显示方式:
传统手持或车载穿墙雷达由于架设高度受限,无法对城市高层建筑内部目标进行透视成像,无人机载穿墙雷达具有灵活机动、高效便捷、无高度限制等优势,可对城市高层楼宇进行大范围三维穿透探测。三维层析合成孔径雷达(SAR)成像广泛采用多基线扫描模式,以获得高度向高分辨能力,但存在高度向空域欠采样导致的栅瓣问题。对此,该文提出一种基于遗传算法的无人机载穿墙三维SAR航迹规划方法,通过非均匀化飞行航迹,削弱周期性的雷达回波能量叠加,从而抑制栅瓣、实现更优的成像质量。该算法结合飞行距离与无人机载穿墙雷达成像质量的内在关系,建立了无人机航迹规划代价函数;利用遗传算法对3种典型的无人机飞行轨迹关键控制点进行基因编码,并进行基因杂交、变异等以优化种群与个体;最终通过最小化代价函数,分别筛选出3种典型飞行模式下的最优飞行航迹。仿真和实测数据的三维成像结果表明:相较于传统等间距多基线飞行模式,所提方法显著抑制了成像目标的栅瓣效应;此外,无人机斜线飞行的航迹长度明显缩短,提高了无人机载穿墙SAR成像效率。 传统手持或车载穿墙雷达由于架设高度受限,无法对城市高层建筑内部目标进行透视成像,无人机载穿墙雷达具有灵活机动、高效便捷、无高度限制等优势,可对城市高层楼宇进行大范围三维穿透探测。三维层析合成孔径雷达(SAR)成像广泛采用多基线扫描模式,以获得高度向高分辨能力,但存在高度向空域欠采样导致的栅瓣问题。对此,该文提出一种基于遗传算法的无人机载穿墙三维SAR航迹规划方法,通过非均匀化飞行航迹,削弱周期性的雷达回波能量叠加,从而抑制栅瓣、实现更优的成像质量。该算法结合飞行距离与无人机载穿墙雷达成像质量的内在关系,建立了无人机航迹规划代价函数;利用遗传算法对3种典型的无人机飞行轨迹关键控制点进行基因编码,并进行基因杂交、变异等以优化种群与个体;最终通过最小化代价函数,分别筛选出3种典型飞行模式下的最优飞行航迹。仿真和实测数据的三维成像结果表明:相较于传统等间距多基线飞行模式,所提方法显著抑制了成像目标的栅瓣效应;此外,无人机斜线飞行的航迹长度明显缩短,提高了无人机载穿墙SAR成像效率。
星载合成孔径雷达(SAR)系统常受到强电磁干扰而导致成像质量下降,但现有基于图像域的干扰抑制方法易造成图像失真、纹理细节信息丢失等难题。针对上述问题,该文提出了一种基于区域特征细化感知学习的星载SAR图像有源压制干扰抑制方法。首先,建立了星载SAR图像域有源压制干扰信号和图像模型;其次,设计一种基于区域特征感知的高精度干扰识别网络,利用高效通道注意力机制,提取SAR图像有源压制干扰图样特征,可以有效识别SAR图像干扰区域;然后,构建一种基于SAR图像和压制干扰特征联合学习的多元区域特征细化干扰抑制网络,将SAR图像切分为多元区域,采用多模块协同处理多元区域上的压制干扰特征,实现复杂场景条件下SAR图像有源压制干扰的精细化抑制。最后,构建SAR图像有源压制干扰仿真数据集,且采用哨兵1号实测数据进行实验验证分析。实验结果表明所提方法能有效识别和抑制星载SAR图像多种典型有源压制干扰。 星载合成孔径雷达(SAR)系统常受到强电磁干扰而导致成像质量下降,但现有基于图像域的干扰抑制方法易造成图像失真、纹理细节信息丢失等难题。针对上述问题,该文提出了一种基于区域特征细化感知学习的星载SAR图像有源压制干扰抑制方法。首先,建立了星载SAR图像域有源压制干扰信号和图像模型;其次,设计一种基于区域特征感知的高精度干扰识别网络,利用高效通道注意力机制,提取SAR图像有源压制干扰图样特征,可以有效识别SAR图像干扰区域;然后,构建一种基于SAR图像和压制干扰特征联合学习的多元区域特征细化干扰抑制网络,将SAR图像切分为多元区域,采用多模块协同处理多元区域上的压制干扰特征,实现复杂场景条件下SAR图像有源压制干扰的精细化抑制。最后,构建SAR图像有源压制干扰仿真数据集,且采用哨兵1号实测数据进行实验验证分析。实验结果表明所提方法能有效识别和抑制星载SAR图像多种典型有源压制干扰。
为了降低阵列互耦对多输入多输出(MIMO)雷达波达角度(DOA)估计性能的影响,实现少量快拍条件下的目标角度估计,本文提出了基于迭代最小化稀疏学习算法(SLIM)的互耦校正和目标角度估计算法。所提算法利用目标回波信号的空域稀疏性,通过迭代优化算法估计了MIMO雷达发射和接收阵列的阵元互耦系数,以及目标稀疏空间谱。该算法无需设置超参数,且具有良好的收敛特性。仿真结果表明,当MIMO雷达发射和接收阵列存在互耦时,如果目标角度间隔较小,所提算法能够在较高信噪比条件下基于少量快拍高精度地估计目标角度;如果目标角度间隔较大,则在较低信噪比和少量快拍条件下仍有较高的角度估计精度。 为了降低阵列互耦对多输入多输出(MIMO)雷达波达角度(DOA)估计性能的影响,实现少量快拍条件下的目标角度估计,本文提出了基于迭代最小化稀疏学习算法(SLIM)的互耦校正和目标角度估计算法。所提算法利用目标回波信号的空域稀疏性,通过迭代优化算法估计了MIMO雷达发射和接收阵列的阵元互耦系数,以及目标稀疏空间谱。该算法无需设置超参数,且具有良好的收敛特性。仿真结果表明,当MIMO雷达发射和接收阵列存在互耦时,如果目标角度间隔较小,所提算法能够在较高信噪比条件下基于少量快拍高精度地估计目标角度;如果目标角度间隔较大,则在较低信噪比和少量快拍条件下仍有较高的角度估计精度。
合成孔径雷达(SAR)具有全天时全天候非接触式监测的优势,是封闭空间安全监测的重要工具。然而,SAR应用于复杂封闭空间时,易受多径效应影响,导致图像存在大量虚像,严重影响判读。现有方法需要场景先验进行多径推算或通过子孔径加权融合抑制多径,但都难以准确区分多径虚像与目标图像。该文提出了一种新的多角度双层偏差度量方法,可有效获取多径虚像与目标间的特征差异。该方法首先采用大视角差对观测场景进行多角度观测,可充分利用多径虚像位置随观测角度变化,而实际目标位置保持不变的特性。然后使用双层偏差度量算法,该算法根据多径在多角度序列中的稀疏性,两次计算序列幅度值与序列均值的偏差,精准检测出稀疏、不稳定的多径成分并去除,对剩余稳定成分取均值。这样,在保留目标信息的同时有效抑制多径。最后,仿真和毫米波雷达实际数据处理验证了该文方法的有效性。 合成孔径雷达(SAR)具有全天时全天候非接触式监测的优势,是封闭空间安全监测的重要工具。然而,SAR应用于复杂封闭空间时,易受多径效应影响,导致图像存在大量虚像,严重影响判读。现有方法需要场景先验进行多径推算或通过子孔径加权融合抑制多径,但都难以准确区分多径虚像与目标图像。该文提出了一种新的多角度双层偏差度量方法,可有效获取多径虚像与目标间的特征差异。该方法首先采用大视角差对观测场景进行多角度观测,可充分利用多径虚像位置随观测角度变化,而实际目标位置保持不变的特性。然后使用双层偏差度量算法,该算法根据多径在多角度序列中的稀疏性,两次计算序列幅度值与序列均值的偏差,精准检测出稀疏、不稳定的多径成分并去除,对剩余稳定成分取均值。这样,在保留目标信息的同时有效抑制多径。最后,仿真和毫米波雷达实际数据处理验证了该文方法的有效性。
针对反机载干涉仪侦察场景,该文提出一种基于间歇采样转发技术生成分布式信号对干涉仪参数测量施加干扰的方法。辐射源与转发干扰机分布部署构成干扰系统,转发干扰机对辐射源脉冲信号进行间歇采样并向干涉仪转发,转发信号与辐射源信号准同步到达干涉仪,实现对干涉仪空域参数和时域参数的同时干扰。对于机载干涉仪运动过程中与干扰系统发生的位置关系变化,给出信号准同步约束并构建分布式信号叠加模型。然后针对干涉仪体制对脉冲空域和时域参数的测量机理,分析分布式信号实施干扰的原理,并分析信号参数对干扰效果的影响,进而提出分布式信号设计原则。仿真实验和暗室实验结果表明,该文所提出分布式波形可有效扰乱干涉仪对信号到达方位角,脉宽和脉冲重复周期等空时域参数的正确测量。 针对反机载干涉仪侦察场景,该文提出一种基于间歇采样转发技术生成分布式信号对干涉仪参数测量施加干扰的方法。辐射源与转发干扰机分布部署构成干扰系统,转发干扰机对辐射源脉冲信号进行间歇采样并向干涉仪转发,转发信号与辐射源信号准同步到达干涉仪,实现对干涉仪空域参数和时域参数的同时干扰。对于机载干涉仪运动过程中与干扰系统发生的位置关系变化,给出信号准同步约束并构建分布式信号叠加模型。然后针对干涉仪体制对脉冲空域和时域参数的测量机理,分析分布式信号实施干扰的原理,并分析信号参数对干扰效果的影响,进而提出分布式信号设计原则。仿真实验和暗室实验结果表明,该文所提出分布式波形可有效扰乱干涉仪对信号到达方位角,脉宽和脉冲重复周期等空时域参数的正确测量。
