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。     

基于扩展Kalman滤波的运动目标距离/速度联合估计

通过对高频区运动目标的频域回波模型的分析,提出了一种基于高频区回波频域模型的非成像类参数化高分辨方法。该方法基于扩展卡尔曼滤波理论,通过对所建立的运动目标回波频域模型进行参数估计来获得目标距离高分辨。仿真结果证明,该方法回避了目标运动情况下成像类高分辨方法所必需的距离补偿问题,多散射点情况下在获得各散射点的距离高分辨的同时,可以获得目标运动参数的精确估计。     

基于频谱旋转ωk算法的大斜视SAR地面动目标成像

针对大斜视条件下合成孔径雷达(synthetic aperture radar, SAR)地面运动目标成像存在的聚焦困难、几何形变严重、十字旁瓣大等问题, 提出一种基于频谱旋转ωk算法的大斜视SAR动目标成像算法。首先, 在推导具有精确斜距表达式的斜视动目标回波信号模型的基础上, 获得了初步成像结果并提取动目标的感兴趣区域(region of interest, ROI)数据。然后, 构造相位补偿函数并利用最小熵算法完成动目标参数估计, 再根据估计的参数对ROI数据进行相位补偿, 获得聚焦的动目标图像。进一步利用频谱旋转消除了几何形变, 利用稀疏增强方法减小了动目标旁瓣, 最终得到聚焦、无几何形变、低旁瓣的动目标图像。仿真实验验证了所提算法的有效性。     

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%。     

一种舰船目标SAR回波的快速仿真方法

为满足合成孔径雷达(synthetic aperture radar,SAR)在海洋遥感的应用需求,提出一种舰船目标SAR成像的快速仿真方法。对成像场景中重点关注的目标进行精确电磁建模,并利用"四路径"模型计算目标与海面的复合散射回波,对海面背景采用散射面元法计算回波;将舰船复合散射回波与海面回波进行合成得到总的SAR回波,利用聚束SAR成像处理方法获得SAR图像。结果表明:该算法避免了对整个成像区域进行复杂的电磁仿真,能够有效降低对海面大场景的电磁计算效率。由于在目标区域采用高频电磁算法,保留了目标的电磁散射的精细结构,为精确模拟SAR回波提供了一种准确而高效的仿真算法。     

二维GTD模型参数估计的PQ-FB-2D-ESPRIT算法

二维基于旋转不变技术信号参数估计(2D-estimating signal parameter via rotational invariance techniques, 2D-ESPRIT)算法是估计几何绕射理论(geometric theory of diffraction, GTD)模型参数的一种经典算法,但在信噪比较低的条件下, 2D-ESPRIT算法的参数估计精度明显下降,噪声鲁棒性较差。针对这一问题,提出一种极化平方前后向平滑2D-ESPRIT(polarized-quadratic-forward-backward 2D-ESPRIT, PQ-FB-2D-ESPRIT)算法,有效地提高了算法的噪声鲁棒性与参数估计性能。改进算法利用目标散射回波数据的极化信息,并通过对协方差矩阵平方处理和前后向空间平滑处理,提高了算法的参数估计性能与数据利用率,同时达到了去相关的效果。仿真结果表明,提出的PQ-FB-2D-ESPRIT算法的参数估计性能及噪声鲁棒性要优于经典2D-ESPRIT算法、前后向平滑2D-ESPRIT(forward-backward 2D-ESPRIT, FB-2D-ESPRIT)算法及平方FB-2D-ESPRIT(quadratic-FB-2D-ESPRIT, Q-FB-2D-ESPRIT)算法。基于不同算法估计得到的GTD模型参数对散射中心的定位精度进行比较,进一步验证了改进算法的优越性与有效性。     

