基于分时双频的高频地波雷达海面目标探测

提出了一种分时双频方法用以提高其目标探测性能.分析了分时双频雷达波形,针对分时双频探测引起的目标相干积累时间减少以及多普勒谱点不对齐等问题,利用非均匀傅里叶变换将其转换为一不适定问题,并利用Cauchy-Gaussian模型正则化方法进行外推处理,从而获得目标多普勒谱图.仿真结果表明该方法能够有效地消除海面移动目标的检测盲区,提高检测性能.     

舰船目标雷达视景仿真研究

针对舰船目标雷达视景仿真中舰船目标实体建模和雷达视景仿真两个主要模块,在分析各个模块实现方法及原理的基础上,提出基于积木式模型结构细化分割的建模方法,探讨了三维动态海洋场景开发的方法和基于Vega的舰船目标雷达视景仿真流程.仿真结果表明建模和仿真方法具有可行性,仿真产生的雷达图像与实际图像较为接近,并符合实际成像条件下的成像规律.     

一种新型多DSP并行计算结构及其应用

传统的雷达信号处理系统的设计方法是针对特定应用的,因此系统的通用性差,而具有超级计算机体系结构的通用高速实时雷达信号处理系统有望解决这一问题。该系统的关键部件为担负具体计算任务的处理结点。首先提出了一种新型的、由5片ADSP-2106x构成的多DSP并行计算结构。它具有运算能力强、I/O带宽大、通信手段多样、能灵活地改变拓扑结构、可扩展、通用性强等特点。并且以此并行计算结构为核心设计实现了通用高速实时雷达信号处理系统的处理结点。     

基于时间-距离-多普勒像的编队目标架次检测

针对实际编队目标在距离上的分布特性和目标多普勒频率的变化规律,利用联合时频变换代替传统傅立叶变换,建立目标时间-距离-多普勒立体像,提出一种基于立体像的目标架次检测方法。该方法不仅能给出清晰的瞬时距离-多普勒像,而且能反映目标距离-多普勒像的时间演变特性,较好地解决了目标在距离上的分布和多普勒像的模糊。实测回波数据验证了该方法的有效性,成功地实现了4架编队飞机目标的架次检测。     

基于改进相关邻域模型的SAR图像RCS重构

提出了一种基于改进相关邻域模型的SAR图像RCS重构滤波器,特别对高分辨率的SAR图像具有很好的去斑效果。本算法虽然是一种RCS重构算法,但是通过采用非线性积累的方法,可明确地把图像划分为阴影、背景和目标区,直接达到SAR图像目标检测的结果。本算法在平滑图像的同时,克服了多视平滑降低图像分辨率的固有缺陷,并且能较好地保持图像的边缘信息,能极大地提高后续SAR图像解释的效率。     

基于MAPC-RISR的MIMO雷达距离——角度二维超分辨率成像算法

MIMO雷达作为一种新型的雷达体制,其成像兼具实时性和高分辨率的特点,为了充分发挥MIMO雷达在成像方面的优势,提出一种高分辨率的MIMO雷达成像算法.首先将MIMO雷达成像过程分为距离向脉冲压缩和方位向聚焦成像两个过程,采用多波形自适应脉冲压缩技术(MAPC)实现距离向脉冲压缩和发射波形分离,然后在MIMO雷达虚拟阵列端利用超分辨率空间谱估计方法(RISR)进行方位向聚焦成像,得到了观测区域的距离—角度二维高分辨率的成像结果.理论分析表明,与已有的MIMO雷达自适应成像算法相比,所提方法降低了算法复杂度,提高了运算效率.仿真实验验证了所提MIMO雷达成像算法的有效性与优越性.     

SIMO线阵列雷达对三维复杂目标电磁散射的仿真与立体重构

提出单输入多输出（SIMO,single input and multiple output）频率步进线阵列下视雷达对一复杂电大三维体目标的电磁散射数值模拟、成像、及其几何特征重构.下视聚束模式的线阵列频率步进雷达SIMO运动合成二维平面孔径,获取包含幅度与相位的散射矩阵;用双向射线解析跟踪方法（BART,bidirectional analytic ray tracing method）,数值模拟计算双站极化散射矩阵.通过距离徙动算法（RMA,range migration algorithm）获得三维分辨图像,实现三维目标几何特征的重构.计算个例给出了粗糙地面上坦克目标模型的散射、成像与重构.同时,又采用FEKO软件的物理光学（PO,physical optics）计算简单体目标散射场及其成像重构作为验证与比较,论证了本理论方法可行与准确高效的良好性能.     

基于 FPGA的高速雷达信号实时处理

介绍了一种实现高速雷达信号实时处理的 IP核的实现方法.将采样率为4G/S的雷达采样信号分为16路采样频率为250M/S的信号并行输入给 FPGA芯片.然后,在芯片内对这16路信号进行并行处理,完成采样信号与特征库信号的相关计算.首先介绍了快速相关计算的方法和重叠相加法的原理,给出了用 FPGA实现快速实时相关计算框图.通过平台测试和仿真计算,结果表明,设计满足资源、时序以及精度等各方面要求     

基于ConvLSTM的气象雷达回波外推

针对传统雷达回波外推方法存在数据利用率低、预报精度不高等局限,利用定标后的青海大学校内X波段天气雷达监测数据,建立ConvLSTM深度学习模型进行回波外推,并与传统光流法的外推结果进行对比.结果表明:(1)在不同的输入时长和外推时间中,ConvLSTM的精度都明显优于光流法,在第1.5小时内的平均预测误差比光流法低69...     

基于卷积神经网络的隧道富水破碎带地质超前预报图像解译方法

针对地质雷达图像解译依赖于专家经验、费时费力且易受主观因素影响精度的问题,提出基于卷积神经网络理论算法针对超前预报中富水破碎带自动化定位预测方法:设计了残差网络结构、损失函数与训练策略;通过对云南文马高速公路中3条重点隧道的地质雷达图像进行收集筛选,构建了富水破碎带深度特征提取的超前预报网络模型;在Pytorch深度学习框架下,采用训练预热策略及自适应矩估计(Adam)优化器实现了模型参数稳定收敛的高效训练.通过测试验证及对比实验,表明这种方法对隧道地质雷达图像中的富水破碎带不良地质体特征具有较好的检测精度.文马高速望城坡隧道实践证明,该方法可辅助判定隧道施工过程中富水破碎带,识别定位不良地质区域及概率置信度,为实际工程提供决策依据.