实孔径雷达(RAR)通过天线扫描工作,以获取大范围探测区域内目标的观测信息。但是,由于雷达天线尺寸小,受天线衍射机理限制,与距离分辨率相比,其角分辨率通常较低。角超分辨处理方法,可利用天线方向图与目标散射间的卷积关系,通过求解卷积反演问题,以提高扫描雷达角分辨率。但是,由于测量矩阵的低秩特性,传统角超分辨处理方法,存在正则化参数选择难、迭代更新慢等问题,并且在低信噪比条件下,角超分辨处理性能明显下降。针对上述问题,该文提出了一种基于深度网络的迭代自适应实孔径扫描雷达角超分辨成像方法。首先,本文将实孔径扫描雷达的卷积反演问题转化为回波自相关矩阵反演求解问题,以改善求逆矩阵的病态性;其次,将可学习的修正矩阵引入到迭代自适应求解方法中,以实现迭代自适应求解方法与深度网络的结合;最后,通过迭代学习更新回波自相关矩阵,降低噪声对反演结果的影响,提高实孔径雷达的角分辨率。仿真及实测数据结果表明,所提方法可避免传统算法中的手动参数选择和迭代更新慢等问题。同时,由于深度网络的学习拟合能力,所提方法可在低信噪比条件下保持良好的角超分辨性能。 实孔径雷达(RAR)通过天线扫描工作,以获取大范围探测区域内目标的观测信息。但是,由于雷达天线尺寸小,受天线衍射机理限制,与距离分辨率相比,其角分辨率通常较低。角超分辨处理方法,可利用天线方向图与目标散射间的卷积关系,通过求解卷积反演问题,以提高扫描雷达角分辨率。但是,由于测量矩阵的低秩特性,传统角超分辨处理方法,存在正则化参数选择难、迭代更新慢等问题,并且在低信噪比条件下,角超分辨处理性能明显下降。针对上述问题,该文提出了一种基于深度网络的迭代自适应实孔径扫描雷达角超分辨成像方法。首先,本文将实孔径扫描雷达的卷积反演问题转化为回波自相关矩阵反演求解问题,以改善求逆矩阵的病态性;其次,将可学习的修正矩阵引入到迭代自适应求解方法中,以实现迭代自适应求解方法与深度网络的结合;最后,通过迭代学习更新回波自相关矩阵,降低噪声对反演结果的影响,提高实孔径雷达的角分辨率。仿真及实测数据结果表明,所提方法可避免传统算法中的手动参数选择和迭代更新慢等问题。同时,由于深度网络的学习拟合能力,所提方法可在低信噪比条件下保持良好的角超分辨性能。
在实际应用中,单传感器的视距、计算资源通常是有限的,多传感器网络的发展和应用为解决具有挑战性的目标跟踪问题提供了更多的可能性。相比于多目标跟踪,集群目标跟踪由于群内目标距离近、协同运动、数目多以及集群分裂合并等因素,会面临更具挑战性的数据关联和计算上的问题,而这些问题在多传感器融合系统中会进一步复杂化。针对有限视距情形下的多传感器集群目标跟踪问题,该文提出了一种可扩展的多传感器集群目标信念传播跟踪方法。该方法在贝叶斯框架下考虑集群结构的不确定性,构建多传感器集群目标联合后验概率密度分解和相应的因子图,以及通过在设计的因子图上运行信念传播算法高效求解数据关联问题。此外,该方法具有计算处理可扩展性,其计算复杂度与传感器数目、集群划分数目和观测数目呈线性关系,与目标数目呈二次关系。最后,仿真实验对比了不同方法关于GOSPA和OSPA(2)的性能,结果表明所提方法能够无缝跟踪集群目标和非群目标、充分利用多传感器信息互补优势、提升跟踪精度。 在实际应用中,单传感器的视距、计算资源通常是有限的,多传感器网络的发展和应用为解决具有挑战性的目标跟踪问题提供了更多的可能性。相比于多目标跟踪,集群目标跟踪由于群内目标距离近、协同运动、数目多以及集群分裂合并等因素,会面临更具挑战性的数据关联和计算上的问题,而这些问题在多传感器融合系统中会进一步复杂化。针对有限视距情形下的多传感器集群目标跟踪问题,该文提出了一种可扩展的多传感器集群目标信念传播跟踪方法。该方法在贝叶斯框架下考虑集群结构的不确定性,构建多传感器集群目标联合后验概率密度分解和相应的因子图,以及通过在设计的因子图上运行信念传播算法高效求解数据关联问题。此外,该方法具有计算处理可扩展性,其计算复杂度与传感器数目、集群划分数目和观测数目呈线性关系,与目标数目呈二次关系。最后,仿真实验对比了不同方法关于GOSPA和OSPA(2)的性能,结果表明所提方法能够无缝跟踪集群目标和非群目标、充分利用多传感器信息互补优势、提升跟踪精度。
双基合成孔径雷达(BiSAR)在实现对地面运动目标检测和成像时,需要抑制地面背景杂波。然而由于双基SAR收发分置的空间构型,会导致主瓣杂波出现严重的空时非平稳问题,从而恶化杂波抑制性能。基于稀疏恢复空时自适应处理方法(SR-STAP)虽然可以通过降低样本数量减少非平稳的影响,但是在处理过程中会出现字典离网问题,从而导致空时谱估计效果下降。并且大部分现有的典型SR-STAP方法虽然具有明确的数学关系和可解释性,但在针对复杂、多变场景时,也存在参数设置不恰当、运算复杂等问题。为解决上述一系列问题,该文提出了一种适用于双基SAR空时自适应杂波抑制处理的基于交替方向乘子法(ADMM)的复值神经网络ANM-ADMM-Net。首先,基于原子范数最小化(ANM)构建双基SAR连续空时域下杂波谱的稀疏恢复模型,克服传统离散字典模型下的离网问题;其次,采取ADMM对该双基SAR杂波谱稀疏恢复模型进行快速迭代求解;然后,根据迭代流程和数据流图进行网络化处理,将人工超参数迭代过程转换为网络可学习的ANM-ADMM-Net;再次,设置归一化均方根误差网络损失函数,并利用获取的数据集对网络模型进行训练;最后,利用训练后的ANM-ADMM-Net网络架构对双基SAR回波数据进行快速迭代处理,从而完成双基SAR杂波空时谱的精确估计和高效抑制。该文通过仿真试验和实测数据处理,表明该方法具有更好的杂波抑制性能和更加高效的运算效率。 双基合成孔径雷达(BiSAR)在实现对地面运动目标检测和成像时,需要抑制地面背景杂波。然而由于双基SAR收发分置的空间构型,会导致主瓣杂波出现严重的空时非平稳问题,从而恶化杂波抑制性能。基于稀疏恢复空时自适应处理方法(SR-STAP)虽然可以通过降低样本数量减少非平稳的影响,但是在处理过程中会出现字典离网问题,从而导致空时谱估计效果下降。并且大部分现有的典型SR-STAP方法虽然具有明确的数学关系和可解释性,但在针对复杂、多变场景时,也存在参数设置不恰当、运算复杂等问题。为解决上述一系列问题,该文提出了一种适用于双基SAR空时自适应杂波抑制处理的基于交替方向乘子法(ADMM)的复值神经网络ANM-ADMM-Net。首先,基于原子范数最小化(ANM)构建双基SAR连续空时域下杂波谱的稀疏恢复模型,克服传统离散字典模型下的离网问题;其次,采取ADMM对该双基SAR杂波谱稀疏恢复模型进行快速迭代求解;然后,根据迭代流程和数据流图进行网络化处理,将人工超参数迭代过程转换为网络可学习的ANM-ADMM-Net;再次,设置归一化均方根误差网络损失函数,并利用获取的数据集对网络模型进行训练;最后,利用训练后的ANM-ADMM-Net网络架构对双基SAR回波数据进行快速迭代处理,从而完成双基SAR杂波空时谱的精确估计和高效抑制。该文通过仿真试验和实测数据处理,表明该方法具有更好的杂波抑制性能和更加高效的运算效率。
