基于频域稀疏压缩感知的雷达目标三维散射中心反演方法

基于平面阵列的微波天线结构可以获取多视角下的目标散射中心三维分布。针对平面阵列稀疏分布导致的目标成像及散射中心反演精度较差的问题, 设计了一种基于组合巴克码的稀疏孔径分布方式。在此基础上, 利用稀疏孔径回波和频域主成分分析得到参考复数信号。利用该参考复数信号对原始回波进行干涉处理, 获得回波频谱的稀疏表征方式。在频域建立基于压缩感知的目标散射中心三维分布模型并进行优化求解, 得到重构后的目标三维频谱, 并逆变换至空间域, 可实现目标散射中心幅度及三维位置重建。暗室试验数据处理结果表明, 所提方法在X波段和稀疏采样率为50%的条件下, 目标散射中心幅度及三维位置反演精度均优于90%。     

基于SAR仿真图像的地面车辆非同源目标识别

充分的合成孔径雷达(synthetic aperture radar, SAR)模板数据是目标识别算法(尤其是基于深度学习的智能目标识别算法)获得优异识别性能的关键, 基于实际测量获取充分SAR数据是不现实的, 基于电磁散射建模的SAR仿真成为当前获取充分样本的一种有效途径。SAR仿真图像与实测图像为非同源数据, 由于SAR仿真的目标几何模型与实物之间差异、SAR仿真过程中的传感器模型与实际传感器性能之间差异、实物所处的背景环境与SAR仿真的环境之间差异、电磁建模方法本身误差等因素导致SAR仿真图像与实测图像存在差异, 会影响识别性能。针对这一问题, 首先采用一种基于高频渐近技术和离散射线追踪技术的SAR仿真方法获取地面车辆目标的SAR仿真图像, 再利用卷积神经网络方法、线性/非线性特征变换方法实现对MSTAR实测数据的非同源SAR目标识别性能对比分析。实验结果表明, 直接使用SAR仿真数据无法实现对实测SAR数据有效识别, 而线性/非线性特征变换可以改善非同源SAR目标识别性能, 一定程度上缓解由于SAR仿真数据与实测数据存在差异导致的识别性能差的问题。     

基于模式/区域分解的无人机集群电磁特性快速分析

无人机(unmanned aerial vehicle, UAV)集群在军事和民用领域的应用越来越广泛, 针对UAV集群目标电磁散射特性的获取和分析对生成对抗策略及反UAV有着重要的研究价值。目前, UAV集群动态测量数据获取难度较大、成本高; 而对于仿真数据, 传统计算电磁方法建模精度和效率较低, 有效的特性数据不足。因此, 提出了一种基于模式/区域分解的UAV集群目标电磁仿真方法, 该方法在矩量法的基础上, 引入特征模分解和区域分解技术, 前者极大地降低了计算未知量, 后者有效地解决了建模精度问题, 为UAV集群目标特性数据的生成提供了创新技术支撑。     

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。     

一种计算电大尺寸复杂导体目标电磁散射的MoM-SBR/PO混合法

作为传统MoM和PO混合法(MoM-PO)的拓展,提出了一种组合MoM、SBR和PO的混合方法(MoM-SBR/PO)用于计算电大尺寸复杂导体目标的电磁散射。利用基于射线密度归一化(RDN)概念的SBR方法有效地考虑了PO区域之间的多次反射影响,简化了PO区域内的耦合计算,避免了耗时的迭代求解过程和格林函数的选择等难点,提高了计算效率。数值结果验证了该方法的有效性和正确性。     

基于PO和EEC的特征基函数快速构造方法

特征基函数的构造是特征基函数方法(characteristic basis function method, CBFM)的关键步骤之一,传统的CBF构造方法(construction of characteristic basis functions, CBFs)是在子区域上应用矩量法(method of moment, MoM),因此需要消耗大量的计算时间。为降低构造过程的计算量,提高电大目标电磁散射的计算效率,提出了基于高频近似方法的特征基函数快速构造方法,针对边缘效应引入了等效边缘流(equivalent edge currents, EEC)修正,可以在保持算法通用性的同时显著提高包含边缘结构的目标散射计算精度。数值结果验证了方法的正确性及高效性。     

基于HPP/PO的舰船与海面耦合散射快速算法

针对粗糙海面上舰船类超电大尺寸复杂目标电磁散射问题,提出了一种基于混合面元投影(HPP)和物理光学法(PO)的计算目标与海面耦合散射的快速算法。首先建立基于海谱的海面几何模型,并考虑海面面元的微粗糙特性,修正海面反射系数,然后针对目标和海面的结构特点,形成两种尺度面元混合的目标与海面模型,对电磁波在海面和目标之间的多次反射按照GO原理进行快速投影运算,并利用PO计算投影区域的散射贡献,最后给出了几组典型实例的计算结果。数值计算表明,该方法对于海面舰船类目标的散射计算是高效、准确的。     

基于局部密度聚类的雷达目标散射中心区域分割

散射中心是描述雷达目标高频散射机理的重要特征,准确提取雷达目标散射中心参数对解析雷达目标有着极其重要的研究意义。为了提高散射中心参数计算速度,通常将整幅SAR图分解为多个包含散射中心的小区域,对每个小区域分别进行特征提取和参数计算。根据雷达目标散射中心的特点,本文提出了一种基于局部密度聚类的雷达目标散射中心区域分割技术。首先,首先对雷达图像进行Frost滤波、LSM图像分割和面积滤波的一系列图像预处理获得目标ROI区域,然后对预处理后的图像利用局部密度聚类算法检测散射中心并进行区域分割。实验中,采用模拟数据和真实数据对本文方法和传统图像分割算法展开数值实验,实验结果验证了本文方法在雷达目标散射中心区域分割的有效性和优越性。     

基于自适应射线管分裂的多次反射计算方法

传统弹跳射线（shooting and bouncing rays, SBR）方法采取按均匀射线管的方式进行射线追踪,因此,在计算电大尺寸复杂目标多次反射时,需要处理海量射线,计算效率极低,应用上受到很大限制。提出了一种基于复杂目标不规则三角网（triangle irregular network, TIN）模型的自适应射线管分裂算法（adaptive ray tube splitting algorithm, ARTSA）,利用TIN模型信息动态生成非均匀初始射线管,经过与模型三角面元的求交、多边形裁剪和三角化处理,将初始射线管自适应分裂成多个子射线管,利用口面积分（aperture integral, AI）法计算各子射线管的多次反射场,通过相干叠加获得目标多次反射贡献。与传统SBR方法相比,在相同计算精度下,所提算法能极大地减少射线追踪数量,显著提高计算电大尺寸复杂目标多次反射的效率。