优先发表

优先发表栏目的论文已经同行评议并正式录用,目前处于编校和网络出版状态,其卷期、页码尚未确定,但可以根据DOI引用。本栏目内容尚未正式出版,未经许可,不得转载。
该文基于不同雷达参数和海洋环境参数条件下的岸基雷达海杂波实测数据,利用深度神经网络(DNN)建模技术,建立了从多个测量条件参数出发的海杂波多普勒谱参数预测模型,实现了独立于杂波数据、基于环境特征的海杂波谱特征认知,谱频移和展宽的预测精度达90%以上。基于该预测模型,该文提出了一种基于参数循环递减认知的多普勒谱影响因素分析方法,分析了不同测量参数对海杂波多普勒谱预测的影响,得到了谱参数随主要影响因素的变化规律,结果对基于多普勒特征的海面目标检测应用具有重要意义。 该文基于不同雷达参数和海洋环境参数条件下的岸基雷达海杂波实测数据,利用深度神经网络(DNN)建模技术,建立了从多个测量条件参数出发的海杂波多普勒谱参数预测模型,实现了独立于杂波数据、基于环境特征的海杂波谱特征认知,谱频移和展宽的预测精度达90%以上。基于该预测模型,该文提出了一种基于参数循环递减认知的多普勒谱影响因素分析方法,分析了不同测量参数对海杂波多普勒谱预测的影响,得到了谱参数随主要影响因素的变化规律,结果对基于多普勒特征的海面目标检测应用具有重要意义。
合成孔径雷达(SAR)能够全天时全天候获取感兴趣区域的高分辨率雷达图像,在诸多领域获得了成功应用。在电子对抗博弈环境下,SAR图像解译与情报生成也面临复杂电磁干扰的严重影响。当前,国内外学者提出了许多SAR抗干扰技术方法。然而,作为抗干扰的前提,SAR图像干扰类型识别这一关键技术却鲜有报道。该文针对SAR图像典型有源干扰类型识别开展研究。首先,选取5种典型有源干扰样式,并根据干扰参数,细分为9种干扰类型,作为干扰识别对象。其次,开展干扰信号回波仿真,通过与MiniSAR实测数据进行回波域叠加和成像处理,构建了典型有源干扰类型样本集。在此基础上,提出了一种结合注意力机制的深度卷积神经网络(CNN)模型,并开展了对比实验验证。实验表明,对不同场景和不同干扰参数情形,相比于传统深度CNN模型,该文方法取得了更高的识别精度和更稳健的性能。 合成孔径雷达(SAR)能够全天时全天候获取感兴趣区域的高分辨率雷达图像,在诸多领域获得了成功应用。在电子对抗博弈环境下,SAR图像解译与情报生成也面临复杂电磁干扰的严重影响。当前,国内外学者提出了许多SAR抗干扰技术方法。然而,作为抗干扰的前提,SAR图像干扰类型识别这一关键技术却鲜有报道。该文针对SAR图像典型有源干扰类型识别开展研究。首先,选取5种典型有源干扰样式,并根据干扰参数,细分为9种干扰类型,作为干扰识别对象。其次,开展干扰信号回波仿真,通过与MiniSAR实测数据进行回波域叠加和成像处理,构建了典型有源干扰类型样本集。在此基础上,提出了一种结合注意力机制的深度卷积神经网络(CNN)模型,并开展了对比实验验证。实验表明,对不同场景和不同干扰参数情形,相比于传统深度CNN模型,该文方法取得了更高的识别精度和更稳健的性能。
微动杂波往往具有较大的多普勒展宽,会抬高噪底、湮没弱目标,造成虚警和漏检。有效去除微动杂波对提高雷达性能具有重要意义。该文利用匀速目标回波和微动杂波在短时傅里叶变换(STFT)谱图中的形态差异,提出了一种基于STFT谱图滑窗相消的微动杂波去除方法。具体地,匀速运动目标回波在STFT谱图中表现为特定频率单元上平行于时间轴的直线型能量条带,而微动杂波具有时变非平稳特性,在STFT谱图中呈现出横跨多个频率单元的时变复杂形态。将原始STFT谱图沿时间维滑窗得到新的STFT谱图,则目标回波分布在这两种谱图中的相同位置,而微动杂波在这两种谱图中的位置存在明显差异。因此将上述两种谱图相减,根据相减前后谱图中各单元的强度变化情况,即可将目标回波和微动杂波分离,达到去除微动杂波的效果。仿真和实测结果均验证了所提方法的有效性。与常见基于时频变换的L-statistics算法相比,所提方法能够在去除微动杂波的同时,较好地保留了目标回波。 微动杂波往往具有较大的多普勒展宽,会抬高噪底、湮没弱目标,造成虚警和漏检。有效去除微动杂波对提高雷达性能具有重要意义。该文利用匀速目标回波和微动杂波在短时傅里叶变换(STFT)谱图中的形态差异,提出了一种基于STFT谱图滑窗相消的微动杂波去除方法。具体地,匀速运动目标回波在STFT谱图中表现为特定频率单元上平行于时间轴的直线型能量条带,而微动杂波具有时变非平稳特性,在STFT谱图中呈现出横跨多个频率单元的时变复杂形态。将原始STFT谱图沿时间维滑窗得到新的STFT谱图,则目标回波分布在这两种谱图中的相同位置,而微动杂波在这两种谱图中的位置存在明显差异。因此将上述两种谱图相减,根据相减前后谱图中各单元的强度变化情况,即可将目标回波和微动杂波分离,达到去除微动杂波的效果。仿真和实测结果均验证了所提方法的有效性。与常见基于时频变换的L-statistics算法相比,所提方法能够在去除微动杂波的同时,较好地保留了目标回波。
