优先发表
More
在开展认知雷达波形设计时,由于发射波形与接收滤波器的非匹配体制,互模糊函数赋形相比传统模糊函数赋形优化自由度更高。该文针对强杂波条件下微弱运动目标检测问题,以最大化信干噪比为优化准则,提出了一种联合发射相位编码序列与接收滤波器设计的互模糊函数赋形方法。在恒模约束下,优化问题被建模为二次分式规划形式;然后通过引入辅助变量,并利用共轭梯度法求解Stiefel流形空间上的最小化问题,非凸优化据此转化为恒模约束二次优化问题;通过交替循环和类幂迭代算法求得最优解。此外考虑到发射波形受硬件限制而难以实现严格恒模,该文构建了一种低峰均比约束二次优化问题模型,并利用最近邻向量法求得最优解。最后,不同参数下的仿真与实测数据实验表明,该文赋形方法相较于传统方法具有较高的信干噪比增益和收敛速度。 在开展认知雷达波形设计时,由于发射波形与接收滤波器的非匹配体制,互模糊函数赋形相比传统模糊函数赋形优化自由度更高。该文针对强杂波条件下微弱运动目标检测问题,以最大化信干噪比为优化准则,提出了一种联合发射相位编码序列与接收滤波器设计的互模糊函数赋形方法。在恒模约束下,优化问题被建模为二次分式规划形式;然后通过引入辅助变量,并利用共轭梯度法求解Stiefel流形空间上的最小化问题,非凸优化据此转化为恒模约束二次优化问题;通过交替循环和类幂迭代算法求得最优解。此外考虑到发射波形受硬件限制而难以实现严格恒模,该文构建了一种低峰均比约束二次优化问题模型,并利用最近邻向量法求得最优解。最后,不同参数下的仿真与实测数据实验表明,该文赋形方法相较于传统方法具有较高的信干噪比增益和收敛速度。
卷积神经网络(CNN)在合成孔径雷达(SAR)图像目标分类任务中应用广泛。由于网络工作机理不透明,CNN模型难以满足高可靠性实际应用的要求。类激活映射方法常用于可视化CNN模型的决策区域,但现有方法主要基于通道级或空间级类激活权重,且在SAR图像数据集上的应用仍处于起步阶段。基于此,该文从神经元特征提取能力和网络决策依据两个层面出发,提出了一种面向SAR图像的CNN模型可视化方法。首先,基于神经元的激活值,对神经元在其感受野范围内的目标结构学习能力进行可视化,然后提出一种通道-空间混合的类激活映射方法,通过对SAR图像中的重要区域进行定位,为模型的决策过程提供依据。实验结果表明,该方法给出了模型在不同设置下的可解释性分析,有效拓展了卷积神经网络在SAR图像上的可视化应用。 卷积神经网络(CNN)在合成孔径雷达(SAR)图像目标分类任务中应用广泛。由于网络工作机理不透明,CNN模型难以满足高可靠性实际应用的要求。类激活映射方法常用于可视化CNN模型的决策区域,但现有方法主要基于通道级或空间级类激活权重,且在SAR图像数据集上的应用仍处于起步阶段。基于此,该文从神经元特征提取能力和网络决策依据两个层面出发,提出了一种面向SAR图像的CNN模型可视化方法。首先,基于神经元的激活值,对神经元在其感受野范围内的目标结构学习能力进行可视化,然后提出一种通道-空间混合的类激活映射方法,通过对SAR图像中的重要区域进行定位,为模型的决策过程提供依据。实验结果表明,该方法给出了模型在不同设置下的可解释性分析,有效拓展了卷积神经网络在SAR图像上的可视化应用。
多径利用雷达(MER)目标探测技术主要基于电磁波在介质表面的反射、衍射等非直视(NLOS)多路径传播特性,实现对城市街角、车辆遮挡等“视觉”盲区内隐蔽目标的有效探测,其能够为城市作战、智能驾驶等多种应用提供服务,具有重要的现实意义和研究价值。为获知该领域的发展脉络,并预测未来可能的发展趋势,该文对21世纪初以来该领域国内外公开文献进行了归纳总结。相关文献的梳理结果表明,根据探测平台类型的不同,多径利用雷达目标探测技术目前主要包括两类:基于空中平台的多径探测技术和基于地面平台的多径探测技术。这两类技术均已取得一定具有实际意义的研究成果。针对空中平台,该文围绕可行性验证、影响因素分析、建筑环境感知和非视距目标探测4个方面展开梳理;针对地面平台,该文则从目标检测与识别、目标二维定位、目标三维信息获取及新型探测方法4个方面展开论述。最后,对多径利用雷达目标探测技术进行总结和展望,指出该技术在目前实际应用中所面临的潜在问题和挑战。