针对带标注实测样本受限情况下的遮蔽多目标高分辨成像问题,提出一种基于迁移学习的穿墙雷达成像方法。首先,搭建生成对抗子网络实现带标签仿真数据到实测数据的迁移,解决带标签数据制作困难的问题;然后,联合使用注意力机制、自适应残差块及多尺度判别器提高图像迁移质量,引入结构一致性损失函数减小图像间的感知差异;最后,利用带标签数据训练穿墙雷达目标成像子网络,实现穿墙雷达多目标高分辨成像。实验结果表明,所提方法能有效缩小仿真图像和实测图像域间差异,实现穿墙雷达带标签伪实测图像生成,系统性解决了穿墙雷达遮蔽目标成像面临的旁/栅瓣鬼影干扰、目标图像散焦、多目标互扰等问题,在单、双和三目标场景下成像准确率分别达到98.24%, 90.97%和55.17%,相比于传统CycleGAN方法,所提方法成像准确率分别提升了2.29%, 40.28%和15.51%。 针对带标注实测样本受限情况下的遮蔽多目标高分辨成像问题,提出一种基于迁移学习的穿墙雷达成像方法。首先,搭建生成对抗子网络实现带标签仿真数据到实测数据的迁移,解决带标签数据制作困难的问题;然后,联合使用注意力机制、自适应残差块及多尺度判别器提高图像迁移质量,引入结构一致性损失函数减小图像间的感知差异;最后,利用带标签数据训练穿墙雷达目标成像子网络,实现穿墙雷达多目标高分辨成像。实验结果表明,所提方法能有效缩小仿真图像和实测图像域间差异,实现穿墙雷达带标签伪实测图像生成,系统性解决了穿墙雷达遮蔽目标成像面临的旁/栅瓣鬼影干扰、目标图像散焦、多目标互扰等问题,在单、双和三目标场景下成像准确率分别达到98.24%, 90.97%和55.17%,相比于传统CycleGAN方法,所提方法成像准确率分别提升了2.29%, 40.28%和15.51%。
非视距(NLOS)三维成像雷达是一种利用多径散射回波探测隐藏目标的新技术,但存在多路径回波分离、孔径遮蔽缩减、反射面相位误差等问题,传统视距雷达三维成像方法难以实现非视距隐藏目标的高精度成像。为此,该文提出了一种基于迭代稀疏重构的非视距隐藏目标三维成像雷达精确成像方法(NSIR)。在该方法中,首先构建非视距毫米波雷达三维成像的多径信号模型,利用视距/非视距回波特性,通过模型驱动方法提取非视距隐藏目标的多路径回波,实现视距/非视距回波信号的分离;其次,构建耦合多径反射面相位误差的全变分多约束隐藏目标重构优化问题,利用分裂Bregman全变分(TV)正则化算子和最小均方误差的相位误差估计准则,联合求解多约束最优化问题,实现非视距目标的精确成像及轮廓重构。最后,搭建平面扫描的三维成像雷达试验平台,完成了拐角非视距场景下刀具、铁架等目标的实验验证,验证了非视距毫米波三维成像雷达隐匿目标探测能力及该文方法的有效性。 非视距(NLOS)三维成像雷达是一种利用多径散射回波探测隐藏目标的新技术,但存在多路径回波分离、孔径遮蔽缩减、反射面相位误差等问题,传统视距雷达三维成像方法难以实现非视距隐藏目标的高精度成像。为此,该文提出了一种基于迭代稀疏重构的非视距隐藏目标三维成像雷达精确成像方法(NSIR)。在该方法中,首先构建非视距毫米波雷达三维成像的多径信号模型,利用视距/非视距回波特性,通过模型驱动方法提取非视距隐藏目标的多路径回波,实现视距/非视距回波信号的分离;其次,构建耦合多径反射面相位误差的全变分多约束隐藏目标重构优化问题,利用分裂Bregman全变分(TV)正则化算子和最小均方误差的相位误差估计准则,联合求解多约束最优化问题,实现非视距目标的精确成像及轮廓重构。最后,搭建平面扫描的三维成像雷达试验平台,完成了拐角非视距场景下刀具、铁架等目标的实验验证,验证了非视距毫米波三维成像雷达隐匿目标探测能力及该文方法的有效性。
逆合成孔径雷达(ISAR)在对空中目标成像时,目标自身的转动、振动等局部微动将产生微多普勒效应,回波将附加额外的多普勒调制,造成频谱展宽。在超高分辨条件下,这一微动特性将会影响主体散射点的聚焦,导致目标图像局部散焦模糊,严重影响成像质量。并且,微多普勒相位还具有时变非平稳特性,难以从ISAR目标回波中准确估计或分离出微多普勒。为了解决上述问题,该文利用目标主体回波和微多普勒分量的时频分布差异,提出一种基于变分模态分解(VMD)与优选的非参数化方法抑制了回波中的微多普勒分量,消除了微多普勒对成像的影响,获得超高分辨率的无人机ISAR成像结果。该文首先引入VMD算法并将其扩展到复数域,将ISAR目标回波数据沿方位向分解为若干个中心频率均匀分布于多普勒采样带宽中的模函数,在此基础上利用图像熵指标优化分解参数和筛选成像模态,以保证微多普勒的良好抑制和主体回波的较完整保留。与现有基于经验模态分解(EMD)和局部均值分解(LMD)的方法相比,所提方法在超大带宽条件下对旋翼微动引起的微多普勒干扰有着更为出色的抑制效果,而且对机身部分的保留更为完整。最后,通过仿真对比和超宽带微波光子ISAR无人机实测数据处理,证明了该文所提方法的有效性和优势。 逆合成孔径雷达(ISAR)在对空中目标成像时,目标自身的转动、振动等局部微动将产生微多普勒效应,回波将附加额外的多普勒调制,造成频谱展宽。在超高分辨条件下,这一微动特性将会影响主体散射点的聚焦,导致目标图像局部散焦模糊,严重影响成像质量。并且,微多普勒相位还具有时变非平稳特性,难以从ISAR目标回波中准确估计或分离出微多普勒。为了解决上述问题,该文利用目标主体回波和微多普勒分量的时频分布差异,提出一种基于变分模态分解(VMD)与优选的非参数化方法抑制了回波中的微多普勒分量,消除了微多普勒对成像的影响,获得超高分辨率的无人机ISAR成像结果。该文首先引入VMD算法并将其扩展到复数域,将ISAR目标回波数据沿方位向分解为若干个中心频率均匀分布于多普勒采样带宽中的模函数,在此基础上利用图像熵指标优化分解参数和筛选成像模态,以保证微多普勒的良好抑制和主体回波的较完整保留。与现有基于经验模态分解(EMD)和局部均值分解(LMD)的方法相比,所提方法在超大带宽条件下对旋翼微动引起的微多普勒干扰有着更为出色的抑制效果,而且对机身部分的保留更为完整。最后,通过仿真对比和超宽带微波光子ISAR无人机实测数据处理,证明了该文所提方法的有效性和优势。
超宽带穿墙雷达具备穿透墙体的能力,结合多输入多输出(MIMO)技术可以实现墙体后侧隐蔽目标的成像,为建筑物内人员检测和定位提供了丰富的信息。该文基于调频连续波(FMCW)体制下的多发多收超宽带穿墙雷达系统,提出了一种闭环干涉校准方法,校正了由系统内部误差产生的图像散焦。墙体的存在会导致目标成像位置偏离真实位置,该文推导了联合通道和像素点的三维墙体补偿算法,并基于其几何特性,提出快速重聚焦算法。首先去除墙体影响、确定目标存在区域;鉴于区域几何特性,选择适应区域形状的球坐标网格划分;分区域进行局部重聚焦,避免了因电磁波衰减导致成像结果中出现强目标掩盖弱目标的现象,并且球坐标形式的网格划分和局部成像大大缩减了算法耗时。通过仿真分析与实验验证,该文提出的系统校准方法能有效补偿系统误差,快速重聚焦算法可以实现墙后人体多目标三维定位,各维度定位精度优于10 cm,计算效率相对其余算法提升了5倍左右。从目标检测概率方面,所提算法相比其余算法不会出现弱目标的漏检。 超宽带穿墙雷达具备穿透墙体的能力,结合多输入多输出(MIMO)技术可以实现墙体后侧隐蔽目标的成像,为建筑物内人员检测和定位提供了丰富的信息。该文基于调频连续波(FMCW)体制下的多发多收超宽带穿墙雷达系统,提出了一种闭环干涉校准方法,校正了由系统内部误差产生的图像散焦。墙体的存在会导致目标成像位置偏离真实位置,该文推导了联合通道和像素点的三维墙体补偿算法,并基于其几何特性,提出快速重聚焦算法。首先去除墙体影响、确定目标存在区域;鉴于区域几何特性,选择适应区域形状的球坐标网格划分;分区域进行局部重聚焦,避免了因电磁波衰减导致成像结果中出现强目标掩盖弱目标的现象,并且球坐标形式的网格划分和局部成像大大缩减了算法耗时。通过仿真分析与实验验证,该文提出的系统校准方法能有效补偿系统误差,快速重聚焦算法可以实现墙后人体多目标三维定位,各维度定位精度优于10 cm,计算效率相对其余算法提升了5倍左右。从目标检测概率方面,所提算法相比其余算法不会出现弱目标的漏检。
