健的特征.     

基于多尺寸特征叠加的SAR舰船目标检测方法

针对SAR图像中舰船目标的检测问题,单纯基于深度学习的图像处理技术难以达到检测准确性和实时性要求.SAR图像中目标尺寸较小,且易受噪声、光斑干扰,传统方法难以提取精细特征并克服复杂条件下的背景干扰.针对以上问题,设计基于YOLOv3检测框架的端到端检测模型,借鉴了残差模块结构来避免网络退化问题.同时结合深层与浅层的不同尺寸特征图检测,使用目标基础特征提取网络参数来避免重复训练初始化过程.针对SAR图像中海上舰船成像小目标的特点改进优化了神经网络结构,实现SAR海面广域舰船目标识别分类算法,并对检测模型进行轻量化压缩处理.构建SAR图像舰船目标数据集并进行了多次目标检测识别分类实验,体现了提出的检测方法在复杂场景下有可靠的抗干扰能力和准确的目标检测识别性能.     

粗糙地面上复杂目标的电磁散射特性

粗糙地面与复杂目标的耦合散射特性研究一直是雷达目标识别领域比较有应用价值的课题.针对粗糙地面与目标的复合电磁散射特性进行重构,包括复合模型的雷达截面积(radar cross section,RCS)特性以及合成孔径雷达(synthetic aper-ture radar,SAR)成像特性.首先,对复杂目标进行几何建模并对粗糙面进行数值建模,构建地面与目标的一体化几何模型.然后基于空间射线分集技术、射线追踪技术以及劈边结构识别算法分离出复合模型中散射中心,包括面结构和劈边结构对应的散射中心,基于属性散射中心模型正向的确定散射中心对应的各个参数,最终建立起粗糙地面上复杂目标的散射中心参数化模型.并通过对其重构的散射特性与实测结果进行对比,分析了地面与目标的耦合作用.研究对雷达目标识别领域具有很大的应用价值.     

嵌入特征预提取和注意力机制的SAR图像目标检测

合成孔径雷达(Synthetic Aperture Radar,SAR)目标识别技术广泛应用于道路、船舶等检测任务中,但合成孔径雷达图像易受散斑噪声干扰,直接将卷积神经网络(Convolutional Neural Network,CNN)应用在SAR数据集上难以高效准确地提取有效特征.针对以上问题,提出了一种嵌入特征预提取和注意力机制的SAR图像目标识别算法(Convolutional Automatic Encoder-Convolutional Neural Network-Channel and Spatial Atten-tion Mechanism,CAE-CNN-CSAM),即利用优化的Lee滤波算法降低SAR图像斑点噪声,通过编解码技术对SAR图像进行特征预提取,而后在卷积神经网络中引入注意力机制,提高算法对通道和空间特征的表达能力.在公开的Statoil/C-CORE数据集上,该算法对目标的识别准确率达到了94％,相比于目标识别准确率约为88％的CNN等基准模型具有更高的目标识别性能.     

SINS/GPS组合导航的机载SAR姿态算法

针对SINS/GPS组合导航定位系统中高分辨率机载SAR运动补偿问题,通过建立SINS/GPS组合导航定位系统误差模型开展机载SAR运动过程中姿态解算,根据SINS中姿态四元数微分方程特点,利用二次Padé逼近法构造一种四元数范数规范化计算公式,使四元数迭代计算过程中具备保范性,利用5阶CKF算法构建SINS/GPS组合导航定位系统的误差模型算法.仿真结果表明,与传统UKF、CKF模型算法相比,该算法收敛速度快,滤波精度高且计算量小,满足机载高分辨率SAR的姿态估算要求.     