这些结果表明,多径利用雷达目标探测技术正朝着多样化、智能化的方向发展。 多径利用雷达(MER)目标探测技术主要基于电磁波在介质表面的反射、衍射等非直视(NLOS)多路径传播特性,实现对城市街角、车辆遮挡等“视觉”盲区内隐蔽目标的有效探测,其能够为城市作战、智能驾驶等多种应用提供服务,具有重要的现实意义和研究价值。为获知该领域的发展脉络,并预测未来可能的发展趋势,该文对21世纪初以来该领域国内外公开文献进行了归纳总结。相关文献的梳理结果表明,根据探测平台类型的不同,多径利用雷达目标探测技术目前主要包括两类:基于空中平台的多径探测技术和基于地面平台的多径探测技术。这两类技术均已取得一定具有实际意义的研究成果。针对空中平台,该文围绕可行性验证、影响因素分析、建筑环境感知和非视距目标探测4个方面展开梳理;针对地面平台,该文则从目标检测与识别、目标二维定位、目标三维信息获取及新型探测方法4个方面展开论述。最后,对多径利用雷达目标探测技术进行总结和展望,指出该技术在目前实际应用中所面临的潜在问题和挑战。这些结果表明,多径利用雷达目标探测技术正朝着多样化、智能化的方向发展。
全姿态散射中心模型是一种性能优良的光学区复杂目标电磁散射参数化模型。针对传统的基于候选点筛选和聚类的全姿态散射中心建模方法易出现虚假散射中心和遗漏真实散射中心的问题,该文提出了一种基于目标三维空间电磁散射强度场谱峰分析的建模方法。首先,基于目标多视一维散射中心参数,利用随机采样一致性(RANSAC)方法和Parzen窗函数方法估计目标在三维空间中的电磁散射强度场。然后,通过谱峰分析、散射中心关联和多视量测融合,得到全姿态三维散射中心的位置。最后,利用二值形态学处理修正全姿态散射中心的角度可见性,估计全姿态散射中心的散射系数和类型参数。仿真结果表明,该文方法所提取的全姿态散射中心与目标几何结构具有极强的关联性,相较传统方法,在缩减三维散射中心数量的同时提升了模型的表示精度。 全姿态散射中心模型是一种性能优良的光学区复杂目标电磁散射参数化模型。针对传统的基于候选点筛选和聚类的全姿态散射中心建模方法易出现虚假散射中心和遗漏真实散射中心的问题,该文提出了一种基于目标三维空间电磁散射强度场谱峰分析的建模方法。首先,基于目标多视一维散射中心参数,利用随机采样一致性(RANSAC)方法和Parzen窗函数方法估计目标在三维空间中的电磁散射强度场。然后,通过谱峰分析、散射中心关联和多视量测融合,得到全姿态三维散射中心的位置。最后,利用二值形态学处理修正全姿态散射中心的角度可见性,估计全姿态散射中心的散射系数和类型参数。仿真结果表明,该文方法所提取的全姿态散射中心与目标几何结构具有极强的关联性,相较传统方法,在缩减三维散射中心数量的同时提升了模型的表示精度。
雷达前视成像技术在精确制导打击、自主下降着陆、汽车自动驾驶等军民领域具有广阔的应用前景。由于多普勒相位历程的限制,机载平台的前视成像分辨率较低。解卷积方法可以进行前视成像,但当前视成像场景复杂时,现有的前视成像方法的成像质量会下降。针对复杂前视成像构型下的场景稀疏度度量和表征问题,该文提出一种基于概率模型驱动的机载贝叶斯前视超分辨多目标成像方法。首先通过将前视成像场景的数据维度由单帧空间扩展到多帧空间提升场景的稀疏度,然后基于广义高斯概率模型对成像场景的稀疏特性进行统计建模和稀疏度求解,最后基于贝叶斯框架完成稀疏前视成像。由于选取的稀疏度表征参数嵌入到前视成像的整个过程中,在每次迭代期间都会进行前视成像参数的更新,从而保证了前视成像算法的稳健性。通过计算机结果和实测数据处理,验证了该文方法的有效性。 雷达前视成像技术在精确制导打击、自主下降着陆、汽车自动驾驶等军民领域具有广阔的应用前景。由于多普勒相位历程的限制,机载平台的前视成像分辨率较低。解卷积方法可以进行前视成像,但当前视成像场景复杂时,现有的前视成像方法的成像质量会下降。针对复杂前视成像构型下的场景稀疏度度量和表征问题,该文提出一种基于概率模型驱动的机载贝叶斯前视超分辨多目标成像方法。首先通过将前视成像场景的数据维度由单帧空间扩展到多帧空间提升场景的稀疏度,然后基于广义高斯概率模型对成像场景的稀疏特性进行统计建模和稀疏度求解,最后基于贝叶斯框架完成稀疏前视成像。由于选取的稀疏度表征参数嵌入到前视成像的整个过程中,在每次迭代期间都会进行前视成像参数的更新,从而保证了前视成像算法的稳健性。通过计算机结果和实测数据处理,验证了该文方法的有效性。