随着合成孔径雷达(SAR)系统小型化技术、SAR三维成像技术的发展,当前已可利用无人机载小型化阵列干涉SAR实现城区三维成像,在城市测绘、复杂环境重建等领域具有重要应用前景。然而,SAR进行城市场景三维成像时,回波中存在多径信号,会导致成像结果解译困难,却也给非视距区域隐蔽目标的发现提供了重要手段。为此,该文针对低空无人机载阵列干涉SAR建筑区三维成像中的非视距目标进行了研究,建立了非视距目标在低空阵列干涉三维成像下的多径模型,给出了城市峡谷区域利用多径扩大可视范围的计算方法,并基于建筑平面拟合提出了非视距目标重定位方法。无人机载阵列干涉SAR的仿真和实际数据处理验证表明,所提出的方法可以对城市峡谷非视距目标进行有效的三维成像和重定位,重定位误差小于0.5 m,实现了对非视距区域信息的获取。 随着合成孔径雷达(SAR)系统小型化技术、SAR三维成像技术的发展,当前已可利用无人机载小型化阵列干涉SAR实现城区三维成像,在城市测绘、复杂环境重建等领域具有重要应用前景。然而,SAR进行城市场景三维成像时,回波中存在多径信号,会导致成像结果解译困难,却也给非视距区域隐蔽目标的发现提供了重要手段。为此,该文针对低空无人机载阵列干涉SAR建筑区三维成像中的非视距目标进行了研究,建立了非视距目标在低空阵列干涉三维成像下的多径模型,给出了城市峡谷区域利用多径扩大可视范围的计算方法,并基于建筑平面拟合提出了非视距目标重定位方法。无人机载阵列干涉SAR的仿真和实际数据处理验证表明,所提出的方法可以对城市峡谷非视距目标进行有效的三维成像和重定位,重定位误差小于0.5 m,实现了对非视距区域信息的获取。
机载雷达接收端采用子阵处理时面临栅瓣杂波导致的复杂空时耦合分布,使主瓣波束方向存在多个由栅瓣杂波导致的检测性能凹口,目标检测性能恶化严重。针对此问题,该文首先分析了子阵处理中栅瓣杂波空时谱分布特性,并在此基础上提出了基于接收子阵波束设计的空时二维杂波抑制方法。该方法采用重叠子阵构型方案,通过子阵方向图设计形成在子阵间栅瓣区域处的宽凹口,实现对子阵间栅瓣区域杂波的预滤波。进一步构建子阵级空时处理器,由于栅瓣杂波已经在子阵内完成预滤波,避免了栅瓣杂波在空时二维平面上的耦合扩散,从而提高了杂波抑制和动目标检测性能。仿真结果表明,所提方法显著改善了栅瓣杂波区的输出信杂噪比损失性能。 机载雷达接收端采用子阵处理时面临栅瓣杂波导致的复杂空时耦合分布,使主瓣波束方向存在多个由栅瓣杂波导致的检测性能凹口,目标检测性能恶化严重。针对此问题,该文首先分析了子阵处理中栅瓣杂波空时谱分布特性,并在此基础上提出了基于接收子阵波束设计的空时二维杂波抑制方法。该方法采用重叠子阵构型方案,通过子阵方向图设计形成在子阵间栅瓣区域处的宽凹口,实现对子阵间栅瓣区域杂波的预滤波。进一步构建子阵级空时处理器,由于栅瓣杂波已经在子阵内完成预滤波,避免了栅瓣杂波在空时二维平面上的耦合扩散,从而提高了杂波抑制和动目标检测性能。仿真结果表明,所提方法显著改善了栅瓣杂波区的输出信杂噪比损失性能。
在遥感图像舰船检测任务中,可见光图像细节和纹理信息丰富,但成像质量易受云雾干扰,合成孔径雷达(SAR)图像具有全天时和全天候的特点,但图像质量易受复杂海杂波影响。结合可见光和SAR图像优势的协同检测方法可以提高舰船目标的检测性能。针对在前后时相图像中,舰船目标在极小邻域范围内发生轻微偏移的场景,该文提出一种基于邻域显著性的可见光和SAR多源异质遥感图像舰船协同检测方法。首先,通过可见光和SAR的协同海陆分割降低陆地区域的干扰,并通过RetinaNet和YOLOv5s分别进行可见光和SAR图像的单源目标初步检测;其次,提出了基于单源检测结果对遥感图像邻域开窗进行邻域显著性目标二次检测的多源协同舰船目标检测策略,实现可见光和SAR异质图像的优势互补,减少舰船目标漏检、虚警以提升检测性能。在2022年烟台地区拍摄的可见光和SAR遥感图像数据上,该方法的检测精度AP50相比现有舰船检测方法提升了1.9%以上,验证了所提方法的有效性和先进性。 在遥感图像舰船检测任务中,可见光图像细节和纹理信息丰富,但成像质量易受云雾干扰,合成孔径雷达(SAR)图像具有全天时和全天候的特点,但图像质量易受复杂海杂波影响。结合可见光和SAR图像优势的协同检测方法可以提高舰船目标的检测性能。针对在前后时相图像中,舰船目标在极小邻域范围内发生轻微偏移的场景,该文提出一种基于邻域显著性的可见光和SAR多源异质遥感图像舰船协同检测方法。首先,通过可见光和SAR的协同海陆分割降低陆地区域的干扰,并通过RetinaNet和YOLOv5s分别进行可见光和SAR图像的单源目标初步检测;其次,提出了基于单源检测结果对遥感图像邻域开窗进行邻域显著性目标二次检测的多源协同舰船目标检测策略,实现可见光和SAR异质图像的优势互补,减少舰船目标漏检、虚警以提升检测性能。在2022年烟台地区拍摄的可见光和SAR遥感图像数据上,该方法的检测精度AP50相比现有舰船检测方法提升了1.9%以上,验证了所提方法的有效性和先进性。
聚焦雷达对抗中极化信息获取与利用的应用需求,该文研究了基于极化时变调控表面的有源欺骗干扰辨识方法。首先,设计了一套在9.6~10.1 GHz频带内支持3 bit相位量化的各向异性相位调制表面,通过优化相位调制编码序列,实现了极化态按需调控。然后,将极化调控表面加装在单极化雷达天线上,使天线发射和接收电磁波的极化态沿特定极化轨道变化,通过提取目标与有源欺骗干扰的极化域差异,实现两者辨识。仿真分析表明,在3种不同的极化轨道约束下,干扰与目标均具有显著的聚类效应,可获得稳定的干扰辨识效果。相较于依赖双极化或全极化雷达体制的干扰辨识方法,该文所提方法兼具低成本与高效性,在雷达抗干扰中具有很大的应用潜力。 聚焦雷达对抗中极化信息获取与利用的应用需求,该文研究了基于极化时变调控表面的有源欺骗干扰辨识方法。首先,设计了一套在9.6~10.1 GHz频带内支持3 bit相位量化的各向异性相位调制表面,通过优化相位调制编码序列,实现了极化态按需调控。然后,将极化调控表面加装在单极化雷达天线上,使天线发射和接收电磁波的极化态沿特定极化轨道变化,通过提取目标与有源欺骗干扰的极化域差异,实现两者辨识。仿真分析表明,在3种不同的极化轨道约束下,干扰与目标均具有显著的聚类效应,可获得稳定的干扰辨识效果。相较于依赖双极化或全极化雷达体制的干扰辨识方法,该文所提方法兼具低成本与高效性,在雷达抗干扰中具有很大的应用潜力。
针对远距离非合作目标探测,现有太赫兹雷达由于受到发射机功率低、大气衰减效应等因素影响,其作用距离有限,难以满足对目标的预警探测应用需求。为提升太赫兹雷达探测能力,该文研究了基于单光子探测技术的目标超灵敏探测方法,利用单光子探测器替代传统雷达接收机,有望显著提升太赫兹雷达的作用距离。首先,该文分析了太赫兹单光子雷达信号光子数的统计规律,从微观角度阐述了目标的回波特性,进一步,结合超导量子电容探测器的特点,建立了太赫兹单光子目标探测模型;此外,推导得到太赫兹单光子雷达目标检测性能数学表达式,并通过仿真实验对目标检测性能进行了验证和分析,获得了雷达检测性能曲线;最后开展了时间分辨太赫兹光子计数原理验证实验,通过回波脉冲计数的方式实现了目标高精度测距。该文工作将为太赫兹频段超灵敏探测技术及单光子雷达系统的研究与发展提供支撑。 针对远距离非合作目标探测,现有太赫兹雷达由于受到发射机功率低、大气衰减效应等因素影响,其作用距离有限,难以满足对目标的预警探测应用需求。为提升太赫兹雷达探测能力,该文研究了基于单光子探测技术的目标超灵敏探测方法,利用单光子探测器替代传统雷达接收机,有望显著提升太赫兹雷达的作用距离。首先,该文分析了太赫兹单光子雷达信号光子数的统计规律,从微观角度阐述了目标的回波特性,进一步,结合超导量子电容探测器的特点,建立了太赫兹单光子目标探测模型;此外,推导得到太赫兹单光子雷达目标检测性能数学表达式,并通过仿真实验对目标检测性能进行了验证和分析,获得了雷达检测性能曲线;最后开展了时间分辨太赫兹光子计数原理验证实验,通过回波脉冲计数的方式实现了目标高精度测距。该文工作将为太赫兹频段超灵敏探测技术及单光子雷达系统的研究与发展提供支撑。