基于深度学习神经网络的SAR图像目标识别算法

提出了一种有效的SAR图像目标识别新方法。首先采用改进后的增强Lee滤波和HOG变换对SAR图像进行特征提取,然后通过层叠RBM和GRNN相结合的混合神经网络对SAR图像进行目标分割和目标识别。利用测试图像库的MATLAB算法仿真,结果表明该方法可以明显提高目标识别率,正确率可以达到97%。     

基于机器学习算法的合成孔径雷达图像的目标识别

合成孔径雷达有着观测范围广和分辨率高的特点,可以全天候工作,并能有效地识别伪装和穿透掩盖物,但也存在雷达图像数据量大且目标电磁散射特征复杂等特点,为目标的识别引入了噪声和干扰,因此发展快速和智能化的SAR图像目标识别技术得到越来越多的关注.本文针对美国空军研究实验室SAR图像中的8个目标物引入3种机器学习算法和一些数据处理方法构建了相关的识别模型,并对其识别能力进行对比分析,结果显示这3种机器学习算法通过优化算法都可以获得较高的识别准确率(> 80%),尤其是KNN算法的测试集准确率都可以高达97%.本文研究结果可为SAR目标识别的人工智能化技术提供一些方法上的参考和指导.     

用于目标识别的多传感器信息融合算法研究

提出了一种用于目标识别的多传感器雅息融合算法-后验概率检测算法.在该算法中,融合中心将各个传感器送入的识别结果进行综合处理,得出最终的决策.仿真结果表明多传感器系统探测目标的性能优于单传感器系统,该算法运算量小,适于进行快速的实时处理.     

典型目标的合成孔径雷达回波生成与图像仿真

分析了典型目标的合成孔径雷达(SAR)回波与图像仿真对验证SAR成像算法的有效性、开展SAR图像解译和SAR图像自动目标识别等方面的研究具有重要作用,在现有的SAR回波信号和图像仿真方法基础上,提出了一种新的目标SAR回渡信号和图像仿真方法,该方法把目标特性分析的曲面像素法和基于二维傅立叶变换(2DFFT)的SAR回波信号仿真数学模型相结合,采用曲面像素法来计算目标的散射率,用基于2DFFT的回波生成方法来计算SAR回波,实现了典型目标的合成孔径雷达回波生成和图像仿真,并给出了相应的仿真结果,证明了该方法的有效性.     

基于深度展开的SAR大斜视RD成像算法

大斜视角条件下的合成孔径雷达SAR回波信号具有方位向和距离向严重耦合、大距离徙动等特点,采用常规的距离多普勒RD算法成像,会引起方位向的散焦以及空变等问题。为了改善大斜视SAR在成像过程中存在的问题,提出了一种基于深度展开网络的SAR大斜视可学习距离多普勒成像方法。该方法将RD成像方法与深度学习结合,利用RD成像的步骤构建了基于深度展开网络的RD学习成像网络结构,将回波数据作为网络输入来学习回波数据到大斜视SAR图像的成像过程。首先,在分析大斜视SAR回波信号模型的基础上确定了网络成像过程中的可学习参数;其次,根据成像过程设计大斜视SAR成像网络;最后,通过非监督训练的方法对网络进行训练,最终输出学习成像结果。点目标和面目标仿真结果表明,该方法可以有效抑制旁瓣,提高成像精度和计算效率,满足SAR在大斜视角下的成像要求。     

利用高介电材料提高胎儿磁共振射频安全性理论研究

探究应用高介电材料(HDM)降低胎儿磁共振成像(fetus MRI)扫描中组织射频能量比吸收率(SAR)在理论上的可行性。建立13周胎儿和成人女性盆腔混合数值模型。通过计算机仿真计算1.5 T和3 T场强下普通扫描及应用不同HDM时的部分身体比吸收率(partial body SAR)和局部比吸收率(local SAR)的分布规律,以及两种场强下普通扫描和应用两种形状HDM取得最佳胎儿local SAR最大值时的B+1场均匀性。通过应用合适的HDM,能够显著降低1.5 T和3 T fetus MRI中的SAR值。在1.5 T和3 T成像时当取得最佳胎儿local SAR最大值时,分别可使胎儿local SAR最大值比普通扫描时下降12.90%和24.75%。这项研究表明通过应用合适的HDM,可以降低在临床上进行fetus MRI时的SAR值来提高胎儿的安全性。     