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。
当期目录
More
综 述
自19世纪建立麦克斯韦方程以来,计算电磁学经历了百年的稳定发展,现已发展出有限差分法、有限元法、矩量法等数值算法和高频近似方法,是现代电子与信息领域的重要基石。近年来,人工智能技术经历了蓬勃发展,因其强大的建模和推理能力在电磁学界崭露头角,催生出智能电磁计算这一新兴研究方向,吸引了国内外众多科研工作者致力于该领域的研究,在电磁建模与仿真、电磁新材料和器件的分析与综合、探测与感知等领域涌现出很多优秀成果,为发展百余年的电磁学注入了新鲜血液。该文讨论了智能电磁计算的若干进展,为读者入门并了解该领域最新的研究成果提供有益帮助。 自19世纪建立麦克斯韦方程以来,计算电磁学经历了百年的稳定发展,现已发展出有限差分法、有限元法、矩量法等数值算法和高频近似方法,是现代电子与信息领域的重要基石。近年来,人工智能技术经历了蓬勃发展,因其强大的建模和推理能力在电磁学界崭露头角,催生出智能电磁计算这一新兴研究方向,吸引了国内外众多科研工作者致力于该领域的研究,在电磁建模与仿真、电磁新材料和器件的分析与综合、探测与感知等领域涌现出很多优秀成果,为发展百余年的电磁学注入了新鲜血液。该文讨论了智能电磁计算的若干进展,为读者入门并了解该领域最新的研究成果提供有益帮助。
该文首次全面系统地阐述开放式相控阵的具体概念内涵和系统架构,开放式相控阵具有资源虚拟化、应用软件化和硬件积木化特征,能够适应当前和未来不断变化的作战任务、工作环境、适装平台等需求,将成为下一代相控阵系统发展的主流,在探测、通信、电子战等方向具有广阔的应用前景。该文详细阐述了开放式相控阵的发展需求、发展历程及其具体概念内涵,系统描述了开放式相控阵系统层次化架构,从硬件层、资源层、应用层等方面对开放式相控阵设计理念、设计方法进行了全面介绍,重点介绍了开放式相控阵的核心特征,资源虚拟化和处理流程重构,提出支撑开放式相控阵实现的核心技术,探索引领新一代射频系统形态发展。 该文首次全面系统地阐述开放式相控阵的具体概念内涵和系统架构,开放式相控阵具有资源虚拟化、应用软件化和硬件积木化特征,能够适应当前和未来不断变化的作战任务、工作环境、适装平台等需求,将成为下一代相控阵系统发展的主流,在探测、通信、电子战等方向具有广阔的应用前景。该文详细阐述了开放式相控阵的发展需求、发展历程及其具体概念内涵,系统描述了开放式相控阵系统层次化架构,从硬件层、资源层、应用层等方面对开放式相控阵设计理念、设计方法进行了全面介绍,重点介绍了开放式相控阵的核心特征,资源虚拟化和处理流程重构,提出支撑开放式相控阵实现的核心技术,探索引领新一代射频系统形态发展。
基于深度神经网络的雷达像智能识别技术已经成为雷达信息处理领域的前沿和热点。然而,深度神经网络模型易受到对抗攻击的威胁。攻击者可以在隐蔽的条件下误导智能目标识别模型做出错误预测,严重影响其识别精度和鲁棒性。该文梳理了近年来雷达像智能识别对抗技术发展现状,总结分析了现有雷达一维/二维像识别对抗攻击方法和防御方法的特点,最后讨论了当前雷达像智能识别对抗研究领域值得关注的5个开放问题。 基于深度神经网络的雷达像智能识别技术已经成为雷达信息处理领域的前沿和热点。然而,深度神经网络模型易受到对抗攻击的威胁。攻击者可以在隐蔽的条件下误导智能目标识别模型做出错误预测,严重影响其识别精度和鲁棒性。该文梳理了近年来雷达像智能识别对抗技术发展现状,总结分析了现有雷达一维/二维像识别对抗攻击方法和防御方法的特点,最后讨论了当前雷达像智能识别对抗研究领域值得关注的5个开放问题。
