复杂场景散射中心模型化与雷达成像应用

在复杂场景中, 目标与环境之间的耦合散射会造成雷达图像特征的干扰, 这一问题给雷达目标自动识别与跟踪技术带来了困难, 成为雷达、电磁领域持续关注的热点研究问题。目前, 使用传统的电磁数值计算方法对复杂场景散射问题进行仿真, 所需计算资源巨大, 耗时很长, 而且多限于针对单一类型复合目标, 难以满足实际工程应用需求。针对此问题,提出了复杂场景散射中心模型化的方法, 集成散射中心模型、物理光学法、积分方程法、四路径模型、射线追踪等方法为一体, 实现了复杂场景、群目标雷达成像快速仿真。本文给出了三种有代表性的复杂场景的逆合成孔径雷达成像仿真结果, 验证了本文方法的可行性及泛用性。     

相参频率捷变雷达目标稀疏重建性能边界综述

相比频率固定的脉冲多普勒体制, 频率捷变体制在抗干扰方面具有显著优势。但在该体制下, 基于匹配滤波的信号处理算法存在旁瓣平台问题, 难以与动目标检测兼容。压缩感知理论将目标参数估计建模作为欠定方程求解, 为该问题提供了解决思路。在相参频率捷变雷达中, 压缩感知能否准确重建目标是一个基础性问题。本文梳理了针对该问题的相关研究, 借助相变理论与相变曲线的解析表达式, 定量描述了捷变频雷达重建目标的成功概率与主要系统和目标参数之间的关系; 该理论性能边界与仿真实际所能达到的性能相接近。此外, 还探讨了现有成果在实际应用中的价值, 展望了未来研究方向。     

基于极化单脉冲雷达扩展目标角度估计方法

当单脉冲雷达受到箔条质心干扰时, 将视为波束内存在两个不可分辨的目标, 由于目标和箔条干扰回波混叠耦合, 导致单脉冲测角偏差, 最终致使目标跟踪丢失。对此, 利用宽带单脉冲雷达测角精度高的优点和极化信息, 提出一种基于极化单脉冲雷达的扩展目标角度估计方法。首先,分析宽带单脉冲雷达体制下箔条质心干扰的特点, 给出扩展目标双极化和差信号模型。然后, 根据和、差通道极化回波信号, 通过联立方程组, 估计出目标和箔条干扰的到达角(angle of arrival, AOA), 为后续利用目标角度信息跟踪目标提供条件。最后,通过蒙特卡罗仿真实验分析关键参数对目标角度估计性能的影响, 并与传统单脉冲雷达体制的测角方法进行比较。理论分析和仿真实验表明, 在质心干扰条件下, 宽带单脉冲雷达估计目标AOA的性能要优于传统单脉冲雷达。     

渡槽整体结构环境激励模态试验

为获得渡槽整体结构动力特性,开展单向SIMO法、双向MIMO法环境激励模态试验,选用增强频域分解法识别纵向、横向、竖向、横竖双向模态参数.结果表明:2种方法识别出的模态大多数谱峰明显、识别效果较好;纵向模态以排架结构振动为主,槽身整体平动或转动或不动;前4阶横向模态以排架结构振动为主,槽身整体平动或转动或横摇,第5阶模...     

对公路雷达面层测厚的检验及评估测厚精度的方法

国内首次使用试验公路模型来检验探地雷达测厚的准确性,并提出雷达测厚精度的评价方法,为今后衡量雷达测厚精度的规范化提供依据.     

基于图像分割的SAR图像匹配方法

针对单一背景的海岛合成孔径雷达（SAR）图像,提出一种基于图像分割的图像匹配方法．该方法采用静态小波对原实时图分解滤波,抑制噪声;利用最大类间方差阈值法分割图像,分割出特定目标;选择结构元素进行形态腐蚀和膨胀,去掉细小背景杂波干扰;对二值化的图像进行面积统计,搜索出面积最大的目标．在原实时图中,以最大面积目标的外切矩形裁剪图像作为新的实时图．实践证明,利用裁剪的新实时图进行匹配,可以有效去除背景对匹配的不利影响,弥补了传统方法匹配精度低、实时性差的缺点．     

小样本条件下SCGAN+CNN低分辨雷达目标一步识别算法

现有低分辨雷达目标识别方法,通常采用先特征提取、再进行目标分类的两步识别算法,这种算法存在识别率难以提高和方法泛化性不足的问题,对此,提出一种增强条件生成对抗网络（strengthening condition generative adversarial network,SCGAN）+卷积神经网络（convolutional neural network,CNN）的低分辨雷达目标一步识别算法。该算法利用CNN自动获取采样数据深层本质特征,无需特征提取,实现对目标的一步识别。为进一步提高小样本条件下的识别效果,基于CGAN理论来提高样本在特征空间的覆盖程度,并对CGAN的判别器进行改进,在损失函数中增加混叠惩戒项,通过SCGAN生成不混叠的生成样本来更好地训练CNN,提高其在小样本条件下的识别能力。仿真对比实验校验了一步识别算法较传统两步识别算法的优越性,以及SCGAN+CNN的低分辨雷达目标一步识别算法在小样本条件下的有效性。     

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。     

基于协方差矩阵重构的单基地MIMO阵列无网格DOA估计方法

提出了一种单基地多输入多输出(multiple-input multiple-output, MIMO)阵列中的协方差矩阵重构的无网格波达方向(direction-of-arrival, DOA)估计方法。该方法通过降维处理将MIMO阵列等效为信噪比(signal-to-noise ratio, SNR)提升的均匀线列阵,将目标方位估计问题转化为混合范数最小化(mixed norm minimization, MixNM)稀疏信号重构问题。进一步给出了与该稀疏重构问题等价的基于网格的凸优化问题,并模型化为半定规划来求解。为了解决网格大小影响估计性能的问题,利用了等价均匀线列阵的托普利兹结构,模型化为半定规划问题来重构无噪声协方差矩阵,最后通过范德蒙分解来估计目标方位。与传统的基于MixNM方位估计方法相比,该方法减少了优化变量个数。与其他离网格方法相比,该方法估计精度不受网格大小的影响,且能够估计相干源目标。实验仿真验证了该方法的有效性。     

Compressive sensing based multiuser detector for massive MBM MIMO uplink

Media based modulation(MBM)is expected to be a prominent modulation scheme,which has access to the high data rate by using radio frequency(RF)mirrors and fewer transmit antennas.Associated with multiuser multiple input multiple output(MIMO),the MBM scheme achieves better performance than other conventional multiuser MIMO schemes.In this paper,the massive MIMO uplink is considered and a conjunctive MBM transmission scheme for each user is employed.This conjunctive MBM transmission scheme gathers aggregate MBM signals in multiple continuous time slots,which exploits the structured sparsity of these aggregate MBM signals.Under this kind of scenario,a multiuser detector with low complexity based on the compressive sensing(CS)theory to gain better detection performance is proposed.This detector is developed from the greedy sparse recovery technique compressive sampling matching pursuit(CoSaMP)and exploits not only the inherently distributed sparsity of MBM signals but also the structured sparsity of multiple aggregate MBM signals.By exploiting these sparsity,the proposed CoSaMP based multiuser detector achieves reliable detection with low complexity.Simulation results demonstrate that the proposed CoSaMP based multiuser detector achieves better detection performance compared with the conventional methods.