该文建立混合分布式相控阵-多输入多输出(PA-MIMO)雷达系统模型,推导出基于Neyman-Pearson(NP)准则的似然比检测(LRT)器,在收发两端实施子阵级和阵元级优化部署,达到对雷达系统中相参增益和空间分集增益协调优化的目的。针对整数规划的子阵、阵元部署模型,提出基于量子粒子群优化的随机取整(SR-QPSO)求解算法,在较少的迭代步骤内获得最优阵元配置策略,实现子阵级和阵元级之间的联合优化。最后,通过对3个典型优化问题进行数值仿真,所提出的混合分布式PA-MIMO雷达系统优化配置较其他典型雷达系统有较大提升,探测概率达到0.98,有效距离达到1166.3 km,探测性能得到显著提升。 该文建立混合分布式相控阵-多输入多输出(PA-MIMO)雷达系统模型,推导出基于Neyman-Pearson(NP)准则的似然比检测(LRT)器,在收发两端实施子阵级和阵元级优化部署,达到对雷达系统中相参增益和空间分集增益协调优化的目的。针对整数规划的子阵、阵元部署模型,提出基于量子粒子群优化的随机取整(SR-QPSO)求解算法,在较少的迭代步骤内获得最优阵元配置策略,实现子阵级和阵元级之间的联合优化。最后,通过对3个典型优化问题进行数值仿真,所提出的混合分布式PA-MIMO雷达系统优化配置较其他典型雷达系统有较大提升,探测概率达到0.98,有效距离达到1166.3 km,探测性能得到显著提升。
多旋翼无人机体积小、重量轻、成本低,但由于飞行航迹极不稳定,成像信号处理难度很大。基于惯导数据实时调整脉冲重复频率(PRF)可预先补偿航向位移误差,但是,其残余误差在高波段合成孔径雷达(SAR)斜视成像时不能忽略。为此,利用位移实测值与理想值间的差异提取残余航向位移误差,修正了斜视成像几何下的视线运动误差,改进了传统的1阶、2阶视线误差补偿因子,并基于成对回波理论分析了旋翼无人机正弦位移误差的幅度和频率容限。仿真和实测数据验证了所提方法在大斜视成像时可减小视线运动误差约一个数量级,显著提高多旋翼无人机载SAR成像的性能。 多旋翼无人机体积小、重量轻、成本低,但由于飞行航迹极不稳定,成像信号处理难度很大。基于惯导数据实时调整脉冲重复频率(PRF)可预先补偿航向位移误差,但是,其残余误差在高波段合成孔径雷达(SAR)斜视成像时不能忽略。为此,利用位移实测值与理想值间的差异提取残余航向位移误差,修正了斜视成像几何下的视线运动误差,改进了传统的1阶、2阶视线误差补偿因子,并基于成对回波理论分析了旋翼无人机正弦位移误差的幅度和频率容限。仿真和实测数据验证了所提方法在大斜视成像时可减小视线运动误差约一个数量级,显著提高多旋翼无人机载SAR成像的性能。
复杂结构设施的SAR三维成像是SAR成像领域的热点和难点问题。现有SAR三维成像依赖于高程方向的多通道或多次飞行,对雷达系统或数据获取的要求较高。该文提出无先验模型复杂结构设施三维成像方法,仅需一次飞行即可获得先验信息未知区域全场景全方位三维图像。该方法充分利用圆迹SAR的全方位观测、解叠掩和解高程模糊优势,无需目标预先建模和三维成像网格构建,适用于大面积区域复杂结构设施的精细三维成像,在雷达三维成像实用化技术方面取得了重要进展。通过该方法首次获得FAST射电望远镜的雷达全方位三维图像,验证了理论与方法的正确性与有效性。 复杂结构设施的SAR三维成像是SAR成像领域的热点和难点问题。现有SAR三维成像依赖于高程方向的多通道或多次飞行,对雷达系统或数据获取的要求较高。该文提出无先验模型复杂结构设施三维成像方法,仅需一次飞行即可获得先验信息未知区域全场景全方位三维图像。该方法充分利用圆迹SAR的全方位观测、解叠掩和解高程模糊优势,无需目标预先建模和三维成像网格构建,适用于大面积区域复杂结构设施的精细三维成像,在雷达三维成像实用化技术方面取得了重要进展。通过该方法首次获得FAST射电望远镜的雷达全方位三维图像,验证了理论与方法的正确性与有效性。
现代战争日趋信息化和智能化,雷达自动目标识别技术(RATR)在国家安全防卫和战略预警等军事应用方面发挥着更加重要的作用。高分辨距离像(HRRP)反映了目标散射点沿雷达视线方向的分布情况,包含了目标丰富的结构信息,对目标识别十分有价值,已成为RATR领域的研究热点。参数化统计建模旨在构建参数化数学模型表征观测数据的分布特性,是估计数据概率分布和挖掘数据隐含信息的重要手段。基于参数化统计模型的雷达HRRP目标识别就是在对HRRP参数化统计建模的基础上,直接利用估计的概率分布进行统计识别或将获取的隐含信息输入分类器进行识别。由于模型具有可融入一定的先验知识、扩展灵活、提供待求参数的不确定性评价以及能结合贝叶斯理论实现自动定阶等优势,基于参数化统计模型的HRRP识别方法整体识别性能优于其他方法,是目前HRRP识别的重点研究方向。该文从浅层和深层参数化统计建模两方面,对近15年的雷达HRRP目标识别方法进行了归纳总结,并分析了各类方法的特点和存在的问题,最后对基于HRRP参数化统计建模的雷达目标识别发展方向进行了展望。 现代战争日趋信息化和智能化,雷达自动目标识别技术(RATR)在国家安全防卫和战略预警等军事应用方面发挥着更加重要的作用。高分辨距离像(HRRP)反映了目标散射点沿雷达视线方向的分布情况,包含了目标丰富的结构信息,对目标识别十分有价值,已成为RATR领域的研究热点。参数化统计建模旨在构建参数化数学模型表征观测数据的分布特性,是估计数据概率分布和挖掘数据隐含信息的重要手段。基于参数化统计模型的雷达HRRP目标识别就是在对HRRP参数化统计建模的基础上,直接利用估计的概率分布进行统计识别或将获取的隐含信息输入分类器进行识别。由于模型具有可融入一定的先验知识、扩展灵活、提供待求参数的不确定性评价以及能结合贝叶斯理论实现自动定阶等优势,基于参数化统计模型的HRRP识别方法整体识别性能优于其他方法,是目前HRRP识别的重点研究方向。该文从浅层和深层参数化统计建模两方面,对近15年的雷达HRRP目标识别方法进行了归纳总结,并分析了各类方法的特点和存在的问题,最后对基于HRRP参数化统计建模的雷达目标识别发展方向进行了展望。