单发单收穿墙雷达具备便携、系统简单、可独立工作等优势,但难以实现目标二维定位与跟踪。该文基于便携式单发单收雷达设计了一套分布式无线组网穿墙雷达系统,同时提出了一种目标联合定位方法,能够兼顾系统便携、低成本和目标二维信息估计。首先,设计了基于互补格雷码发射波形的超宽带雷达系统,解决了同频段多台雷达同时工作互相干扰的问题;分布式无线组网超宽带穿墙雷达系统包括3个雷达节点,并通过无线模块与数据处理中心通信。其次,提出了一种基于行为认知理论和模板匹配相结合的数据同步方法,通过识别各雷达数据中的相同运动状态来解决无线组网雷达慢时同步问题,摆脱了传统同步方法对硬件的苛刻要求。最后,提出基于Levenberg-Marquardt(L-M)最优化算法的雷达位置自估计和目标位置求解方法,实现了无先验雷达节点位置信息下的目标快速定位与跟踪。通过仿真分析与实验验证,该文设计的无线组网雷达系统可以实现目标二维定位与实时跟踪,雷达自身位置的估计精度优于0.06 m,对运动人体目标定位精度优于0.62 m。 单发单收穿墙雷达具备便携、系统简单、可独立工作等优势,但难以实现目标二维定位与跟踪。该文基于便携式单发单收雷达设计了一套分布式无线组网穿墙雷达系统,同时提出了一种目标联合定位方法,能够兼顾系统便携、低成本和目标二维信息估计。首先,设计了基于互补格雷码发射波形的超宽带雷达系统,解决了同频段多台雷达同时工作互相干扰的问题;分布式无线组网超宽带穿墙雷达系统包括3个雷达节点,并通过无线模块与数据处理中心通信。其次,提出了一种基于行为认知理论和模板匹配相结合的数据同步方法,通过识别各雷达数据中的相同运动状态来解决无线组网雷达慢时同步问题,摆脱了传统同步方法对硬件的苛刻要求。最后,提出基于Levenberg-Marquardt(L-M)最优化算法的雷达位置自估计和目标位置求解方法,实现了无先验雷达节点位置信息下的目标快速定位与跟踪。通过仿真分析与实验验证,该文设计的无线组网雷达系统可以实现目标二维定位与实时跟踪,雷达自身位置的估计精度优于0.06 m,对运动人体目标定位精度优于0.62 m。
在实际应用中,空时自适应处理(STAP)算法的性能受限于足够多独立同分布(IID)样本的获取。然而,目前可有效减少IID样本需求的算法仍面临一些问题。针对这些问题,该文融合数据驱动和模型驱动思想,构建了具有明确数学含义的多模块深度卷积神经网络(MDCNN),实现了小样本条件下对杂波协方差矩阵快速、准确、稳定估计。所构建MDCNN网络由映射模块、数据模块、先验模块和超参数模块组成。其中,前后端映射模块分别对应数据的预处理和后处理;单组数据模块和先验模块共同完成一次迭代优化,网络主体由多组数据模块和先验模块构成,可实现多次等效迭代优化;超参数模块则用来调整等效迭代中可训练参数。上述子模块均具有明确数学表述和物理含义,因此所构造网络具有良好的可解释性。实测数据处理结果表明,在实际非均匀杂波环境下该文所提方法杂波抑制性能优于现有典型小样本STAP方法,且运算时间较后者大幅降低。 在实际应用中,空时自适应处理(STAP)算法的性能受限于足够多独立同分布(IID)样本的获取。然而,目前可有效减少IID样本需求的算法仍面临一些问题。针对这些问题,该文融合数据驱动和模型驱动思想,构建了具有明确数学含义的多模块深度卷积神经网络(MDCNN),实现了小样本条件下对杂波协方差矩阵快速、准确、稳定估计。所构建MDCNN网络由映射模块、数据模块、先验模块和超参数模块组成。其中,前后端映射模块分别对应数据的预处理和后处理;单组数据模块和先验模块共同完成一次迭代优化,网络主体由多组数据模块和先验模块构成,可实现多次等效迭代优化;超参数模块则用来调整等效迭代中可训练参数。上述子模块均具有明确数学表述和物理含义,因此所构造网络具有良好的可解释性。实测数据处理结果表明,在实际非均匀杂波环境下该文所提方法杂波抑制性能优于现有典型小样本STAP方法,且运算时间较后者大幅降低。
随着高分辨率合成孔径雷达(SAR)卫星的陆续发射,对天气条件多变的海岛区域进行全天候、全时段的高精度观测已变得可行。作为多种遥感应用的关键前置步骤正射校正,依赖于高精度控制点来纠正SAR影像的几何定位误差。然而,在海岛区域获取符合SAR校正要求的人工控制点不仅成本高,且风险大。为了应对这一挑战,该文首先提出了一种光学与SAR异源影像的快速配准算法,然后基于光学参考底图自动提取控制点,实现了海岛区域SAR影像的正射校正。所提出的配准算法分为两个阶段:首先构建异源影像的共性密集特征,然后在降采样后的特征上进行逐像素匹配,避免了异源影像特征点重复性低的问题。为了降低匹配复杂度,引入了海陆分割掩模以限定搜索范围。接着,对初步匹配点进行局部精细匹配,以减少降采样带来的不准确性。同时,引入海岸线均匀采样点以提升匹配结果的均匀性,并通过分段线性变换模型生成正射影像,确保了稀疏岛屿区域的整体校正精度。该算法在多景海岛区域的高分辨率SAR影像上表现出色,平均定位误差为3.2 m,整景校正时间仅需17.3 s,均优于现有多种先进的异源配准与校正算法,显示出其在工程应用中的巨大潜力。 随着高分辨率合成孔径雷达(SAR)卫星的陆续发射,对天气条件多变的海岛区域进行全天候、全时段的高精度观测已变得可行。作为多种遥感应用的关键前置步骤正射校正,依赖于高精度控制点来纠正SAR影像的几何定位误差。然而,在海岛区域获取符合SAR校正要求的人工控制点不仅成本高,且风险大。为了应对这一挑战,该文首先提出了一种光学与SAR异源影像的快速配准算法,然后基于光学参考底图自动提取控制点,实现了海岛区域SAR影像的正射校正。所提出的配准算法分为两个阶段:首先构建异源影像的共性密集特征,然后在降采样后的特征上进行逐像素匹配,避免了异源影像特征点重复性低的问题。为了降低匹配复杂度,引入了海陆分割掩模以限定搜索范围。接着,对初步匹配点进行局部精细匹配,以减少降采样带来的不准确性。同时,引入海岸线均匀采样点以提升匹配结果的均匀性,并通过分段线性变换模型生成正射影像,确保了稀疏岛屿区域的整体校正精度。该算法在多景海岛区域的高分辨率SAR影像上表现出色,平均定位误差为3.2 m,整景校正时间仅需17.3 s,均优于现有多种先进的异源配准与校正算法,显示出其在工程应用中的巨大潜力。
多普勒穿墙雷达在定位墙后目标时,存在以下两个难点:(1)准确获取频率混叠区域目标瞬时频率;(2)通过获取精确的墙体参数来减小墙体对定位造成的影响。针对以上问题该文提出了一种结合Hough变换和支持向量回归-BP神经网络的目标定位算法。该文首先设计了一种多视角融合穿墙目标探测模型框架,通过获取不同视角下的目标位置来提供辅助估计墙体参数信息;其次,结合差分进化算法和切比雪夫插值多项式提出了一种目标瞬时频率曲线的高精度提取和估计算法;最后,利用估计的墙体参数信息,提出了一种基于BP神经网络的目标运动轨迹补偿算法,抑制了障碍物对目标定位结果的扭曲影响,实现了对墙后目标的精确定位。实验结果表明,相较于传统的短时傅里叶方法,该文所述方法可以准确提取时频混叠区域的目标瞬时频率曲线并减小墙体造成的影响,从而实现墙后多目标的准确定位,整体定位精度提升了约85%。 多普勒穿墙雷达在定位墙后目标时,存在以下两个难点:(1)准确获取频率混叠区域目标瞬时频率;(2)通过获取精确的墙体参数来减小墙体对定位造成的影响。针对以上问题该文提出了一种结合Hough变换和支持向量回归-BP神经网络的目标定位算法。该文首先设计了一种多视角融合穿墙目标探测模型框架,通过获取不同视角下的目标位置来提供辅助估计墙体参数信息;其次,结合差分进化算法和切比雪夫插值多项式提出了一种目标瞬时频率曲线的高精度提取和估计算法;最后,利用估计的墙体参数信息,提出了一种基于BP神经网络的目标运动轨迹补偿算法,抑制了障碍物对目标定位结果的扭曲影响,实现了对墙后目标的精确定位。实验结果表明,相较于传统的短时傅里叶方法,该文所述方法可以准确提取时频混叠区域的目标瞬时频率曲线并减小墙体造成的影响,从而实现墙后多目标的准确定位,整体定位精度提升了约85%。
雷达多维多域多特征信息处理技术专题
