作者中心
专家审稿
责编办公
编辑办公全文下载排行
1
2024, 13(5): 941-954.
摘要
26021KB
三维合成孔径雷达在测绘制图、防灾减灾等诸多领域有应用潜力，已经成为SAR的重要研究方向。为减少三维SAR的观测次数或天线阵元数量，推动三维SAR的应用和发展，中国科学院空天信息创新研究院牵头研制了微波视觉三维SAR实验系统，旨在为微波视觉SAR三维成像提供实验平台和数据。该文针对微波视觉三维SAR实验系统及其全极化数据处理方法进行介绍，涵盖了极化校正、极化相干增强、极化约束三维成像、三维融合可视化等全流程的关键步骤。基于发布的SAR微波视觉三维成像全极化数据集，给出了三维成像结果示例，验证了微波视觉三维SAR实验系统的全极化性能以及处理方法的有效性。该文发布的数据集将为SAR三维成像研究提供良好的数据条件。
三维合成孔径雷达在测绘制图、防灾减灾等诸多领域有应用潜力，已经成为SAR的重要研究方向。为减少三维SAR的观测次数或天线阵元数量，推动三维SAR的应用和发展，中国科学院空天信息创新研究院牵头研制了微波视觉三维SAR实验系统，旨在为微波视觉SAR三维成像提供实验平台和数据。该文针对微波视觉三维SAR实验系统及其全极化数据处理方法进行介绍，涵盖了极化校正、极化相干增强、极化约束三维成像、三维融合可视化等全流程的关键步骤。基于发布的SAR微波视觉三维成像全极化数据集，给出了三维成像结果示例，验证了微波视觉三维SAR实验系统的全极化性能以及处理方法的有效性。该文发布的数据集将为SAR三维成像研究提供良好的数据条件。
2
飞鸟和无人机(UAVs)是典型的“低慢小”目标，具有低可观测性，对两者的有效监视和识别成为保障空中航路安全、城市安保等需求迫切需要解决的难题。飞鸟和无人机目标类型多、飞行高度低、机动性强、雷达散射截面积小，加之探测环境复杂，给目标探测带来极大困扰，已成为世界性难题。因此迫切需要研发“看得见(检测能力强)、辨得明(识别概率高)”的无人机、飞鸟等“低慢小”目标监视手段和技术，实现目标的精细化描述和识别。该文集中对近年来复杂场景下旋翼无人机和飞鸟目标检测与识别技术的研究进展进行了归纳总结，介绍了飞鸟和无人机探测的主要手段，从回波建模和微动特性认知、泛探模式下机动特征增强与提取、分布式多视角特征融合、运动轨迹差异、深度学习智能分类等方面给出了检测和识别的有效途径。最后，该文总结了现有研究存在的问题，对未来复杂场景下飞鸟和无人机目标检测与识别技术的发展进行了展望。
飞鸟和无人机(UAVs)是典型的“低慢小”目标，具有低可观测性，对两者的有效监视和识别成为保障空中航路安全、城市安保等需求迫切需要解决的难题。飞鸟和无人机目标类型多、飞行高度低、机动性强、雷达散射截面积小，加之探测环境复杂，给目标探测带来极大困扰，已成为世界性难题。因此迫切需要研发“看得见(检测能力强)、辨得明(识别概率高)”的无人机、飞鸟等“低慢小”目标监视手段和技术，实现目标的精细化描述和识别。该文集中对近年来复杂场景下旋翼无人机和飞鸟目标检测与识别技术的研究进展进行了归纳总结，介绍了飞鸟和无人机探测的主要手段，从回波建模和微动特性认知、泛探模式下机动特征增强与提取、分布式多视角特征融合、运动轨迹差异、深度学习智能分类等方面给出了检测和识别的有效途径。最后，该文总结了现有研究存在的问题，对未来复杂场景下飞鸟和无人机目标检测与识别技术的发展进行了展望。
3
2024, 13(3): 501-524.
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。
4
2024, 13(3): 539-553.
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。
5
2023, 12(5): 923-970.