多输入多输出(MIMO)雷达作为一种新体制雷达,利用其发射波形分集的特点,在目标检测、参数估计、射频隐身及抗干扰等诸多方面展现出了突出的性能,经过学者们近20年的深入研究,基于正交波形的MIMO雷达相关理论日臻完善,并在汽车辅助驾驶、安全防卫等领域得到广泛应用。近年来,随着电磁环境感知及知识辅助等概念的引入,基于波形优化的MIMO雷达主动抗干扰、射频隐身、以及探测-通信一体化等技术受到学者们的关注并得到深入研究。该文力图对学者们近20年来围绕MIMO雷达的研究工作进行归纳与综述,内容主要包括:正交波形MIMO雷达原理、目标探测性能分析、典型应用;正交波形MIMO雷达波形设计与特点;基于知识的认知MIMO波形设计与算法;基于MIMO的探测-通信一体化波形设计与算法;MIMO雷达信号处理、数据处理及资源管理。论文最后对MIMO雷达在机载应用中的空时处理(STAP)、MIMO雷达在成像中的信号处理、以及基于时分多波形分集的线性调频毫米波MIMO雷达信号处理等进行了讨论。 多输入多输出(MIMO)雷达作为一种新体制雷达,利用其发射波形分集的特点,在目标检测、参数估计、射频隐身及抗干扰等诸多方面展现出了突出的性能,经过学者们近20年的深入研究,基于正交波形的MIMO雷达相关理论日臻完善,并在汽车辅助驾驶、安全防卫等领域得到广泛应用。近年来,随着电磁环境感知及知识辅助等概念的引入,基于波形优化的MIMO雷达主动抗干扰、射频隐身、以及探测-通信一体化等技术受到学者们的关注并得到深入研究。该文力图对学者们近20年来围绕MIMO雷达的研究工作进行归纳与综述,内容主要包括:正交波形MIMO雷达原理、目标探测性能分析、典型应用;正交波形MIMO雷达波形设计与特点;基于知识的认知MIMO波形设计与算法;基于MIMO的探测-通信一体化波形设计与算法;MIMO雷达信号处理、数据处理及资源管理。论文最后对MIMO雷达在机载应用中的空时处理(STAP)、MIMO雷达在成像中的信号处理、以及基于时分多波形分集的线性调频毫米波MIMO雷达信号处理等进行了讨论。
为了降低无人机执行侦察任务时被摧毁的概率,该文提出一种有效减少威胁的路径规划算法。首先利用高分辨率机载雷达对多扩展目标进行稳健的跟踪估计,然后根据三向决策规则对各目标按威胁进行分类,并利用模糊理想解相似性排序技术(TOPSIS)的方法计算目标威胁度,综合多任务决策联合优化(联合评估目标威胁度和目标跟踪质量)作为评价准则对无人机进行路径规划。仿真实验表明,模糊威胁度评估方法在多扩展目标跟踪环境下是有效的,所提无人机路径规划算法是合理的,在不损失目标跟踪精度的条件下有效降低了目标威胁度。 为了降低无人机执行侦察任务时被摧毁的概率,该文提出一种有效减少威胁的路径规划算法。首先利用高分辨率机载雷达对多扩展目标进行稳健的跟踪估计,然后根据三向决策规则对各目标按威胁进行分类,并利用模糊理想解相似性排序技术(TOPSIS)的方法计算目标威胁度,综合多任务决策联合优化(联合评估目标威胁度和目标跟踪质量)作为评价准则对无人机进行路径规划。仿真实验表明,模糊威胁度评估方法在多扩展目标跟踪环境下是有效的,所提无人机路径规划算法是合理的,在不损失目标跟踪精度的条件下有效降低了目标威胁度。
传统相干雷达信号处理流程对跨距离单元走动的目标一般采用脉冲压缩与Radon傅里叶变换(RFT)先后级联的处理方法,但级联方法存在以下问题:一是对高速目标能量积累的过程中目标峰值位置偏移甚至主瓣展宽、增益下降、旁瓣增高;二是缺少有效杂波抑制,影响弱目标检测。为此,该文借鉴多维信号联合以及杂波抑制的思想,提出一种杂波背景条件下将脉冲压缩、RFT与自适应杂波抑制联合的时距联合检测前聚焦方法(A-PCRFT)。该方法首先将脉内时间(快时间)与脉间时间(慢时间)两个雷达信号处理维度相联合,引入与高速目标相对应的二维导向矢量,补偿脉内和脉间的多普勒频移;然后根据辅助数据估计脉冲压缩前的杂波协方差矩阵;最后根据杂波协方差矩阵和导向矢量确定最优滤波器权矢量。在距离-速度二维空间中,该方法能有效地抑制杂波,同时对目标能量进行最佳聚焦。仿真结果表明,该方法与先脉冲压缩后自适应Radon傅里叶变换(ARFT)的级联方法相比性能更优。 传统相干雷达信号处理流程对跨距离单元走动的目标一般采用脉冲压缩与Radon傅里叶变换(RFT)先后级联的处理方法,但级联方法存在以下问题:一是对高速目标能量积累的过程中目标峰值位置偏移甚至主瓣展宽、增益下降、旁瓣增高;二是缺少有效杂波抑制,影响弱目标检测。为此,该文借鉴多维信号联合以及杂波抑制的思想,提出一种杂波背景条件下将脉冲压缩、RFT与自适应杂波抑制联合的时距联合检测前聚焦方法(A-PCRFT)。该方法首先将脉内时间(快时间)与脉间时间(慢时间)两个雷达信号处理维度相联合,引入与高速目标相对应的二维导向矢量,补偿脉内和脉间的多普勒频移;然后根据辅助数据估计脉冲压缩前的杂波协方差矩阵;最后根据杂波协方差矩阵和导向矢量确定最优滤波器权矢量。在距离-速度二维空间中,该方法能有效地抑制杂波,同时对目标能量进行最佳聚焦。仿真结果表明,该方法与先脉冲压缩后自适应Radon傅里叶变换(ARFT)的级联方法相比性能更优。