雷达微弱目标处理是实现优异探测性能的基础和前提,在复杂的实际环境应用过程中,由于强杂波干扰、目标信号微弱、图像特征不明显、有效特征难提取等问题,导致雷达微弱目标检测与识别一直是雷达处理领域中的难点之一。传统模型类处理方法与实际工作背景和目标特性匹配不精准,导致通用性不强。近年来,深度学习在雷达智能信息处理领域取得了显著进展,深度学习算法通过构建深层神经网络,可以自动地从大量雷达数据中学习特征表示,提高目标检测和识别的性能。该文分别从雷达目标微弱信号处理、图像处理、特征学习等多个方面系统梳理和总结近年来雷达微弱目标智能化处理的研究进展,具体包括噪声与杂波抑制、微弱目标信号增强;低、高分辨雷达图像和特征图处理;特征提取、融合、目标分类与识别等。针对目前微弱目标智能化处理应用存在的泛化能力有限、特征单一、可解释性不足等问题,从小样本目标检测(迁移学习、强化学习)、多维多特征融合检测、网络模型可解释性、知识与数据联合驱动等方面对未来发展进行了展望。 雷达微弱目标处理是实现优异探测性能的基础和前提,在复杂的实际环境应用过程中,由于强杂波干扰、目标信号微弱、图像特征不明显、有效特征难提取等问题,导致雷达微弱目标检测与识别一直是雷达处理领域中的难点之一。传统模型类处理方法与实际工作背景和目标特性匹配不精准,导致通用性不强。近年来,深度学习在雷达智能信息处理领域取得了显著进展,深度学习算法通过构建深层神经网络,可以自动地从大量雷达数据中学习特征表示,提高目标检测和识别的性能。该文分别从雷达目标微弱信号处理、图像处理、特征学习等多个方面系统梳理和总结近年来雷达微弱目标智能化处理的研究进展,具体包括噪声与杂波抑制、微弱目标信号增强;低、高分辨雷达图像和特征图处理;特征提取、融合、目标分类与识别等。针对目前微弱目标智能化处理应用存在的泛化能力有限、特征单一、可解释性不足等问题,从小样本目标检测(迁移学习、强化学习)、多维多特征融合检测、网络模型可解释性、知识与数据联合驱动等方面对未来发展进行了展望。
地物精细分类是合成孔径雷达(SAR)的主要应用方向之一。在多波段全极化SAR工作模式下,可充分获取目标不同波段信息和极化响应特征,有望提高目标分类精度。然而国内外现有的数据集仅有个别波段、少数地区、少量样本的低分辨率全极化分类数据。为推动多波段全极化SAR分类应用的发展,在高分航空观测系统应用校飞与验证项目支持下,利用多维度SAR在海南的校飞数据构建了一个样本量充分大、地物类别较为丰富、分类可靠性较高的多波段全极化精细分类数据集。该文概述了该数据集的构成,给出了发布数据(MPOLSAR-1.0)的信息描述方式、数据集制作流程和方法,并分别基于极化特征分类方法和经典机器学习分类方法给出了初步的分类实验结果,为该数据集的共享和应用提供支撑。 地物精细分类是合成孔径雷达(SAR)的主要应用方向之一。在多波段全极化SAR工作模式下,可充分获取目标不同波段信息和极化响应特征,有望提高目标分类精度。然而国内外现有的数据集仅有个别波段、少数地区、少量样本的低分辨率全极化分类数据。为推动多波段全极化SAR分类应用的发展,在高分航空观测系统应用校飞与验证项目支持下,利用多维度SAR在海南的校飞数据构建了一个样本量充分大、地物类别较为丰富、分类可靠性较高的多波段全极化精细分类数据集。该文概述了该数据集的构成,给出了发布数据(MPOLSAR-1.0)的信息描述方式、数据集制作流程和方法,并分别基于极化特征分类方法和经典机器学习分类方法给出了初步的分类实验结果,为该数据集的共享和应用提供支撑。
无人机等低慢小目标探测对雷达目标检测和识别技术提出了很高的挑战,迫切需要构建相关数据集,支撑低慢小探测技术的发展和应用。该文公开了一个多波段调频连续波(FMCW)雷达低慢小目标探测数据集,基于Ku波段和L波段的FMCW雷达采集6种类型的无人机回波数据,通过雷达调制周期和调制带宽,具备不同时域和频域分辨和测量能力,构建了多波段FMCW雷达低慢小探测数据集(LSS-FMCWR-1.0)。为了进一步提升无人机微动特征提取能力,该文提出基于局部极大值同步提取变换的无人机微动提取和参数估计方法,在短时傅里叶变换的基础上提取时频能量最大值,保留有用信号分量,实现精细化时频表示。基于LSS-FMCWR-1.0进行验证分析,结果表明该方法相较于传统时频方法,熵值平均降低了5.3 dB,旋翼叶长估计误差降低了27.7%,所提方法兼顾高时频分辨率和较高的参数估计精度,为后续目标识别奠定了基础。 无人机等低慢小目标探测对雷达目标检测和识别技术提出了很高的挑战,迫切需要构建相关数据集,支撑低慢小探测技术的发展和应用。该文公开了一个多波段调频连续波(FMCW)雷达低慢小目标探测数据集,基于Ku波段和L波段的FMCW雷达采集6种类型的无人机回波数据,通过雷达调制周期和调制带宽,具备不同时域和频域分辨和测量能力,构建了多波段FMCW雷达低慢小探测数据集(LSS-FMCWR-1.0)。为了进一步提升无人机微动特征提取能力,该文提出基于局部极大值同步提取变换的无人机微动提取和参数估计方法,在短时傅里叶变换的基础上提取时频能量最大值,保留有用信号分量,实现精细化时频表示。基于LSS-FMCWR-1.0进行验证分析,结果表明该方法相较于传统时频方法,熵值平均降低了5.3 dB,旋翼叶长估计误差降低了27.7%,所提方法兼顾高时频分辨率和较高的参数估计精度,为后续目标识别奠定了基础。
该文考虑了海杂波环境下的雷达目标检测问题,提出了一种基于深度学习的海面目标检测器。该检测器通过融合从不同数据源中提取的多种互补性特征以增加目标和杂波的差异性,从而提升对海面目标的检测性能。具体来说,该检测器首先利用两个特征提取分支分别从距离像和距离多普勒谱图中提取多层次快时间特征和距离特征;然后,设计局部-全局特征提取结构从特征的慢时间维度或多普勒维度提取序列关联性;接着,提出基于自适应卷积权重学习的特征融合模块,实现快慢时间特征和距离多普勒特征的高效融合;最后,对多层次特征进行融合、上采样和非线性映射获得检测结果。基于两个公开雷达数据集上的实验验证了所提检测器的检测性能。 该文考虑了海杂波环境下的雷达目标检测问题,提出了一种基于深度学习的海面目标检测器。该检测器通过融合从不同数据源中提取的多种互补性特征以增加目标和杂波的差异性,从而提升对海面目标的检测性能。具体来说,该检测器首先利用两个特征提取分支分别从距离像和距离多普勒谱图中提取多层次快时间特征和距离特征;然后,设计局部-全局特征提取结构从特征的慢时间维度或多普勒维度提取序列关联性;接着,提出基于自适应卷积权重学习的特征融合模块,实现快慢时间特征和距离多普勒特征的高效融合;最后,对多层次特征进行融合、上采样和非线性映射获得检测结果。基于两个公开雷达数据集上的实验验证了所提检测器的检测性能。
该文针对分布式相控阵多雷达网络的多目标跟踪场景,研究非理想检测条件下的节点选择与辐射资源联合优化分配算法。首先,根据分布式相控阵多雷达网络构成、目标运动模型、雷达量测模型以及雷达节点检测情况,推导非理想检测下以雷达节点选择、辐射功率和信号带宽为变量的贝叶斯克拉默-拉奥下界(BCRLB)闭式解析表达式,并以此作为多目标跟踪精度衡量指标。在此基础上,以最小化系统各雷达节点对所有目标的总辐射功率为优化目标,以满足目标跟踪精度门限以及给定的系统射频辐射资源限制为约束条件,建立非理想检测条件下多雷达网络节点选择与辐射资源联合优化分配模型,对各时刻雷达节点选择、辐射功率和信号带宽等参数进行联合优化设计,以提升多雷达网络的射频隐身性能。最后,针对上述非线性、非凸优化问题,采用基于障碍函数法和循环最小化算法的4步分解算法进行求解。仿真结果表明,与现有算法相比,所提算法能在满足给定多目标跟踪精度的条件下有效降低分布式相控阵多雷达网络的总辐射功率,至少降低了约32.3%,从而提升其射频隐身性能。 该文针对分布式相控阵多雷达网络的多目标跟踪场景,研究非理想检测条件下的节点选择与辐射资源联合优化分配算法。首先,根据分布式相控阵多雷达网络构成、目标运动模型、雷达量测模型以及雷达节点检测情况,推导非理想检测下以雷达节点选择、辐射功率和信号带宽为变量的贝叶斯克拉默-拉奥下界(BCRLB)闭式解析表达式,并以此作为多目标跟踪精度衡量指标。在此基础上,以最小化系统各雷达节点对所有目标的总辐射功率为优化目标,以满足目标跟踪精度门限以及给定的系统射频辐射资源限制为约束条件,建立非理想检测条件下多雷达网络节点选择与辐射资源联合优化分配模型,对各时刻雷达节点选择、辐射功率和信号带宽等参数进行联合优化设计,以提升多雷达网络的射频隐身性能。最后,针对上述非线性、非凸优化问题,采用基于障碍函数法和循环最小化算法的4步分解算法进行求解。仿真结果表明,与现有算法相比,所提算法能在满足给定多目标跟踪精度的条件下有效降低分布式相控阵多雷达网络的总辐射功率,至少降低了约32.3%,从而提升其射频隐身性能。