Numerical simulation of tomographic-SAR imaging and object reconstruction using compressive sensing with L 1/2-norm regularization

By making use of multiple acquisitions of synthetic aperture radar （SAR） observations over the same area, tomographic-SAR （tomo-SAR） technology can achieve three-dimensional （3-D） imaging of the objects of interest. The compressive sensing （CS） approach has been applied to deal with the sparseness of the elevation signals. Due to its sparsity and convexity, the L1-norm regulariza- tion, as an approximated Lo-norm with an exact solution, has been employed in CS to reconstruct the reflectivity profile of the objects. In this paper, based on our studies on polarimetric scattering and SAR imaging simulations, we produce numerical multi-pass tomo-SAR observations of the terrain object. Then, we present the CS with novel L1/2- norm regularization to realize 3-D reconstruction. As a non-convex optimization problem, the L1/2-norm regularization is solved by an iterative algorithm. This numerical simulation of tomo-SAR imaging and 3-D reconstruction of the object modeling can be of great help for parameterized analysis of tomo-SAR imagery. As an example, a tomo-SAR image and 3-D reconstruction of the Beijing National Stadium model are presented.     

合成孔径雷达实时成像视频信号的模拟方法

建立了合成孔径雷达回波视频信号模型,提出了一种用AWG520任意波形发生器生成SAR回波视频信号的方法,并用这种方法模拟了SAR实时成像的回波视频信号.把这种视频信号通过A/D采样送入SAR实时处理机,用来考查SAR实时处理器连续动态成像的性能,如实时性图象拼接、多普勒中心估计、载机运动补偿及SAR前斜视成像性能等.     

机动目标的时频变换ISAR成像仿真

针对机动飞行目标的成像难点,实施了基于时频变换的逆合成孔径雷达(ISAR)成像处理方案.与传统的点目标模型的回波模拟方法不同,该方案采用全波数值方法计算目标在飞行过程中瞬时位置、姿态下的散射场数据,再依据延时顺序将离散时刻的散射场数据叠加,最终获得雷达的回波数据.数值仿真结果验证了该方案的可行性.     

SAR图像模拟方法研究

分析讨论了一种合成孔径雷达成像模拟方法。阐述了合成孔径雷达图像模拟的基本原理,建立复杂自然场景目标模型的方法以及合成孔径雷达图像的基本特征,并且分析了成像回波信号的组成。最后完成了对自然场景目标的成像仿真实验,实验结果与理论分析相符。     

基于脉间中断调频连续波的高空慢速单基机载SAR成像

调频连续波用于高空慢速单基机载SAR成像时,收发隔离和远距离探测都是亟待解决的问题。结合高空慢速运动平台的特点,提出了一种脉间中断调频连续波(Inter-Pulses Interrupted Frequency-Modulated Continuous Wave, IPIFMCW)的信号模型,通过载频不同的门控信号调制多个发射信号,设置较大的脉间中断时间,将子脉冲回波差频信号在快时间域时移合成大带宽信号,实现高空慢速机载SAR成像。通过与脉间中断调频连续波(FMICW)的理论分析比较,说明该方法不仅解决了收发隔离难题,同时满足高空机载SAR远目标成像需求,避免出现距离模糊。最后结合频率变标算法(FSA)实现了基于IPIFMCW信号的高空慢速单基机载SAR成像。     

超宽带SAR成像的快速BP算法

在后向投影（BP）算法的基础上,提出了一种快速后向投影（FBP）算法。以点目标和多点目标为例,将该算法应用于超宽带合成孔径雷达成像并与原始（BP）成像算法进行比较,仿真结果证明了该算法的快速性和有效性。