合成孔径雷达(SAR)图像存在固有的相干斑噪声和几何畸变,并且其成像过程中图像之间存在非线性辐射差异,因此SAR图像配准是近年来最具挑战性的任务之一。关键点的可重复性和特征描述符的有效性直接影响基于特征的配准方法精度。该文提出了一种新颖的基于特征交汇的关键点检测器,它包含3个并行的检测器,即相位一致性(PC)检测器、水平和垂直方向梯度检测器以及局部变异系数检测器。所提出的特征交汇关键点检测器不仅可以有效提取具有高重复性的关键点,而且大大减少了错误关键点的数量,从而降低了特征描述和匹配的计算成本。同时,该文设计了一种孪生跨阶段部分网络(Sim-CSPNet)来快速提取包含深层和浅层特征的特征描述符。与传统手工设计的浅层描述符相比,它可以用来获得更准确的匹配点对。通过对多组SAR图像进行配准实验,并与其他3种方法进行对比,验证了该方法具有很好的配准结果。 合成孔径雷达(SAR)图像存在固有的相干斑噪声和几何畸变,并且其成像过程中图像之间存在非线性辐射差异,因此SAR图像配准是近年来最具挑战性的任务之一。关键点的可重复性和特征描述符的有效性直接影响基于特征的配准方法精度。该文提出了一种新颖的基于特征交汇的关键点检测器,它包含3个并行的检测器,即相位一致性(PC)检测器、水平和垂直方向梯度检测器以及局部变异系数检测器。所提出的特征交汇关键点检测器不仅可以有效提取具有高重复性的关键点,而且大大减少了错误关键点的数量,从而降低了特征描述和匹配的计算成本。同时,该文设计了一种孪生跨阶段部分网络(Sim-CSPNet)来快速提取包含深层和浅层特征的特征描述符。与传统手工设计的浅层描述符相比,它可以用来获得更准确的匹配点对。通过对多组SAR图像进行配准实验,并与其他3种方法进行对比,验证了该方法具有很好的配准结果。
大气变化是地基干涉合成孔径雷达(GB-InSAR)形变监测的主要干扰因素。由于监测环境的地形复杂,水汽、湿度和温度的空间异质性,基于均匀大气介质假设的校正方法可能导致大气校正精度较低。该文提出了一种两阶段半经验模型,用于估计和校正复杂大气条件下特大滑坡GB-InSAR监测过程中出现的大气相位误差。该方法兼顾线性大气相位和非线性大气相位,首先根据测区的范围和高程对观测到的大气相位进行建模,校正与地形相关的线性大气相位。然后,考虑复杂大气条件和方位向大视场角度场景下出现的空间域非均匀大气情况,选取稳定永久散射体(PS)通过插值的方式获取所有PS点的大气相位,校正非线性大气相位。采用该方法对三峡库区新铺和藕塘特大滑坡的地基大视场雷达图像进行处理,相比于常规方法减小大气相位误差最大约2 mm。能有效校正特大滑坡监测场景下出现的非均匀大气相位,满足特大滑坡广域范围监测需求。 大气变化是地基干涉合成孔径雷达(GB-InSAR)形变监测的主要干扰因素。由于监测环境的地形复杂,水汽、湿度和温度的空间异质性,基于均匀大气介质假设的校正方法可能导致大气校正精度较低。该文提出了一种两阶段半经验模型,用于估计和校正复杂大气条件下特大滑坡GB-InSAR监测过程中出现的大气相位误差。该方法兼顾线性大气相位和非线性大气相位,首先根据测区的范围和高程对观测到的大气相位进行建模,校正与地形相关的线性大气相位。然后,考虑复杂大气条件和方位向大视场角度场景下出现的空间域非均匀大气情况,选取稳定永久散射体(PS)通过插值的方式获取所有PS点的大气相位,校正非线性大气相位。采用该方法对三峡库区新铺和藕塘特大滑坡的地基大视场雷达图像进行处理,相比于常规方法减小大气相位误差最大约2 mm。能有效校正特大滑坡监测场景下出现的非均匀大气相位,满足特大滑坡广域范围监测需求。
受卫星高速运动和地球自转影响,天基预警雷达杂波在俯仰-方位-多普勒三维空间呈紧耦合特性,极大降低了传统空时自适应处理(STAP)方法的慢速运动目标检测性能。采用方位-俯仰-多普勒三维STAP可实现天基预警雷达杂波解耦,但与非正侧机载预警雷达杂波的三维松耦合情况不同,该应用需要较大系统自由度才能实现次最优杂波抑制性能,所带来的巨大运算负担和均匀样本需求使其难以应用于实际。针对上述问题,该文首先构建了天基预警雷达平面阵回波空时信号模型;然后详细分析了其杂波在方位-俯仰-多普勒三维空间的紧耦合特性;最后提出了基于级联处理的低自由度三维STAP方法,利用空域加权子阵合成预先衰减副瓣杂波,再利用俯仰-多普勒自适应处理抑制剩余各次距离模糊主瓣杂波。仿真实验验证了所提STAP方法可在低运算复杂度和小样本需求条件下实现次最优杂波抑制性能,因此适用于天基预警雷达实际应用。 受卫星高速运动和地球自转影响,天基预警雷达杂波在俯仰-方位-多普勒三维空间呈紧耦合特性,极大降低了传统空时自适应处理(STAP)方法的慢速运动目标检测性能。采用方位-俯仰-多普勒三维STAP可实现天基预警雷达杂波解耦,但与非正侧机载预警雷达杂波的三维松耦合情况不同,该应用需要较大系统自由度才能实现次最优杂波抑制性能,所带来的巨大运算负担和均匀样本需求使其难以应用于实际。针对上述问题,该文首先构建了天基预警雷达平面阵回波空时信号模型;然后详细分析了其杂波在方位-俯仰-多普勒三维空间的紧耦合特性;最后提出了基于级联处理的低自由度三维STAP方法,利用空域加权子阵合成预先衰减副瓣杂波,再利用俯仰-多普勒自适应处理抑制剩余各次距离模糊主瓣杂波。仿真实验验证了所提STAP方法可在低运算复杂度和小样本需求条件下实现次最优杂波抑制性能,因此适用于天基预警雷达实际应用。
