基于改进型YOLOv3的SAR图像舰船目标检测

传统合成孔径雷达(synthetic aperture radar, SAR)图像目标检测的方法依赖于人工设计特征且易受复杂背景干扰, 泛化能力较差。深度学习的方法可以自动提取特征且具有良好的抗干扰特性, 对于未来雷达智能感知具有重要意义。不同于其他只能对固定区域进行检测的常规卷积神经网络, 本文提出一种改进型YOLOv3的SAR图像舰船目标检测方法, 该方法基于舰船尺寸与形状自适应采样的可变形卷积、ResNet50变体特征提取器和ShuffleNetv2轻量化思想等设计YOLOv3模型。通过SSDD数据集验证, 在检测效果方面, 相较于原YOLOv3模型, 平均精度从93.21%提高至96.94%, 检测概率从95.51%提高至97.75%;在模型大小方面, 轻量化设计模型仅为原YOLOv3模型的八分之一, 可实现嵌入式的使用。     

基于分层极化特性的箔条云识别方法

箔条作为典型的无源干扰手段,在空中运动扩散和分布取向复杂多变,具有不确定性,其雷达特性相当复杂,即使先进的合成孔径雷达(synthetic aperture radar,SAR)导引头也难以应对.对此,从箔条云的极化特性和空气动力学特性入手,提出一种基于分层极化特性的箔条云干扰识别方法,利用箔条云特有的分层极化特性来识...     

马尔可夫随机场和模拟退火算法的SAR图像相干斑抑制方法

在合成孔径雷达(SAR)成像中,相干斑的存在严重影响了SAR图像的质量.由于马尔可夫随机场(MRF)可以很好地描述空间的连续性,如果选择适当的邻域系统,就可以很好地建立图像的结构特征模型.因此,为了抑制相干斑噪声,作者提出把吉布斯马尔可夫随机场(Gibbs-MRF)和模拟退火算法应用于SAR图像处理中.将图像强度理解为雷达散射截面积(RCS),采用模拟退火算法结合贝叶斯准则估计雷达散射截面积来抑制相干斑噪声.实验结果表明了此方法是有效的.     

基于3D-OMP算法的SAR动目标成像方法

针对稀疏场景下的SAR动目标成像问题展开研究,提出一种基于三维正交匹配追踪(3D-OMP)算法的稀疏成像方法。首先对成像区域进行网格划分,然后以运动目标的二维速度作为动态参数构建三维稀疏字典矩阵,即参数化稀疏表征。在算法迭代过程中,通过计算回波数据矩阵与三维稀疏字典矩阵各层之间的相关度筛选出信号的支撑集。最后利用最小二乘准则,计算出支撑集下目标场景的稀疏表征系数。该3D-OMP算法是经典OMP算法的改进与拓展,因此继承了OMP算法计算复杂度低、信号稀疏特征增强明显的优势,同时具备了重构SAR动目标图像的能力。仿真实验结果验证了该SAR动目标成像方法的有效性。     

非球面拼接测量中的配准误差校正

为了抑制配准误差对子孔径拼接测量非球面的影响,采用基于仿射变换和子孔径位置优化的拼接算法,校正由于配准误差引起的子孔径拼接重叠区对应点的不一致性,以提高拼接测量的精度.首先,分析了子孔径重叠区域相位误差不一致性的原因,然后,根据重叠区相位误差最小原则,利用反向求解法,求得配准方程中的各项系数,进行子孔径数据的配准和位置的优化校正.实验结果表明:经过配准误差的校正后,采用同步拼接方法得到的子孔径拼接测量结果与全口径直接测量结果更为吻合.     

深度学习下的快速SAR图像目标检测

针对合成孔径雷达图像目标检测困难以及深度学习中锚框机制所引起的计算冗余和应用场景受限问题,提出了一种基于无锚框机制的中心点、尺度和旋转角度预测网络,将目标检测转化为中心点估计问题,并直接预测相应边框的宽度、高度以及旋转角度等要素,实现多场景、多类型目标定向检测.该算法利用ResNet 101的U型结构和注意力模块提取图...     

一种适用于GEO SAR远地点的改进SRC算法

针对地球同步轨道合成孔径雷达在远地点采用原有的等效直线模型速度和斜视角会出现复数,以及"Stop-and-Go"假设不成立的问题,进行了二次距离压缩算法(SRC)的改进,提出了一种新的信号模型,修正了成像算法中的补偿函数,而且采用高阶近似的方法得到了精确的方位向调频率,改进了方位向压缩函数.结果表明改进的二次距离压缩算法可以在合成孔径时间100s内聚焦远地点40km×40km的场景,且场景边缘点的峰值旁瓣比和积分旁瓣比与理论值非常接近.     

天然气汽车改装中CNG喷射器喷嘴孔径的确定

在压缩天然气汽车(CNGV)的改装过程中,CNG喷射器喷嘴孔径这个工艺参数,极为关键却又难以把握。为了提高安装作业的效率及精度,探究出一种能辅助安装者更快更准地确定所需孔径的方法,提出了以模糊模式识别原理的算法,根据待改装车辆的发动机功率、行驶总里程和当前火花塞使用中的行驶里程这3个指标,对喷嘴孔径的尺寸进行识别,以实现在CNG系统安装前对孔径进行确定。在MATLAB中对该算法进行验证时,发现采用随机性更好的分组抽样且对算法的数据运算过程进一步匹配修正后,孔径的识别精准性显著提高。经过与此前的实际安装记录数据的核对,最终证实了该算法的可行性及准确性。     

一种基于正交脉冲分集的ISAR欺骗干扰消除与识别方法

延时转发欺骗性干扰是针对逆合成孔径雷达(ISAR)成像的一种重要干扰方法,为了对抗干扰产生的假目标,提出一种基于正交脉冲分集的ISAR欺骗干扰识别与消除方法。首先建立了逆合成孔径雷达干扰信号模型,研究并给出了针对此干扰的正交脉冲设计应当满足的约束条件,通过设计一组半正交化的脉冲实现了对于延迟转发欺骗干扰的消除与识别。该方法通过对逆合成孔径雷达波形的正交化设计,可以检测并消除延时转发干扰产生的假目标,实现相应的逆合成孔径雷达抗干扰。最后通过仿真实验在20 dB的干信比条件下,产生了0.3倍峰值的旁瓣波形,并成功得到ISAR图像。同时在5 dB以上的高信噪比条件下,将文中方法与已有方法进行对比,ISAR图像的峰值信噪比提升了约5 dB,验证了所提方法的有效性。