作为高级驾驶辅助系统(ADAS)核心之一的汽车毫米波雷达因其具有全天时、全天候、小型化、集成度高等优势，提供了关键的感知能力，逐渐成为国内外学者及厂商关注的焦点。汽车毫米波雷达以汽车作为平台，其核心性能指标主要有距离、速度、角度分辨率、视场范围等，此外，精度、成本、实时性、检测性能和体积也是需要考虑的关键问题。日益提升的性能需求给汽车毫米波雷达信号处理带来了诸多挑战。为了改进雷达性能以满足更严格的要求，雷达的信号处理技术是至关重要的一环。获取致密的雷达点云、生成精确的雷达成像结果、对抗多个雷达系统间的相互干扰是其中的重点，也是后续跟踪、识别等应用的基础。因此，该文从汽车毫米波雷达的实际应用出发，立足于信号处理的关键技术，总结了相关研究成果，主要讨论与车载毫米波雷达相关的以下主题： (1)点云成像处理；(2)合成孔径雷达成像处理；(3)互扰抑制。文章最后对国内外研究现状进行了总结，并展望未来汽车毫米波雷达的发展趋势，希望能给相关领域读者以启发。
作为高级驾驶辅助系统(ADAS)核心之一的汽车毫米波雷达因其具有全天时、全天候、小型化、集成度高等优势，提供了关键的感知能力，逐渐成为国内外学者及厂商关注的焦点。汽车毫米波雷达以汽车作为平台，其核心性能指标主要有距离、速度、角度分辨率、视场范围等，此外，精度、成本、实时性、检测性能和体积也是需要考虑的关键问题。日益提升的性能需求给汽车毫米波雷达信号处理带来了诸多挑战。为了改进雷达性能以满足更严格的要求，雷达的信号处理技术是至关重要的一环。获取致密的雷达点云、生成精确的雷达成像结果、对抗多个雷达系统间的相互干扰是其中的重点，也是后续跟踪、识别等应用的基础。因此，该文从汽车毫米波雷达的实际应用出发，立足于信号处理的关键技术，总结了相关研究成果，主要讨论与车载毫米波雷达相关的以下主题： (1)点云成像处理；(2)合成孔径雷达成像处理；(3)互扰抑制。文章最后对国内外研究现状进行了总结，并展望未来汽车毫米波雷达的发展趋势，希望能给相关领域读者以启发。
6
2024, 13(4): 731-746.
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。
7
2024, 13(5): 1004-1018.
在雷达有源干扰识别任务中，如何实现多域浅层特征与时频域深层网络特征的稳健联合，并在极端小样本下维持高干扰识别准确率是亟待解决的关键问题。针对此问题，该文提出一种多域浅层特征引导下雷达有源干扰多模态对比识别方法。在充分提取有源干扰多域浅层特征基础上，设计优选单元自动选择有效特征，生成对应含有隐式专家知识的文本模态。将文本模态与时频变换图像分别输入文本和图像编码器，构建多模态特征对并映射至模态对齐高维空间中，利用文本特征作为锚点，通过对比学习引导同类干扰的时频图像特征聚合，以优化图像编码器表征能力，实现干扰识别特征类内更聚集、类间更分离。实验结果表明，相较于已有深浅特征直接联合，所提引导式联合方法可以实现特征差异处理，从而提高识别特征判别力和泛化力。且在极端小样本条件(每类干扰训练样本为2～3个)下，所提识别方法较先进对比方法的准确率提升9.84%，证明了该文方法的有效性与鲁棒性。
在雷达有源干扰识别任务中，如何实现多域浅层特征与时频域深层网络特征的稳健联合，并在极端小样本下维持高干扰识别准确率是亟待解决的关键问题。针对此问题，该文提出一种多域浅层特征引导下雷达有源干扰多模态对比识别方法。在充分提取有源干扰多域浅层特征基础上，设计优选单元自动选择有效特征，生成对应含有隐式专家知识的文本模态。将文本模态与时频变换图像分别输入文本和图像编码器，构建多模态特征对并映射至模态对齐高维空间中，利用文本特征作为锚点，通过对比学习引导同类干扰的时频图像特征聚合，以优化图像编码器表征能力，实现干扰识别特征类内更聚集、类间更分离。实验结果表明，相较于已有深浅特征直接联合，所提引导式联合方法可以实现特征差异处理，从而提高识别特征判别力和泛化力。且在极端小样本条件(每类干扰训练样本为2～3个)下，所提识别方法较先进对比方法的准确率提升9.84%，证明了该文方法的有效性与鲁棒性。
8
2024, 13(4): 747-760.
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。
9
2024, 13(5): 985-1003.