间歇采样转发式干扰机通过对其接收到的雷达发射信号进行采样、存储、处理和多次转发,在雷达接收端形成逼真的假目标干扰效果。为提升上述干扰场景下的雷达探测性能,该文提出了一种新的信号差分特征提取方法,在此基础上,利用目标回波和干扰信号在差分特征空间的差异设计判决准则,从而在有效辨识并抑制干扰的同时实现目标检测。仿真结果表明:该方法干扰抑制效果显著,相比于3种典型的时频域滤波算法等效信噪比改善4.2 dB以上。 间歇采样转发式干扰机通过对其接收到的雷达发射信号进行采样、存储、处理和多次转发,在雷达接收端形成逼真的假目标干扰效果。为提升上述干扰场景下的雷达探测性能,该文提出了一种新的信号差分特征提取方法,在此基础上,利用目标回波和干扰信号在差分特征空间的差异设计判决准则,从而在有效辨识并抑制干扰的同时实现目标检测。仿真结果表明:该方法干扰抑制效果显著,相比于3种典型的时频域滤波算法等效信噪比改善4.2 dB以上。
合成孔径雷达(SAR)图像舰船目标检测一直受到学者广泛关注,恒虚警率(CFAR)检测算法作为雷达图像经典目标检测算法被广泛应用于SAR图像舰船目标检测中。然而经典CFAR检测性能容易受到相干斑噪声影响,基于滑窗的检测结果对滑窗的尺寸选择非常敏感,难以保证杂波背景中不存在目标像素,并且计算效率较低。针对上述问题,该文提出了一种新的基于超像素无窗快速CFAR的SAR图像舰船目标检测算法。首先,利用基于密度的快速噪声空间聚类(DBSCAN)超像素生成方法生成SAR图像的超像素。在SAR数据服从混合瑞利分布的假设下,定义了超像素相异度。然后利用超像素精确估计每个像素的杂波参数,即使在多目标情况下,也可以克服传统CFAR滑动窗口的缺点。此外,基于SAR图像变异系数,提出了一种基于变异系数的局部超像素对比度来优化CFAR检测,以此消除大量杂波虚警,如陆地区域人造目标。对5幅SAR图像的实验结果表明,与其他方法相比,该文方法对不同场景SAR图像海面舰船目标检测都十分稳健。 合成孔径雷达(SAR)图像舰船目标检测一直受到学者广泛关注,恒虚警率(CFAR)检测算法作为雷达图像经典目标检测算法被广泛应用于SAR图像舰船目标检测中。然而经典CFAR检测性能容易受到相干斑噪声影响,基于滑窗的检测结果对滑窗的尺寸选择非常敏感,难以保证杂波背景中不存在目标像素,并且计算效率较低。针对上述问题,该文提出了一种新的基于超像素无窗快速CFAR的SAR图像舰船目标检测算法。首先,利用基于密度的快速噪声空间聚类(DBSCAN)超像素生成方法生成SAR图像的超像素。在SAR数据服从混合瑞利分布的假设下,定义了超像素相异度。然后利用超像素精确估计每个像素的杂波参数,即使在多目标情况下,也可以克服传统CFAR滑动窗口的缺点。此外,基于SAR图像变异系数,提出了一种基于变异系数的局部超像素对比度来优化CFAR检测,以此消除大量杂波虚警,如陆地区域人造目标。对5幅SAR图像的实验结果表明,与其他方法相比,该文方法对不同场景SAR图像海面舰船目标检测都十分稳健。
针对多通道阵列雷达从实际杂波中检测目标场景,该文提出了一种面向多通道阵列雷达非高斯杂波背景的多秩距离扩展目标检测方法。首先,利用秩大于1的子空间矩阵和相应距离单元的坐标向量,建立了多秩距离扩展目标模型;然后,利用雷达接收单元空间或时间中心对称探测场景下杂波协方差矩阵的反对称结构信息,通过酉变换,采取广义似然比、Rao、Wald检验准则,构建待解参数小样本估计策略,设计了面向非高斯杂波背景的多秩距离扩展目标检测方法。最后,通过理论推导证明了所提检测方法相对于杂波协方差矩阵具有恒虚警特性。基于仿真数据和实测数据的实验结果表明,所提检测方法能够保证对杂波协方差矩阵具有恒虚警特性,此外,相较于现有检测方法,所提检测方法提升了小训练支持的目标检测性能,并且在导向矢量失配条件下,有效地改善目标检测的稳健性。 针对多通道阵列雷达从实际杂波中检测目标场景,该文提出了一种面向多通道阵列雷达非高斯杂波背景的多秩距离扩展目标检测方法。首先,利用秩大于1的子空间矩阵和相应距离单元的坐标向量,建立了多秩距离扩展目标模型;然后,利用雷达接收单元空间或时间中心对称探测场景下杂波协方差矩阵的反对称结构信息,通过酉变换,采取广义似然比、Rao、Wald检验准则,构建待解参数小样本估计策略,设计了面向非高斯杂波背景的多秩距离扩展目标检测方法。最后,通过理论推导证明了所提检测方法相对于杂波协方差矩阵具有恒虚警特性。基于仿真数据和实测数据的实验结果表明,所提检测方法能够保证对杂波协方差矩阵具有恒虚警特性,此外,相较于现有检测方法,所提检测方法提升了小训练支持的目标检测性能,并且在导向矢量失配条件下,有效地改善目标检测的稳健性。