辐射源个体识别技术,起源于雷达目标精确辨识任务,旨在根据截获的电磁信号提取辐射源独有的指纹特征,并进一步辨识辐射源个体身份的技术。相空间重构技术,作为一种有效的时间序列分析技术,可以从一维时间序列中重构一个与原系统非线性动力学特性相同的相空间。相空间重构技术自2007年开始被诸多学者引入辐射源个体识别问题中。然而,该项技术研究时间较短且分布较为分散,尚未形成清楚的发展脉络。对此,该文旨在系统性地总结归纳基于相空间重构的辐射源个体识别技术。首先,在介绍相空间重构技术的基础上,论述了相空间重构技术应用于辐射源个体识别的理论依据。其次,从方法框架、算法分类、算法应用效果、算法初步对比4个维度,介绍了基于相空间重构技术的辐射源个体识别技术的研究现状。仿真实验结果表明,该项技术能够有效地捕捉辐射源硬件的非理想性,胜任目标精确辨识任务,并可通过特征融合等手段提升算法鲁棒性。最后,总结现有方法的不足并展望其未来发展前景。 辐射源个体识别技术,起源于雷达目标精确辨识任务,旨在根据截获的电磁信号提取辐射源独有的指纹特征,并进一步辨识辐射源个体身份的技术。相空间重构技术,作为一种有效的时间序列分析技术,可以从一维时间序列中重构一个与原系统非线性动力学特性相同的相空间。相空间重构技术自2007年开始被诸多学者引入辐射源个体识别问题中。然而,该项技术研究时间较短且分布较为分散,尚未形成清楚的发展脉络。对此,该文旨在系统性地总结归纳基于相空间重构的辐射源个体识别技术。首先,在介绍相空间重构技术的基础上,论述了相空间重构技术应用于辐射源个体识别的理论依据。其次,从方法框架、算法分类、算法应用效果、算法初步对比4个维度,介绍了基于相空间重构技术的辐射源个体识别技术的研究现状。仿真实验结果表明,该项技术能够有效地捕捉辐射源硬件的非理想性,胜任目标精确辨识任务,并可通过特征融合等手段提升算法鲁棒性。最后,总结现有方法的不足并展望其未来发展前景。
雷达导引头是精确制导武器末制导的核心设备,具有作用距离远、不受天气影响等重要优点,在保证导弹打击精度方面发挥着重要作用。海面角反射体具有与舰船目标散射逼真度高、作战效费比高等优良特性,已成为雷达导引头的主要诱骗干扰手段之一,严重影响雷达目标探测性能。因此,如何准确高效地实现海面角反射体雷达鉴别是雷达导引头精确打击的难点和重点之一。角反射体电磁散射特性研究是提升角反射体雷达鉴别能力的基础。该文首先介绍了海面角反射体装备及战术运用;针对海面角反射体的电磁散射特性研究进展进行了总结;重点归纳梳理了海面角反射体雷达鉴别技术的两类主流方法,总结其特点及存在的问题;最后对海面角反射体雷达鉴别研究的未来发展趋势进行了展望。 雷达导引头是精确制导武器末制导的核心设备,具有作用距离远、不受天气影响等重要优点,在保证导弹打击精度方面发挥着重要作用。海面角反射体具有与舰船目标散射逼真度高、作战效费比高等优良特性,已成为雷达导引头的主要诱骗干扰手段之一,严重影响雷达目标探测性能。因此,如何准确高效地实现海面角反射体雷达鉴别是雷达导引头精确打击的难点和重点之一。角反射体电磁散射特性研究是提升角反射体雷达鉴别能力的基础。该文首先介绍了海面角反射体装备及战术运用;针对海面角反射体的电磁散射特性研究进展进行了总结;重点归纳梳理了海面角反射体雷达鉴别技术的两类主流方法,总结其特点及存在的问题;最后对海面角反射体雷达鉴别研究的未来发展趋势进行了展望。
论 文
特征检测方法是解决海杂波中小目标检测问题的重要途径,其根据特征值是否在判决区域内判断目标有无,几乎不考虑特征间的时序信息。事实上,历史帧数据与当前帧数据的时序关联性,可以为当前帧特征值的计算提供丰富的先验信息。为此,该文提出了一种使用自回归(AR)模型在特征域对雷达回波进行时序建模和预测的方法,以利用历史帧特征的先验信息。首先,使用AR模型对平均幅度(AA)、相对多普勒峰高(RDPH)、频谱峰均比(FPAR)特征序列进行建模和1步预测分析,验证了对特征序列进行AR建模和预测的可行性。其次,提出利用历史帧特征时序信息作为先验信息的特征值提取方法,在此基础上,提出一种基于三特征预测的小目标检测方法,该方法可有效利用AA, RDPH和FPAR的历史帧特征时序信息。最后,使用实测数据验证了所提方法的有效性。 特征检测方法是解决海杂波中小目标检测问题的重要途径,其根据特征值是否在判决区域内判断目标有无,几乎不考虑特征间的时序信息。