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。
10
2023, 12(3): 471-499.
多雷达协同探测技术通过有机地联动多部雷达，形成广域分布的探测构型，可充分获取空间、频率分集等探测增益，显著提升雷达系统的目标探测性能和电磁干扰环境顽存能力，是雷达技术领域重点发展的方向之一。近年来，国内外针对多雷达协同探测技术开展了广泛研究，在系统架构设计、信号处理、资源调度等技术方向积累了诸多研究成果。该文首先总结了多雷达协同探测技术的概念内涵，阐述了其基于信号处理闭环反馈的协同机制，分析了其实现过程中所面临的技术挑战；随后，聚焦于认知跟踪与资源调度算法，从内涵特点、系统构成、跟踪模型、信息融合、性能评估、调度算法、优化准则、认知流程等方面进行了技术总结，并分析了协同认知跟踪及其与系统资源调度的关系；接着从雷达资源要素、信息融合架构、跟踪性能指标、资源调度模型、复杂任务场景5个方面梳理和总结了协同认知跟踪与资源调度算法近年来的研究进展；最后总结全文并展望了该领域未来技术的发展趋势，旨在为后续的相关技术研究提供参考。
多雷达协同探测技术通过有机地联动多部雷达，形成广域分布的探测构型，可充分获取空间、频率分集等探测增益，显著提升雷达系统的目标探测性能和电磁干扰环境顽存能力，是雷达技术领域重点发展的方向之一。近年来，国内外针对多雷达协同探测技术开展了广泛研究，在系统架构设计、信号处理、资源调度等技术方向积累了诸多研究成果。该文首先总结了多雷达协同探测技术的概念内涵，阐述了其基于信号处理闭环反馈的协同机制，分析了其实现过程中所面临的技术挑战；随后，聚焦于认知跟踪与资源调度算法，从内涵特点、系统构成、跟踪模型、信息融合、性能评估、调度算法、优化准则、认知流程等方面进行了技术总结，并分析了协同认知跟踪及其与系统资源调度的关系；接着从雷达资源要素、信息融合架构、跟踪性能指标、资源调度模型、复杂任务场景5个方面梳理和总结了协同认知跟踪与资源调度算法近年来的研究进展；最后总结全文并展望了该领域未来技术的发展趋势，旨在为后续的相关技术研究提供参考。
11
2022, 11(3): 418-433.
雷达辐射源信号分选是雷达信号侦察的关键技术之一，同时也是战场态势感知的重要环节。该文系统梳理了雷达辐射源信号分选的主流技术，从基于脉间调制特征、基于脉内调制特征、基于机器学习的雷达辐射源信号分选3个角度阐述了目前雷达辐射源信号分选工作的主要研究方向及进展，并重点阐释了基于深度神经网络、数据流聚类等最新分选技术的原理与特点。最后，对现有雷达辐射源信号分选技术的不足进行了总结并对未来趋势进行了预测。
雷达辐射源信号分选是雷达信号侦察的关键技术之一，同时也是战场态势感知的重要环节。该文系统梳理了雷达辐射源信号分选的主流技术，从基于脉间调制特征、基于脉内调制特征、基于机器学习的雷达辐射源信号分选3个角度阐述了目前雷达辐射源信号分选工作的主要研究方向及进展，并重点阐释了基于深度神经网络、数据流聚类等最新分选技术的原理与特点。最后，对现有雷达辐射源信号分选技术的不足进行了总结并对未来趋势进行了预测。
12
2024, 13(1): 46-67.
随着雷达目标探测需求的增加，基于压缩感知(CS)模型的稀疏恢复(SR)技术被广泛应用于雷达信号处理领域。该文首先对压缩感知的基本理论进行梳理；接着从场景稀疏以及稀疏观测两个角度介绍了雷达信号处理中的稀疏特性；然后基于稀疏特性，从空域处理、脉冲压缩、相参处理、雷达成像以及目标检测等角度概述了压缩感知技术在雷达信号处理中的应用。最后，对压缩感知技术在雷达信号处理中的应用进行了总结。
随着雷达目标探测需求的增加，基于压缩感知(CS)模型的稀疏恢复(SR)技术被广泛应用于雷达信号处理领域。该文首先对压缩感知的基本理论进行梳理；接着从场景稀疏以及稀疏观测两个角度介绍了雷达信号处理中的稀疏特性；然后基于稀疏特性，从空域处理、脉冲压缩、相参处理、雷达成像以及目标检测等角度概述了压缩感知技术在雷达信号处理中的应用。最后，对压缩感知技术在雷达信号处理中的应用进行了总结。
13
2024, 13(3): 554-564.