基于有向边界框的合成孔径雷达(SAR)舰船目标检测器能输出精准的边界框,但仍存在模型计算复杂度高、推理速度慢、存储消耗大等问题,导致其难以在星载平台上部署。基于此该文提出了结合特征图和检测头分支知识蒸馏的无锚框轻量化旋转检测方法。首先,结合目标的长宽比和方向角信息提出改进高斯核,使生成的热度图能更好地刻画目标形状。然后在检测器预测头部引入前景区域增强分支,使网络更关注前景特征且抑制背景杂波的干扰。在训练轻量化网络时,将像素点间的相似度构建为热度图蒸馏知识。为解决特征蒸馏中正负样本不平衡问题,将前景注意力区域作为掩模引导网络蒸馏与目标相关的特征。另外,该文提出全局语义模块对像素进行上下文信息建模,能够结合背景知识加强目标精确表征。基于HRSID数据集的实验结果表明所提方法在模型参数仅有9.07 M的轻量化条件下,mAP能达到80.71%,且检测帧率满足实时应用需求。 基于有向边界框的合成孔径雷达(SAR)舰船目标检测器能输出精准的边界框,但仍存在模型计算复杂度高、推理速度慢、存储消耗大等问题,导致其难以在星载平台上部署。基于此该文提出了结合特征图和检测头分支知识蒸馏的无锚框轻量化旋转检测方法。首先,结合目标的长宽比和方向角信息提出改进高斯核,使生成的热度图能更好地刻画目标形状。然后在检测器预测头部引入前景区域增强分支,使网络更关注前景特征且抑制背景杂波的干扰。在训练轻量化网络时,将像素点间的相似度构建为热度图蒸馏知识。为解决特征蒸馏中正负样本不平衡问题,将前景注意力区域作为掩模引导网络蒸馏与目标相关的特征。另外,该文提出全局语义模块对像素进行上下文信息建模,能够结合背景知识加强目标精确表征。基于HRSID数据集的实验结果表明所提方法在模型参数仅有9.07 M的轻量化条件下,mAP能达到80.71%,且检测帧率满足实时应用需求。
由于FDA-MIMO具有的超分辨特性使得可以在单个距离分辨单元之内利用目标更多的散射点,本文将高斯杂波背景下协方差矩阵未知的分布式目标检测问题建立为一个求和形式而非MIMO或相控阵雷达中仅考虑单点目标问题。进而,设计了无须训练数据的自适应Rao检测器。理论分析和仿真结果均验证了该算法的正确性和有效性。 由于FDA-MIMO具有的超分辨特性使得可以在单个距离分辨单元之内利用目标更多的散射点,本文将高斯杂波背景下协方差矩阵未知的分布式目标检测问题建立为一个求和形式而非MIMO或相控阵雷达中仅考虑单点目标问题。进而,设计了无须训练数据的自适应Rao检测器。理论分析和仿真结果均验证了该算法的正确性和有效性。
大场景合成孔径雷达(SAR)图像相对于通用光学图像,复杂背景杂波对目标特征提取影响更大,由于传统基于候选框的深度目标检测算法会在整张特征图上产生大量冗余候选框,因而在SAR图像复杂背景杂波影响下会产生大量的虚警,降低目标检测精度。针对该问题,该文基于Faster R-CNN检测模型,提出结合强化学习自适应候选框挑选的SAR目标检测方法。该方法能够通过强化学习自适应搜索特征图中可能含有目标的区域,并挑选搜索区域内的候选框继续进行分类、回归。通过准确搜索到含有目标的区域,可以减少复杂背景杂波的影响并减少传统强化学习应用于检测问题的计算量。所提方法利用强化学习序列决策的特点,能够根据图像信息通过强化学习迭代搜索自适应确定图像中可能含有目标的搜索区域的位置。同时,该方法通过在强化学习中使用距离约束,可以根据之前的搜索结果自适应调整下一次搜索区域的尺寸。基于实测数据的实验结果表明,所提方法能够提升传统深度学习目标检测方法的检测性能。 大场景合成孔径雷达(SAR)图像相对于通用光学图像,复杂背景杂波对目标特征提取影响更大,由于传统基于候选框的深度目标检测算法会在整张特征图上产生大量冗余候选框,因而在SAR图像复杂背景杂波影响下会产生大量的虚警,降低目标检测精度。针对该问题,该文基于Faster R-CNN检测模型,提出结合强化学习自适应候选框挑选的SAR目标检测方法。该方法能够通过强化学习自适应搜索特征图中可能含有目标的区域,并挑选搜索区域内的候选框继续进行分类、回归。通过准确搜索到含有目标的区域,可以减少复杂背景杂波的影响并减少传统强化学习应用于检测问题的计算量。所提方法利用强化学习序列决策的特点,能够根据图像信息通过强化学习迭代搜索自适应确定图像中可能含有目标的搜索区域的位置。同时,该方法通过在强化学习中使用距离约束,可以根据之前的搜索结果自适应调整下一次搜索区域的尺寸。基于实测数据的实验结果表明,所提方法能够提升传统深度学习目标检测方法的检测性能。
密集转发干扰与雷达发射信号高度相关,兼具压制式和欺骗式干扰效果,使雷达系统难以检测到真实目标,严重威胁雷达作战能力。针对这一问题,该文提出一种基于支持向量机(SVM)的捷变频雷达密集转发干扰智能抑制方法。通过对随机样本集进行离线训练获得最优SVM模型,智能化识别并分类目标和干扰;然后,采用平滑滤波进一步抑制目标所在距离单元内的干扰信号;最后,基于压缩感知(CS)理论进行二维高分辨重构,估计出目标参数信息。仿真实验与实测数据处理结果表明,所提算法在不同场景下均能够有效抑制密集转发干扰,准确检测出真实目标。 密集转发干扰与雷达发射信号高度相关,兼具压制式和欺骗式干扰效果,使雷达系统难以检测到真实目标,严重威胁雷达作战能力。针对这一问题,该文提出一种基于支持向量机(SVM)的捷变频雷达密集转发干扰智能抑制方法。通过对随机样本集进行离线训练获得最优SVM模型,智能化识别并分类目标和干扰;然后,采用平滑滤波进一步抑制目标所在距离单元内的干扰信号;最后,基于压缩感知(CS)理论进行二维高分辨重构,估计出目标参数信息。仿真实验与实测数据处理结果表明,所提算法在不同场景下均能够有效抑制密集转发干扰,准确检测出真实目标。