事实上,历史帧数据与当前帧数据的时序关联性,可以为当前帧特征值的计算提供丰富的先验信息。为此,该文提出了一种使用自回归(AR)模型在特征域对雷达回波进行时序建模和预测的方法,以利用历史帧特征的先验信息。首先,使用AR模型对平均幅度(AA)、相对多普勒峰高(RDPH)、频谱峰均比(FPAR)特征序列进行建模和1步预测分析,验证了对特征序列进行AR建模和预测的可行性。其次,提出利用历史帧特征时序信息作为先验信息的特征值提取方法,在此基础上,提出一种基于三特征预测的小目标检测方法,该方法可有效利用AA, RDPH和FPAR的历史帧特征时序信息。最后,使用实测数据验证了所提方法的有效性。
基于信息几何理论的雷达目标检测是一种新兴的技术,它将目标检测问题转化为流形上目标与杂波的区分问题,在低信杂比检测中具有优势。对于复杂背景下的弱小目标检测,目标与杂波难以区分,限制着检测性能。因此,该文基于矩阵信息几何检测器,提出一种基于正交投影的子带信息几何目标检测方法。该文利用滤波器组对雷达回波信号进行子带分解,并在矩阵流形上稳健估计子带内强杂波信号子空间,提出基于流形的正交投影方法以抑制强杂波,增强目标与杂波的区分性。最后,采用仿真数据和实测海杂波数据验证所提方法的有效性。结果表明,所提方法能够有效抑制强杂波,具有较好的检测性能。 基于信息几何理论的雷达目标检测是一种新兴的技术,它将目标检测问题转化为流形上目标与杂波的区分问题,在低信杂比检测中具有优势。对于复杂背景下的弱小目标检测,目标与杂波难以区分,限制着检测性能。因此,该文基于矩阵信息几何检测器,提出一种基于正交投影的子带信息几何目标检测方法。该文利用滤波器组对雷达回波信号进行子带分解,并在矩阵流形上稳健估计子带内强杂波信号子空间,提出基于流形的正交投影方法以抑制强杂波,增强目标与杂波的区分性。最后,采用仿真数据和实测海杂波数据验证所提方法的有效性。结果表明,所提方法能够有效抑制强杂波,具有较好的检测性能。
基于动力学与运动学原理的雷达回波建模是炮弹目标微多普勒特征分析与参数提取的理论基础。该文首先对炮弹在直线弹道段受到的起始扰动进行分析,结合炮弹目标动力学方程,建立了以两圆运动模式为特征的炮弹角运动模型,阐明了炮弹目标自旋、章动和进动等角运动的含义;在此基础上,推导了炮弹角运动产生的微多普勒信号参数化表征,获得了炮弹目标角运动对目标回波在信号级的映射关系;然后,对高速自旋炮弹和低速自旋尾翼炮弹两种典型目标角运动受起始扰动影响的雷达回波信号进行仿真和时频分析,并基于炮弹目标实测数据对比验证了理论分析与模型的正确性。通过理论分析、建模仿真与实验验证,丰富和验证了炮弹目标的微多普勒效应理论,为炮弹目标运动特性辨识提供了理论和技术支撑。 基于动力学与运动学原理的雷达回波建模是炮弹目标微多普勒特征分析与参数提取的理论基础。该文首先对炮弹在直线弹道段受到的起始扰动进行分析,结合炮弹目标动力学方程,建立了以两圆运动模式为特征的炮弹角运动模型,阐明了炮弹目标自旋、章动和进动等角运动的含义;在此基础上,推导了炮弹角运动产生的微多普勒信号参数化表征,获得了炮弹目标角运动对目标回波在信号级的映射关系;然后,对高速自旋炮弹和低速自旋尾翼炮弹两种典型目标角运动受起始扰动影响的雷达回波信号进行仿真和时频分析,并基于炮弹目标实测数据对比验证了理论分析与模型的正确性。通过理论分析、建模仿真与实验验证,丰富和验证了炮弹目标的微多普勒效应理论,为炮弹目标运动特性辨识提供了理论和技术支撑。
与传统平面电磁波雷达相比,涡旋电磁波雷达能同时观测到目标投影到雷达径向和垂直于径向平面的微动分量,可为目标识别提供更多信息。当前关于涡旋电磁波雷达微多普勒效应的研究尚处于起步阶段,初步实现了对旋转目标的三维微动参数的提取,但均未考虑目标平动的影响。因此,该文研究了涡旋电磁波雷达中平动旋转目标的微多普勒效应,推导了平动旋转目标的角多普勒性质,提出了基于1/4微动周期多普勒频移曲线的三维微动参数提取方法,获得了目标旋转频率、旋转半径、旋转矢量和平动速度矢量等参数。仿真验证了角多普勒性质的正确性和参数提取方法的有效性。 与传统平面电磁波雷达相比,涡旋电磁波雷达能同时观测到目标投影到雷达径向和垂直于径向平面的微动分量,可为目标识别提供更多信息。当前关于涡旋电磁波雷达微多普勒效应的研究尚处于起步阶段,初步实现了对旋转目标的三维微动参数的提取,但均未考虑目标平动的影响。因此,该文研究了涡旋电磁波雷达中平动旋转目标的微多普勒效应,推导了平动旋转目标的角多普勒性质,提出了基于1/4微动周期多普勒频移曲线的三维微动参数提取方法,获得了目标旋转频率、旋转半径、旋转矢量和平动速度矢量等参数。仿真验证了角多普勒性质的正确性和参数提取方法的有效性。