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。     

散射区域加权压缩感知ISAR成像

压缩感知(compressive sensing,CS)理论为少量脉冲条件下实现高分辨逆合成孔径雷达(inverse synthetic aperture radar, ISAR)成像提供了新方法。然而由于CS的噪声敏感性,其成像易受到噪声污染;另外,少量脉冲条件下很难保证噪声参数估计精度,这进一步加剧了ISAR成像污染。针对这一问题,提出一种散射区域加权CS ISAR成像算法,利用目标散射区域信息对冗余字典中的基函数进行加权,修正CS重建算法以抑制噪声散斑。为提高噪声参数估计精度,对回波采样建立子序列矩阵,提出矩阵扰动理论噪声参数估计方法。实验结果表明,所提方法能够有效抑制噪声影响,提高低信噪比和少量脉冲条件下ISAR成像质量。     

基于状态空间模型的雷达目标一维散射中心参数估计

复杂雷达目标回波可看成是多散射中心回波的合成。首先建立了雷达目标回波的状态空间模型,然后利用超分辨方法估计一维散射中心的参数。在此基础上提出了一种基于状态空间的散射点数估计方法,该方法能够嵌入状态空间分析方法中,在进行超分辨分析的同时获取目标散射点数的精确估计,最后利用经典雷达回波模型对该方法进行了仿真实验验证。仿真结果表明,该方法能有效地提取一维散射中心参数并估计出散射点数,且具有良好的抗噪性。     

高速旋转目标三维成像的新算法

针对高速旋转目标三维成像的问题，提出一种有效的GRT CLEAN方法。该方法首先进行平动补偿,将高速目标的回波信号转换为高速转台模型。然后利用基于旋转散射点各次距离像回波的变化曲线所具有的特征，采用广义Radon变换(generalized Radon transform, GRT)得到目标散射点空间位置的近似估计。最后把该目标参数估计方法与修正的CLEAN技术相结合得到每个散射点的特征估计,并进一步得到目标三维像。理论推导与仿真结果验证了该算法的有效性。     

基于RELAX和PSO算法的GTD模型参数估计

针对传统的几何绕射理论（geometric theory of diffraction, GTD）模型参数估计方法存在模型定阶困难、低分辨率时多散射中心难以准确估计、计算量大、易收敛于局部极值等问题,提出一种组合松弛（RELAX）算法和改进粒子群算法(particle swarm optimization, PSO)的GTD模型参数估计新方法。该算法基于RELAX思想,可以有效解决模型定阶问题;通过成像处理给定距离参数初值,并引入变异机制,使之能够稳定高效地收敛于全局最优值;在每次估计时通过检验同一分辨单元内是否存在多个散射中心,使之具有较好的超分辨能力。实验结果表明,该算法可以高效准确地估计GTD模型的散射中心参数。     

一种SAR回波信号模拟方法的研究

深入分析了一种SAR回波信号模拟的方法.讨论了如何利用原始DEM数据构建地面三维几何模拟目标,分析了如何构建地面散射单元,讨论了地面散射单元散射参数的计算模型,根据雷达方程、单元散射模型及雷达脉冲信号形式建立了SAR回波信号的数学模型.最后根据所建立的模拟方法完成了一块真实自然地表的SAR回波信号的仿真,并取得了较为满意的结果.     

非凸松弛原子范数空时动目标参数估计算法

针对参数稀疏恢复空时自适应处理中的动目标参数估计存在字典失配的问题，提出一种非凸松弛原子范数空时动目标参数估计算法。该方法利用目标回波在角度-多普勒域的稀疏特性，根据连续压缩感知和低秩矩阵恢复理论实现了运动目标方位角和速度的高精度、超分辨率估计，避免了稀疏恢复中的字典失配问题，有效提高了动目标参数估计性能。仿真实验结果表明，相较于已有基于字典网格的稀疏恢复参数估计方法和原子范数估计方法，所提算法具有更高的参数估计精度和对空间紧邻目标的分辨能力。     

目标高速运动对一维像的影响及其校正方法

针对目标高速运动引起回波脉冲压缩结果展宽从而严重影响一维距离像质量的问题,提出了基于多分量调幅线性调频信号参数估计的校正方法。首先建立了宽带目标的多散射中心回波模型,定量分析了目标高速运动对高分辨雷达回波的影响。然后提出了多分量调幅线性调频信号参数估计快速算法,估计出目标高速运动引起的回波变化从而加以校正。仿真结果表明,提出的方法能有效校正目标高速运动对一维距离像的影响,并且对噪声具有很好的鲁棒性。     