该文针对机载组网雷达,在单目标跟踪场景下,研究了雷达辐射参数与航迹规划联合优化问题。首先,推导了包含各雷达辐射功率、驻留时间、发射信号高斯脉冲长度和信号带宽等射频辐射参数以及各载机速度、朝向角等平台运动参数的贝叶斯克拉默-拉奥下界(BCRLB)表达式,以此作为表征目标跟踪精度的衡量指标;推导了含有各雷达辐射功率、驻留时间等射频辐射参数以及各载机速度、朝向角等平台运动参数的机载组网雷达被截获概率,以此作为表征机载组网雷达射频隐身性能的衡量指标。在此基础上,建立了面向目标跟踪的机载组网雷达辐射参数与航迹规划联合优化模型,以最小化机载组网雷达的目标估计误差BCRLB为优化目标,以满足给定的系统射频资源、载机机动能力和预先设定的被截获概率阈值为约束条件,对各载机飞行速度、朝向角以及各机载雷达辐射功率、驻留时间、发射信号高斯脉冲长度和信号带宽进行联合优化设计,以提升机载组网雷达的目标跟踪精度。最后,针对上述优化问题,结合粒子群算法,采用5步分解迭代算法进行求解。仿真结果表明,与现有算法相比,所提算法能够在满足一定射频隐身性能要求的条件下,有效提升机载组网雷达的目标跟踪精度。 该文针对机载组网雷达,在单目标跟踪场景下,研究了雷达辐射参数与航迹规划联合优化问题。首先,推导了包含各雷达辐射功率、驻留时间、发射信号高斯脉冲长度和信号带宽等射频辐射参数以及各载机速度、朝向角等平台运动参数的贝叶斯克拉默-拉奥下界(BCRLB)表达式,以此作为表征目标跟踪精度的衡量指标;推导了含有各雷达辐射功率、驻留时间等射频辐射参数以及各载机速度、朝向角等平台运动参数的机载组网雷达被截获概率,以此作为表征机载组网雷达射频隐身性能的衡量指标。在此基础上,建立了面向目标跟踪的机载组网雷达辐射参数与航迹规划联合优化模型,以最小化机载组网雷达的目标估计误差BCRLB为优化目标,以满足给定的系统射频资源、载机机动能力和预先设定的被截获概率阈值为约束条件,对各载机飞行速度、朝向角以及各机载雷达辐射功率、驻留时间、发射信号高斯脉冲长度和信号带宽进行联合优化设计,以提升机载组网雷达的目标跟踪精度。最后,针对上述优化问题,结合粒子群算法,采用5步分解迭代算法进行求解。仿真结果表明,与现有算法相比,所提算法能够在满足一定射频隐身性能要求的条件下,有效提升机载组网雷达的目标跟踪精度。
由于多输入多输出(MIMO)系统具有波形、空间分集和多路复用等优势,MIMO探通一体化(DFRC)系统通过共享软硬件资源以同时实现目标探测和保密通信功能受到了极大关注。该文针对基于预编码矩阵调制的MIMO探通一体化系统,提出了基于交替方向乘子(ADMM)的一体化信号矩阵设计方法。通过用户和窃听用户参考密码本约束下最大化方向图峰值主瓣旁瓣电平比(PMSR),保证了探测方向图性能的同时防止通信信息被窃听。针对预编码矩阵通信解调问题,提出了基于交替方向惩罚(ADPM)的排序学习优化解调方法,提升了一体化波形信息解调效率。数值仿真验证了所提设计方法实现探通一体化的有效性,与已有算法相比可实现多用户通信和更高的PMSR。 由于多输入多输出(MIMO)系统具有波形、空间分集和多路复用等优势,MIMO探通一体化(DFRC)系统通过共享软硬件资源以同时实现目标探测和保密通信功能受到了极大关注。该文针对基于预编码矩阵调制的MIMO探通一体化系统,提出了基于交替方向乘子(ADMM)的一体化信号矩阵设计方法。通过用户和窃听用户参考密码本约束下最大化方向图峰值主瓣旁瓣电平比(PMSR),保证了探测方向图性能的同时防止通信信息被窃听。针对预编码矩阵通信解调问题,提出了基于交替方向惩罚(ADPM)的排序学习优化解调方法,提升了一体化波形信息解调效率。数值仿真验证了所提设计方法实现探通一体化的有效性,与已有算法相比可实现多用户通信和更高的PMSR。
该文针对频谱共存环境下多目标跟踪资源分配问题,提出了组网雷达功率时间联合优化算法。首先,推导了包含雷达节点选择、发射功率和驻留时间等射频辐射参数的预测贝叶斯克拉默-拉奥下界(BCRLB),以此作为多目标跟踪精度的衡量指标;在此基础上,以最小化多目标跟踪BCRLB为优化目标,以满足给定的组网雷达射频资源和预先设定的通信基站最大可容忍干扰能量阈值为约束条件,建立了频谱共存下面向多目标跟踪的组网雷达功率时间联合优化分配模型,对雷达节点选择、发射功率和驻留时间进行自适应联合优化配置;然后,针对上述优化问题,采用两步分解法将其分解为多个子凸问题,并结合半正定规划(SDP)算法和循环最小化算法进行求解。仿真结果表明,与现有算法相比,所提算法能够在保证通信基站正常工作的条件下,有效提高组网雷达的多目标跟踪精度。 该文针对频谱共存环境下多目标跟踪资源分配问题,提出了组网雷达功率时间联合优化算法。首先,推导了包含雷达节点选择、发射功率和驻留时间等射频辐射参数的预测贝叶斯克拉默-拉奥下界(BCRLB),以此作为多目标跟踪精度的衡量指标;在此基础上,以最小化多目标跟踪BCRLB为优化目标,以满足给定的组网雷达射频资源和预先设定的通信基站最大可容忍干扰能量阈值为约束条件,建立了频谱共存下面向多目标跟踪的组网雷达功率时间联合优化分配模型,对雷达节点选择、发射功率和驻留时间进行自适应联合优化配置;然后,针对上述优化问题,采用两步分解法将其分解为多个子凸问题,并结合半正定规划(SDP)算法和循环最小化算法进行求解。仿真结果表明,与现有算法相比,所提算法能够在保证通信基站正常工作的条件下,有效提高组网雷达的多目标跟踪精度。