水下声信号传播到水面时,由于水和空气的声阻抗差,会激发水表面横向微幅波,其振动信号包含了声源的相关信息。雷达通过目标回波间的相位差来检测目标的微小位移,因此可以利用雷达检测水面微小位移变化获取水面振动信号,进而反演水下声源信息。该文首先分析了水下声传播的衰减特性及水面振动的物理模型,然后基于雷达回波模型对声致水面振动检测进行理论分析,提出了小波-卡尔曼滤波信号检测方法,最后在大型综合消声水池和黄海水域开展了基于太赫兹雷达的声致水面微动信号检测实验。实验结果表明所用太赫兹雷达能够检测声致水面的细微振动,所提算法能有效滤除水面干扰和雷达相位噪声并提取振动信号。实验首次在二级海况下检测到了亚微米级的振动信号,为水-空跨介质信息传输与水下航行器探测提供了依据。 水下声信号传播到水面时,由于水和空气的声阻抗差,会激发水表面横向微幅波,其振动信号包含了声源的相关信息。雷达通过目标回波间的相位差来检测目标的微小位移,因此可以利用雷达检测水面微小位移变化获取水面振动信号,进而反演水下声源信息。该文首先分析了水下声传播的衰减特性及水面振动的物理模型,然后基于雷达回波模型对声致水面振动检测进行理论分析,提出了小波-卡尔曼滤波信号检测方法,最后在大型综合消声水池和黄海水域开展了基于太赫兹雷达的声致水面微动信号检测实验。实验结果表明所用太赫兹雷达能够检测声致水面的细微振动,所提算法能有效滤除水面干扰和雷达相位噪声并提取振动信号。实验首次在二级海况下检测到了亚微米级的振动信号,为水-空跨介质信息传输与水下航行器探测提供了依据。
双站干涉合成孔径雷达(SAR)技术可突破单站双天线干涉SAR的基线限制,获得更加灵活的基线构型,有利于提升干涉测量精度。无人机载双站干涉SAR机动性好、飞行成本低,具有很高的应用价值,也能为无人机载分布式干涉、三维成像等提供关键支撑,具有重要的研究意义。中国科学院空天信息创新研究院牵头设计研制了国内首套无人机载双站干涉SAR系统,并在内蒙古百灵机场开展了飞行实验。该文简要介绍了该系统方案设计、基本构成和主要性能,并重点介绍了该系统的空间、时间及相位同步和数据处理关键技术,然后介绍了首次飞行实验的方案和实施研究情况,最后给出了实验数据处理结果,验证了关键技术和该无人机载双站干涉SAR系统0.5 m高程测量精度等主要指标,为后续多无人机平台协同开展分布式干涉数据获取及处理研究提供了基础。 双站干涉合成孔径雷达(SAR)技术可突破单站双天线干涉SAR的基线限制,获得更加灵活的基线构型,有利于提升干涉测量精度。无人机载双站干涉SAR机动性好、飞行成本低,具有很高的应用价值,也能为无人机载分布式干涉、三维成像等提供关键支撑,具有重要的研究意义。中国科学院空天信息创新研究院牵头设计研制了国内首套无人机载双站干涉SAR系统,并在内蒙古百灵机场开展了飞行实验。该文简要介绍了该系统方案设计、基本构成和主要性能,并重点介绍了该系统的空间、时间及相位同步和数据处理关键技术,然后介绍了首次飞行实验的方案和实施研究情况,最后给出了实验数据处理结果,验证了关键技术和该无人机载双站干涉SAR系统0.5 m高程测量精度等主要指标,为后续多无人机平台协同开展分布式干涉数据获取及处理研究提供了基础。