基于图像和回波数据的多接收元SAS运动补偿方法

多接收元合成孔径声纳(SAS)可以提高声纳的测绘率,侧摆和偏航是影响多接收元SAS成像质量的关键因素.在深入研究收发合置SAS的基于回波数据估计运动误差算法的基础上,提出了一种估计多接收元SAS运动误差的方法.该算法允许声纳以满足空间采样理论的最大速度运行,利用每个脉冲回波数据的成像估计偏航,然后利用相邻脉冲回波数据的相关性估计侧摆.提出了一种既减少计算量又精确估计时延的方法.仿真结果表明新算法有效地估计出了侧摆和偏航,提高了成像质量.     

基于MIMO-ISAR的弹道目标结构参数估计方法

传统的单站逆合成孔径雷达(inverse synthetic aperture radar, ISAR)成像为实现方位向的高分辨,往往会增大成像时间,但对于高速运动的弹道目标而言,此方法并不适用。针对这一问题,提出利用多输入多输出逆合成孔径雷达(multiple input multiple output ISAR, MIMO-ISAR)在空间上的多分布来达到时间上积累的效果。在得到多通道回波信号后,利用时频图和时间距离像对弹道目标锥顶散射点进行匹配。然后根据锥顶散射点信息对多幅ISAR像进行配准融合,得到一幅高分辨的融合ISAR像。最后利用不同雷达视线下的目标投影长度和目标几何参数之间存在的映射关系,反演出弹道目标的几何结构参数。通过仿真结果可以验证算法的有效性。     

低脉冲重复频率条件下无人机微动参数提取

针对低脉冲重复频率条件下的无人机微动特征提取问题,提出一种基于原子放缩正交匹配追踪(orthogonal matching pursuit, OMP)分解的微动参数估计方法。首先,通过计算时频谱熵从无人机回波数据中筛选出具有显著微动特征的信号。其次,采用变分模态分解(variational modal decomposition, VMD)算法提取旋翼叶片的旋转频率,提出了基于原子放缩的OMP分解方法实现了对无人机旋翼叶片长度的估计。仿真实验表明所提方法相比于传统的OMP方法和VMD-OMP方法都具有明显优势。最后,采用实测数据验证了所提算法的有效性。     

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.     

进动锥体目标平动补偿及微多普勒提取

针对平动调制下的进动锥体锥顶及锥底滑动型散射源微多普勒提取问题,提出一种利用微多普勒曲线交叉点频移信息完成平动补偿并利用正交匹配追踪(orthogonal matching pursuit, OMP)提取微多普勒的方法。根据进动锥体散射源微多普勒变化规律建立回波模型,引入二次型平动速度调制项,发现微多普勒曲线交叉点处的瞬时频移是由剩余平动引起的。利用Harris-Laplace角点检测获取时频图中微多普勒曲线交叉点信息,通过最小二乘参数辨识得到剩余平动参数;针对平动补偿后锥体散射源微动特性构建回波信号原子集,利用OMP稀疏分解提取各散射源的微动信息。仿真验证了所提方法的有效性。     

一种基于相位对消的转角估计新方法

逆合成孔径雷达成像中,为校正散射点越多普勒单元走动和方位向定标,需要对目标转角进行估计。在详细分析雷达目标回波相位特性的基础上,提出一种基于相位对消的转角估计方法。该算法通过对消回波的相位一次项后,对回波相位二次项系数进行估计,从而根据二次项系数与转角的关系获得转角估计值。同时,考虑到回波能量在成像平面的分布特点,采用加权最小二乘法对估计结果进行拟合。与现有方法相比较,新方法在稳健性和实时性上有较大改进。仿真数据和暗室数据的成像结果证明了该方法的有效性。