多传感器多目标跟踪是信息融合领域的热点问题,其通过融合多个局部传感器数据,提高目标跟踪精度和稳定性。多传感器多目标跟踪按融合体系可分为分布式、集中式、混合式3类,其中分布式融合结构对网络通信带宽要求低、可靠性和稳定性强,广泛应用于军事、民用领域。该文聚焦分布式多传感器多目标跟踪涉及的目标跟踪、传感器配准、航迹关联、数据融合4项关键技术,主要分析了各关键技术的理论原理与适用条件,重点介绍了不完整测量条件下的空间配准与航迹关联,并给出仿真结果。最后,该文总结了现有分布式多传感器多目标跟踪关键技术存在的问题,并指出了其未来发展趋势。 多传感器多目标跟踪是信息融合领域的热点问题,其通过融合多个局部传感器数据,提高目标跟踪精度和稳定性。多传感器多目标跟踪按融合体系可分为分布式、集中式、混合式3类,其中分布式融合结构对网络通信带宽要求低、可靠性和稳定性强,广泛应用于军事、民用领域。该文聚焦分布式多传感器多目标跟踪涉及的目标跟踪、传感器配准、航迹关联、数据融合4项关键技术,主要分析了各关键技术的理论原理与适用条件,重点介绍了不完整测量条件下的空间配准与航迹关联,并给出仿真结果。最后,该文总结了现有分布式多传感器多目标跟踪关键技术存在的问题,并指出了其未来发展趋势。
合成孔径雷达三维成像技术(3D-SAR)能通过孔径维度扩展实现三维成像能力,但数据维度大、系统实现难、成像分辨率低。压缩感知稀疏重构技术在简化3D-SAR系统、提升成像质量等方面展现出巨大潜力,但面临计算复杂度高、参数设置困难、弱稀疏场景适应差等新问题,制约了其实际应用。针对上述问题,该文结合卷积神经网络的特征学习及迭代算法的深度展开理论,提出了基于自学习稀疏先验的3D-SAR成像方法。首先,探讨了常规3D-SAR稀疏成像中矩阵向量线性表征模型的局限性,引入成像算子提升成像算法处理效率。其次,讨论了迭代算法映射网络的深度展开模型和实现方式,包括网络拓扑结构设计、算法参数的优化约束及网络的训练方法。最后,通过仿真数据和地面实验,证明了所提方法在提升成像精度的同时,其运行时间较传统稀疏成像算法降低一个数量级。 合成孔径雷达三维成像技术(3D-SAR)能通过孔径维度扩展实现三维成像能力,但数据维度大、系统实现难、成像分辨率低。压缩感知稀疏重构技术在简化3D-SAR系统、提升成像质量等方面展现出巨大潜力,但面临计算复杂度高、参数设置困难、弱稀疏场景适应差等新问题,制约了其实际应用。针对上述问题,该文结合卷积神经网络的特征学习及迭代算法的深度展开理论,提出了基于自学习稀疏先验的3D-SAR成像方法。首先,探讨了常规3D-SAR稀疏成像中矩阵向量线性表征模型的局限性,引入成像算子提升成像算法处理效率。其次,讨论了迭代算法映射网络的深度展开模型和实现方式,包括网络拓扑结构设计、算法参数的优化约束及网络的训练方法。最后,通过仿真数据和地面实验,证明了所提方法在提升成像精度的同时,其运行时间较传统稀疏成像算法降低一个数量级。
针对正交频分复用(OFDM)雷达通信一体化波形方案中循环前缀引起的弱回波掩盖问题和敌方战场低截获概率问题,该文提出了基于滤波器组的多载波偏移正交幅度调制(FBMC-OQAM)的低截获雷达通信一体化波形设计方案。分别构建FBMC雷达通信一体化波形与目标检测概率、通信信道容量之间的数学模型,在保证一定系统雷达与通信性能的条件约束下,设计最小化系统总发射功率联合优化问题,优化各个子载波发射功率分配方案。该算法利用测量值和信道状态信息,对下一个脉冲的发射波形参数进行优化设计,实现自适应传输。此外,从平均模糊函数角度分析了FBMC作为雷达信号的可行性和优势。仿真结果表明,与等功率分配方案相比,该文提出的功率分配方案可有效降低一体化系统总发射功率,从而实现低截获性能,并且FBMC波形可有效降低循环前缀引起的距离旁瓣,提高雷达分辨率与信息速率。 针对正交频分复用(OFDM)雷达通信一体化波形方案中循环前缀引起的弱回波掩盖问题和敌方战场低截获概率问题,该文提出了基于滤波器组的多载波偏移正交幅度调制(FBMC-OQAM)的低截获雷达通信一体化波形设计方案。分别构建FBMC雷达通信一体化波形与目标检测概率、通信信道容量之间的数学模型,在保证一定系统雷达与通信性能的条件约束下,设计最小化系统总发射功率联合优化问题,优化各个子载波发射功率分配方案。该算法利用测量值和信道状态信息,对下一个脉冲的发射波形参数进行优化设计,实现自适应传输。此外,从平均模糊函数角度分析了FBMC作为雷达信号的可行性和优势。仿真结果表明,与等功率分配方案相比,该文提出的功率分配方案可有效降低一体化系统总发射功率,从而实现低截获性能,并且FBMC波形可有效降低循环前缀引起的距离旁瓣,提高雷达分辨率与信息速率。