稀疏孔径逆合成孔径雷达(ISAR)成像的目标是从不完整的回波中恢复和重建高质量ISAR图像,现有方法主要可以分为基于模型的方法和基于深度学习的方法两大类:一方面,基于模型的稀疏孔径ISAR成像方法往往具备显性的数学模型,对雷达回波的成像过程有清晰的物理建模,但算法有效性上不如基于学习的方法。另一方面,基于深度学习的方法通常高度依赖训练数据,难以适配空间目标ISAR成像任务中高实时、高动态的现实应用需求。针对上述问题,该文提出了一种基于元学习的高效、自适应稀疏孔径ISAR成像算法。所提方法主要包含基于学习辅助的交替迭代优化和元学习优化两部分。基于学习辅助的交替迭代优化继承了ISAR成像机理的回波成像模型,保证了方法数学物理可解释性的同时避免了方法对数据的依赖性;基于元学习的优化策略通过引入非贪婪优化策略,提高了算法跳出局部最优解的能力,保证了病态非凸条件下的算法收敛性能。最后,实验结果表明:该文方法可以在不依赖训练数据、不进行预训练的情况下实现高效、自适应的稀疏孔径ISAR成像,并取得优于其他常规ISAR成像算法的性能。 稀疏孔径逆合成孔径雷达(ISAR)成像的目标是从不完整的回波中恢复和重建高质量ISAR图像,现有方法主要可以分为基于模型的方法和基于深度学习的方法两大类:一方面,基于模型的稀疏孔径ISAR成像方法往往具备显性的数学模型,对雷达回波的成像过程有清晰的物理建模,但算法有效性上不如基于学习的方法。另一方面,基于深度学习的方法通常高度依赖训练数据,难以适配空间目标ISAR成像任务中高实时、高动态的现实应用需求。针对上述问题,该文提出了一种基于元学习的高效、自适应稀疏孔径ISAR成像算法。所提方法主要包含基于学习辅助的交替迭代优化和元学习优化两部分。基于学习辅助的交替迭代优化继承了ISAR成像机理的回波成像模型,保证了方法数学物理可解释性的同时避免了方法对数据的依赖性;基于元学习的优化策略通过引入非贪婪优化策略,提高了算法跳出局部最优解的能力,保证了病态非凸条件下的算法收敛性能。最后,实验结果表明:该文方法可以在不依赖训练数据、不进行预训练的情况下实现高效、自适应的稀疏孔径ISAR成像,并取得优于其他常规ISAR成像算法的性能。
以机器学习为主的雷达目标识别模型性能由模型与数据共同决定。当前雷达目标识别评估依赖于准确性评估指标,缺乏数据质量对识别性能影响的评估指标。数据可分性描述了属于不同类别样本的混合程度。数据可分性指标独立于模型识别过程,将其引入识别评估过程,可以量化数据识别难度,预先为识别结果提供评判基准。因此该文基于率失真理论提出一种数据可分性度量,通过仿真数据验证所提度量能够衡量多维高斯分布数据的可分性优劣。进一步结合高斯混合模型,设计的度量方法能够突破率失真函数的局限性,捕捉数据局部特性,提高对数据整体可分性的评估精度。接着将所提度量应用于实测数据识别难度评估中,验证了其与平均识别率的强相关性。而在卷积神经网络模块效能评估实验中,首先在测试阶段量化分析了各卷积模块提取特征的可分性变化趋势,进一步在训练阶段将所提度量作为特征可分性损失参与网络优化过程,引导网络提取更可分的特征,该文从特征可分性角度为神经网络识别性能的评估与提升提供新思路。 以机器学习为主的雷达目标识别模型性能由模型与数据共同决定。当前雷达目标识别评估依赖于准确性评估指标,缺乏数据质量对识别性能影响的评估指标。数据可分性描述了属于不同类别样本的混合程度。数据可分性指标独立于模型识别过程,将其引入识别评估过程,可以量化数据识别难度,预先为识别结果提供评判基准。因此该文基于率失真理论提出一种数据可分性度量,通过仿真数据验证所提度量能够衡量多维高斯分布数据的可分性优劣。进一步结合高斯混合模型,设计的度量方法能够突破率失真函数的局限性,捕捉数据局部特性,提高对数据整体可分性的评估精度。接着将所提度量应用于实测数据识别难度评估中,验证了其与平均识别率的强相关性。而在卷积神经网络模块效能评估实验中,首先在测试阶段量化分析了各卷积模块提取特征的可分性变化趋势,进一步在训练阶段将所提度量作为特征可分性损失参与网络优化过程,引导网络提取更可分的特征,该文从特征可分性角度为神经网络识别性能的评估与提升提供新思路。