动平台分布式雷达系统可有效提升系统的生存能力和探测性能,但运动平台之间通常采用无线传输方式,难以配备大通信带宽以传输完整的信号数据,给雷达系统的高性能检测带来极大挑战。由于低比特量化技术可显著降低分布式系统的通信传输代价和计算资源消耗,该文针对低信噪比弱信号环境下提出了动平台分布式雷达系统的低比特量化运动目标检测算法。首先,根据系统资源将各节点的多脉冲观测数据选择对应位数的低比特量化器进行量化,推导了关于量化器和多个目标状态的似然函数。其次,证明了低比特量化数据对应似然函数关于未知目标反射系数的凸性,并基于该特性设计了多普勒频移和反射系数的联合估计器。然后,针对探测区域中存在的多个状态未知目标设计了多目标检测器,推导了其恒虚警率门限。最后,通过推导系统的渐近性能设计了最优低比特量化器,在保证系统鲁棒性的同时有效提升了系统的检测性能。仿真实验分析了所提算法的检测与估计性能,结果证明了所提算法在低信噪比弱信号环境下的有效性,同时表明低比特量化数据可在仅占用低于20%通信带宽的基础上实现接近高精度(16比特量化)数据对应的检测和估计性能,且2比特量化策略可作为检测性能和雷达系统资源消耗的折中选择。 动平台分布式雷达系统可有效提升系统的生存能力和探测性能,但运动平台之间通常采用无线传输方式,难以配备大通信带宽以传输完整的信号数据,给雷达系统的高性能检测带来极大挑战。由于低比特量化技术可显著降低分布式系统的通信传输代价和计算资源消耗,该文针对低信噪比弱信号环境下提出了动平台分布式雷达系统的低比特量化运动目标检测算法。首先,根据系统资源将各节点的多脉冲观测数据选择对应位数的低比特量化器进行量化,推导了关于量化器和多个目标状态的似然函数。其次,证明了低比特量化数据对应似然函数关于未知目标反射系数的凸性,并基于该特性设计了多普勒频移和反射系数的联合估计器。然后,针对探测区域中存在的多个状态未知目标设计了多目标检测器,推导了其恒虚警率门限。最后,通过推导系统的渐近性能设计了最优低比特量化器,在保证系统鲁棒性的同时有效提升了系统的检测性能。仿真实验分析了所提算法的检测与估计性能,结果证明了所提算法在低信噪比弱信号环境下的有效性,同时表明低比特量化数据可在仅占用低于20%通信带宽的基础上实现接近高精度(16比特量化)数据对应的检测和估计性能,且2比特量化策略可作为检测性能和雷达系统资源消耗的折中选择。
基于调频(FM)广播信号的外辐射源雷达有着检测概率低、虚警率高、量测精度差的特点,这给组网目标跟踪带来了极大挑战。一方面,较高的虚警率使计算量增加,组网算法的实时性受到考验;另一方面,检测概率低、方位角精度差造成冗余信息缺乏,量测关联与航迹起始变得困难。为解决这些问题,该文提出初级假设点和初级假设航迹的概念,以及基于此概念的FM广播外辐射源雷达网航迹起始算法。首先构造可能的低维关联假设,并解算出与其对应的初级假设点;随后关联不同时刻的初级假设点,形成多条可能的初级假设航迹;最后联合多场雷达网数据进行假设航迹判决,真实目标对应的初级假设航迹会得到确认,错误关联导致的虚假初级假设航迹会被剔除。相比于已有算法,所提算法有着更低的计算量,更快的航迹起始速度,仿真与实测结果均验证了所提算法的有效性。 基于调频(FM)广播信号的外辐射源雷达有着检测概率低、虚警率高、量测精度差的特点,这给组网目标跟踪带来了极大挑战。一方面,较高的虚警率使计算量增加,组网算法的实时性受到考验;另一方面,检测概率低、方位角精度差造成冗余信息缺乏,量测关联与航迹起始变得困难。为解决这些问题,该文提出初级假设点和初级假设航迹的概念,以及基于此概念的FM广播外辐射源雷达网航迹起始算法。首先构造可能的低维关联假设,并解算出与其对应的初级假设点;随后关联不同时刻的初级假设点,形成多条可能的初级假设航迹;最后联合多场雷达网数据进行假设航迹判决,真实目标对应的初级假设航迹会得到确认,错误关联导致的虚假初级假设航迹会被剔除。相比于已有算法,所提算法有着更低的计算量,更快的航迹起始速度,仿真与实测结果均验证了所提算法的有效性。
现代雷达对抗形势复杂多变,体系与体系的作战已成为基本特点,而体系整体性能关乎着战场的主动权乃至最终的胜负。通过优化体系中雷达与干扰波束资源可以提升整体性能,获得在空间、时间域优效的低截获探测性能,然而空时域协同波束联合优化是一个复杂多参数耦合的非凸问题。该文针对空时域多任务动态场景,建立了以雷达探测性能为优化目标,以干扰性能以及能量限制为约束条件的优化模型。为求解该模型,该文提出了基于迭代优化的空时协同波束联合设计方法,即以雷达发射、接收、多干扰机发射波束交替迭代优化。其中,针对多干扰机协同优化的不定矩阵二次约束二次规划(QCQP)问题,该文基于可行点追踪-连续凸逼近(FPP-SCA)算法,在SCA算法的基础上,通过引入松弛变量与惩罚项,保证算法在合理松弛度下的可行性,解决了矩阵不定情况下难以获得可行解的问题。仿真表明,在一定的干扰机能量约束下,该文所提方法在保证雷达高性能探测目标且不受干扰情况下,同时实现了多干扰机在空时域干扰对方每个平台以掩护我方雷达探测的效果;相比传统算法,在动态场景中基于FPP-SCA算法的协同干扰具有更优效果。 现代雷达对抗形势复杂多变,体系与体系的作战已成为基本特点,而体系整体性能关乎着战场的主动权乃至最终的胜负。通过优化体系中雷达与干扰波束资源可以提升整体性能,获得在空间、时间域优效的低截获探测性能,然而空时域协同波束联合优化是一个复杂多参数耦合的非凸问题。该文针对空时域多任务动态场景,建立了以雷达探测性能为优化目标,以干扰性能以及能量限制为约束条件的优化模型。为求解该模型,该文提出了基于迭代优化的空时协同波束联合设计方法,即以雷达发射、接收、多干扰机发射波束交替迭代优化。其中,针对多干扰机协同优化的不定矩阵二次约束二次规划(QCQP)问题,该文基于可行点追踪-连续凸逼近(FPP-SCA)算法,在SCA算法的基础上,通过引入松弛变量与惩罚项,保证算法在合理松弛度下的可行性,解决了矩阵不定情况下难以获得可行解的问题。仿真表明,在一定的干扰机能量约束下,该文所提方法在保证雷达高性能探测目标且不受干扰情况下,同时实现了多干扰机在空时域干扰对方每个平台以掩护我方雷达探测的效果;相比传统算法,在动态场景中基于FPP-SCA算法的协同干扰具有更优效果。
雷达信号处理
针对复杂的机动扩展目标跟踪问题,利用Transformer网络设计了一种有效的星凸不规则形状机动扩展目标跟踪方法。首先,该文研究利用alpha-shape算法建立了星凸形状的变化模型,实现了静态场景下的星凸形扩展目标的形状估计。然后,通过对目标状态转移矩阵进行重新设计,结合Transformer网络对机动扩展目标运动状态转移矩阵进行实时估计,实现了对复杂机动目标运动过程的精准跟踪。进一步地,将估计得到的形状轮廓与运动状态进行融合,最终实现了对星凸形机动扩展目标的实时跟踪。最后,通过构造复杂的机动扩展目标跟踪场景,利用多重性能指标测试算法对形状和运动状态的综合估计性能,验证了算法的有效性。 针对复杂的机动扩展目标跟踪问题,利用Transformer网络设计了一种有效的星凸不规则形状机动扩展目标跟踪方法。首先,该文研究利用alpha-shape算法建立了星凸形状的变化模型,实现了静态场景下的星凸形扩展目标的形状估计。然后,通过对目标状态转移矩阵进行重新设计,结合Transformer网络对机动扩展目标运动状态转移矩阵进行实时估计,实现了对复杂机动目标运动过程的精准跟踪。进一步地,将估计得到的形状轮廓与运动状态进行融合,最终实现了对星凸形机动扩展目标的实时跟踪。最后,通过构造复杂的机动扩展目标跟踪场景,利用多重性能指标测试算法对形状和运动状态的综合估计性能,验证了算法的有效性。
扫描雷达角超分辨技术是基于目标与天线方向图的关系,采用解卷积方法获取超越实波束的角分辨能力。目前的角超分辨方法大都是基于理想的无畸变天线方向图,未考虑实际过程中方向图的变化。然而,由于雷达天线罩、天线测量误差与平台非理想运动等因素的影响,天线方向图在实际中往往存在未知的误差,会导致目标分辨能力下降,甚至产生虚假目标。针对此问题,该文提出一种机载扫描雷达未知天线方向图误差下的角超分辨成像方法。首先,基于总体最小二乘(TLS)准则,该文考虑了方向图误差矩阵的影响,导出了相应的目标函数;其次,基于交替迭代的求解思路,利用迭代重加权优化方法实现了目标函数求解;最后,针对算法超参数选取,引入了一种自适应参数选取方法。仿真与实测结果表明,该文方法能实现未知天线误差条件下的超分辨重建,进一步提升了超分辨算法的稳健性。 扫描雷达角超分辨技术是基于目标与天线方向图的关系,采用解卷积方法获取超越实波束的角分辨能力。目前的角超分辨方法大都是基于理想的无畸变天线方向图,未考虑实际过程中方向图的变化。然而,由于雷达天线罩、天线测量误差与平台非理想运动等因素的影响,天线方向图在实际中往往存在未知的误差,会导致目标分辨能力下降,甚至产生虚假目标。针对此问题,该文提出一种机载扫描雷达未知天线方向图误差下的角超分辨成像方法。首先,基于总体最小二乘(TLS)准则,该文考虑了方向图误差矩阵的影响,导出了相应的目标函数;其次,基于交替迭代的求解思路,利用迭代重加权优化方法实现了目标函数求解;最后,针对算法超参数选取,引入了一种自适应参数选取方法。仿真与实测结果表明,该文方法能实现未知天线误差条件下的超分辨重建,进一步提升了超分辨算法的稳健性。
机载扫描雷达前视成像可广泛应用于态势感知、自主导航和地形跟随。在雷达扫描过程中受到不经意的电磁脉冲干扰或设备性能异常等影响时,雷达回波数据出现异常值。已有的超分辨方法可以抑制回波中的异常值、提高角度分辨率,但没有考虑计算实时性问题。针对上述问题,该文提出了一种机载雷达超分辨方法实现回波数据异常时的快速前视成像。为了更好地拟合回波噪声,引入对异常值更加鲁棒的学生t分布,并采用期望最大化方法对成像参数进行估计。受截断奇异值分解方法的启发,将截断的酉矩阵引入目标散射系数的估计公式中。通过矩阵变换降低了求逆矩阵的尺寸,从而降低了参数估计的计算复杂度。仿真结果表明该文提出加速方法可以用更短的时间提高前视成像的角度分辨率,抑制回波数据中的异常值。 机载扫描雷达前视成像可广泛应用于态势感知、自主导航和地形跟随。在雷达扫描过程中受到不经意的电磁脉冲干扰或设备性能异常等影响时,雷达回波数据出现异常值。已有的超分辨方法可以抑制回波中的异常值、提高角度分辨率,但没有考虑计算实时性问题。针对上述问题,该文提出了一种机载雷达超分辨方法实现回波数据异常时的快速前视成像。为了更好地拟合回波噪声,引入对异常值更加鲁棒的学生t分布,并采用期望最大化方法对成像参数进行估计。受截断奇异值分解方法的启发,将截断的酉矩阵引入目标散射系数的估计公式中。通过矩阵变换降低了求逆矩阵的尺寸,从而降低了参数估计的计算复杂度。仿真结果表明该文提出加速方法可以用更短的时间提高前视成像的角度分辨率,抑制回波数据中的异常值。
SAR 图像解译
空间卫星目标的逆合成孔径雷达(ISAR)图像由离散的散射点构成,具有弱纹理、高动态、非连续的特性,造成传统算法对空间目标ISAR图像进行三维重建时,得到的点云结果稀疏,无法覆盖目标整体外形轮廓,进而导致难以精确提取目标结构、姿态参数。针对上述问题,并考虑到空间目标通常由特定模块化部件组成的特点,该文提出一种从空间目标ISAR图像中抽取参数化基元来表示其三维结构的方法。首先利用能量累积算法从ISAR图像中得到目标的稀疏点云,进而利用参数化基元对点云进行拟合,最后将基元投影至ISAR成像平面,并最大化与目标图像的相似度来优化基元参数,得到最优的目标三维基元表示。相比于传统点云三维重建,该方法能够获得对目标三维结构更完整的描述,且所得到的基元参数即代表目标的姿态及结构,可直接支撑后续的目标识别、分析研判等任务。仿真实验证明该方法能够根据ISAR序列图像,有效实现对空间目标的三维表示。 空间卫星目标的逆合成孔径雷达(ISAR)图像由离散的散射点构成,具有弱纹理、高动态、非连续的特性,造成传统算法对空间目标ISAR图像进行三维重建时,得到的点云结果稀疏,无法覆盖目标整体外形轮廓,进而导致难以精确提取目标结构、姿态参数。针对上述问题,并考虑到空间目标通常由特定模块化部件组成的特点,该文提出一种从空间目标ISAR图像中抽取参数化基元来表示其三维结构的方法。首先利用能量累积算法从ISAR图像中得到目标的稀疏点云,进而利用参数化基元对点云进行拟合,最后将基元投影至ISAR成像平面,并最大化与目标图像的相似度来优化基元参数,得到最优的目标三维基元表示。相比于传统点云三维重建,该方法能够获得对目标三维结构更完整的描述,且所得到的基元参数即代表目标的姿态及结构,可直接支撑后续的目标识别、分析研判等任务。仿真实验证明该方法能够根据ISAR序列图像,有效实现对空间目标的三维表示。
雷达干扰技术
作为一种由众多亚波长单元周期性或非周期性排列构成的二维人工结构,超表面展示了其在电磁波极化调控领域的卓越能力,开辟了电磁波调控的新途径。电控可重构极化调控超表面,可通过电信号实时调整其结构或材料特性进而动态地调控电磁波的极化状态,因而受到广泛研究关注。该文全面综述了电控可重构极化调控超表面的发展历程,详细探讨了微波段具备不同传输特性的电控可重构极化调控超表面的技术进展,并对电控可重构极化调控超表面技术的未来发展进行了深入的探讨和展望。 作为一种由众多亚波长单元周期性或非周期性排列构成的二维人工结构,超表面展示了其在电磁波极化调控领域的卓越能力,开辟了电磁波调控的新途径。电控可重构极化调控超表面,可通过电信号实时调整其结构或材料特性进而动态地调控电磁波的极化状态,因而受到广泛研究关注。该文全面综述了电控可重构极化调控超表面的发展历程,详细探讨了微波段具备不同传输特性的电控可重构极化调控超表面的技术进展,并对电控可重构极化调控超表面技术的未来发展进行了深入的探讨和展望。
合成孔径雷达自动目标识别(SAR-ATR)领域缺乏有效的黑盒攻击算法,为此,该文结合动量迭代快速梯度符号(MI-FGSM)思想提出了一种基于迁移的黑盒攻击算法。首先结合SAR图像特性进行随机斑点噪声变换,缓解模型对斑点噪声的过拟合,提高算法的泛化性能;然后设计了能够快速寻找最优梯度下降方向的ABN寻优器,通过模型梯度快速收敛提升算法攻击有效性;最后引入拟双曲动量算子获得稳定的模型梯度下降方向,使梯度在快速收敛过程中避免陷入局部最优,进一步增强对抗样本的黑盒攻击成功率。通过仿真实验表明,与现有的对抗攻击算法相比,该文算法在MSTAR和FUSAR-Ship数据集上对主流的SAR-ATR深度神经网络的集成模型黑盒攻击成功率分别提高了3%~55%和6.0%~57.5%,而且生成的对抗样本具有高度的隐蔽性。 合成孔径雷达自动目标识别(SAR-ATR)领域缺乏有效的黑盒攻击算法,为此,该文结合动量迭代快速梯度符号(MI-FGSM)思想提出了一种基于迁移的黑盒攻击算法。首先结合SAR图像特性进行随机斑点噪声变换,缓解模型对斑点噪声的过拟合,提高算法的泛化性能;然后设计了能够快速寻找最优梯度下降方向的ABN寻优器,通过模型梯度快速收敛提升算法攻击有效性;最后引入拟双曲动量算子获得稳定的模型梯度下降方向,使梯度在快速收敛过程中避免陷入局部最优,进一步增强对抗样本的黑盒攻击成功率。通过仿真实验表明,与现有的对抗攻击算法相比,该文算法在MSTAR和FUSAR-Ship数据集上对主流的SAR-ATR深度神经网络的集成模型黑盒攻击成功率分别提高了3%~55%和6.0%~57.5%,而且生成的对抗样本具有高度的隐蔽性。

微信 | 公众平台

随时查询稿件 获取最新论文 知晓行业信息

  • EI
  • Scopus
  • DOAJ
  • JST
  • CSCD
  • CSTPCD
  • CNKI
  • 中文核心期刊