干扰识别是雷达抗干扰的前提,但对于实际的雷达欺骗干扰识别,存在着样本数量不足的问题。针对此问题,该文提出一种面向小样本的多模态雷达有源欺骗干扰识别方法。该方法基于雷达信号提取的特征参数及时频图像两种模态信息,利用原型网络训练多模态特征,并借助图像降噪处理和加权欧氏距离提高低信噪比下的识别性能,实现小样本条件下的雷达欺骗干扰识别。仿真结果表明,该文所提方法在干信比为3 dB时,10种雷达欺骗干扰的平均识别准确率达到了97%以上。模拟器数据的测试结果表明所提方法具备良好的泛化能力。 干扰识别是雷达抗干扰的前提,但对于实际的雷达欺骗干扰识别,存在着样本数量不足的问题。针对此问题,该文提出一种面向小样本的多模态雷达有源欺骗干扰识别方法。该方法基于雷达信号提取的特征参数及时频图像两种模态信息,利用原型网络训练多模态特征,并借助图像降噪处理和加权欧氏距离提高低信噪比下的识别性能,实现小样本条件下的雷达欺骗干扰识别。仿真结果表明,该文所提方法在干信比为3 dB时,10种雷达欺骗干扰的平均识别准确率达到了97%以上。模拟器数据的测试结果表明所提方法具备良好的泛化能力。
步态识别作为一种生物识别技术,在实际生活中通常被认为是一项检索任务。然而,受限于现有雷达步态识别数据集的规模,目前的研究主要针对分类任务且局限于单一行走视角和相同穿着条件,这限制了基于雷达的步态识别在实际场景中的应用。该文公开了一个多视角多穿着条件下的雷达步态识别数据集,该数据集使用毫米波雷达采集了121位受试者在多种穿着条件下沿不同视角行走的时频谱图数据,每位受试者共采集8个视角,每个视角采集10组,其中6组为正常穿着,2组为穿大衣,2组为挎包。同时,该文提出一种基于检索任务的雷达步态识别方法,并在公布数据集上进行了实验,实验结果可以作为基准性能指标,方便更多学者在此数据集上开展进一步研究。 步态识别作为一种生物识别技术,在实际生活中通常被认为是一项检索任务。然而,受限于现有雷达步态识别数据集的规模,目前的研究主要针对分类任务且局限于单一行走视角和相同穿着条件,这限制了基于雷达的步态识别在实际场景中的应用。该文公开了一个多视角多穿着条件下的雷达步态识别数据集,该数据集使用毫米波雷达采集了121位受试者在多种穿着条件下沿不同视角行走的时频谱图数据,每位受试者共采集8个视角,每个视角采集10组,其中6组为正常穿着,2组为穿大衣,2组为挎包。同时,该文提出一种基于检索任务的雷达步态识别方法,并在公布数据集上进行了实验,实验结果可以作为基准性能指标,方便更多学者在此数据集上开展进一步研究。
针对合成孔径雷达(SAR)图像中飞机散射点离散以及背景强干扰造成虚警的问题,该文提出了一种结合散射感知的SAR飞机检测识别方法。一方面,通过上下文引导的特征金字塔模块来增强全局信息,减弱复杂场景中强干扰的影响,提高检测识别的准确率。另一方面,利用散射关键点对目标进行定位,设计散射感知检测模块实现对回归框的细化校正,增强目标的定位精度。为了验证方法有效性、同时促进SAR飞机检测识别领域的研究发展,该文制作并公开了一个高分辨率SAR-AIRcraft-1.0数据集。该数据集图像来自高分三号卫星,包含4,368张图片和16,463个飞机目标实例,涵盖A220, A320/321, A330, ARJ21, Boeing737, Boeing787和other共7个类别。该文将提出的方法和常见深度学习算法在构建的数据集上进行实验,实验结果证明了散射感知方法的优异性能,并且形成了该数据集在SAR飞机检测、细粒度识别、检测识别一体化等不同任务中性能指标的基准。 针对合成孔径雷达(SAR)图像中飞机散射点离散以及背景强干扰造成虚警的问题,该文提出了一种结合散射感知的SAR飞机检测识别方法。一方面,通过上下文引导的特征金字塔模块来增强全局信息,减弱复杂场景中强干扰的影响,提高检测识别的准确率。另一方面,利用散射关键点对目标进行定位,设计散射感知检测模块实现对回归框的细化校正,增强目标的定位精度。为了验证方法有效性、同时促进SAR飞机检测识别领域的研究发展,该文制作并公开了一个高分辨率SAR-AIRcraft-1.0数据集。该数据集图像来自高分三号卫星,包含4,368张图片和16,463个飞机目标实例,涵盖A220, A320/321, A330, ARJ21, Boeing737, Boeing787和other共7个类别。该文将提出的方法和常见深度学习算法在构建的数据集上进行实验,实验结果证明了散射感知方法的优异性能,并且形成了该数据集在SAR飞机检测、细粒度识别、检测识别一体化等不同任务中性能指标的基准。

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