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。
14
2024, 13(4): 791-806.
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。
15
2020, 9(1): 1-33.
星载合成孔径雷达(SAR)以卫星等空间飞行器为运动平台，具有全天时、全天候、全球观测能力，已成为一种不可或缺的对地观测手段。当前，我国星载SAR已实现分辨率从米级到亚米级、系统体制从正侧视条带向方位扫描聚束、从单通道向多通道、极化方式从单一极化到全极化的技术跨越。随着技术的不断进步，未来星载SAR将在体制、概念、技术、模式等方面取得突破，包括高分辨率宽幅成像、多基地、轻小型化、智能化等，从而不断拓展星载SAR的观测维度，实现多维度信息获取。该文将围绕星载SAR的技术发展趋势展开论述。
星载合成孔径雷达(SAR)以卫星等空间飞行器为运动平台，具有全天时、全天候、全球观测能力，已成为一种不可或缺的对地观测手段。当前，我国星载SAR已实现分辨率从米级到亚米级、系统体制从正侧视条带向方位扫描聚束、从单通道向多通道、极化方式从单一极化到全极化的技术跨越。随着技术的不断进步，未来星载SAR将在体制、概念、技术、模式等方面取得突破，包括高分辨率宽幅成像、多基地、轻小型化、智能化等，从而不断拓展星载SAR的观测维度，实现多维度信息获取。该文将围绕星载SAR的技术发展趋势展开论述。
16
2024, 13(5): 1073-1091.
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，该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，该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。
17
2024, 13(4): 885-903.
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。
18
2020, 9(1): 86-106.
合成孔径雷达(SAR)得益于其全天时全天候、高分辨率的工作模式，在最近几十年吸引了全球雷达学者的目光。作为一种有源雷达系统，合成孔径雷达高分辨成像过程中会受多样式复杂多变的强电磁干扰影响，从而严重影响合成孔径雷达最终的高分辨成像结果，因此，如何有效对抗复杂电磁干扰是合成孔径雷达探测感知的难点和重点之一。该文针对不同的干扰样式、干扰来源、干扰散射机理、雷达天线配置、目标特性等合成孔径雷达抗干扰及高分辨成像的关键要素和主要思路进行了总结梳理，并依照干扰对抗算法的本质，对近些年代表性的合成孔径雷达对抗压制干扰和欺骗干扰算法的文献进行介绍和归纳，旨在为以后的研究提供一定的参考。
合成孔径雷达(SAR)得益于其全天时全天候、高分辨率的工作模式，在最近几十年吸引了全球雷达学者的目光。作为一种有源雷达系统，合成孔径雷达高分辨成像过程中会受多样式复杂多变的强电磁干扰影响，从而严重影响合成孔径雷达最终的高分辨成像结果，因此，如何有效对抗复杂电磁干扰是合成孔径雷达探测感知的难点和重点之一。该文针对不同的干扰样式、干扰来源、干扰散射机理、雷达天线配置、目标特性等合成孔径雷达抗干扰及高分辨成像的关键要素和主要思路进行了总结梳理，并依照干扰对抗算法的本质，对近些年代表性的合成孔径雷达对抗压制干扰和欺骗干扰算法的文献进行介绍和归纳，旨在为以后的研究提供一定的参考。
19
状态: , 更新:
低频超宽带(UWB)雷达因其良好穿透性和分辨率，在人体行为识别领域具有显著的优势。针对现有的动作识别算法运算量大、网络参数多的问题，该文提出了一种基于时空点云的高效且轻量的超宽带雷达人体行为识别方法。首先通过UWB雷达采集人体的四维运动数据，然后采用离散采样的方法将雷达图像转换为点云表示，由于人体行为识别属于时间序列上的分类问题，该文结合PointNet++网络与Transformer网络提出了一种轻量化的时空网络，通过提取并分析四维点云的时空特征，实现了对人体行为的端到端识别。在模型的训练过程中，提出了一种点云数据多阈值融合的方法，进一步提高了模型的泛化性和识别能力。该文根据公开的四维雷达成像数据集对所提方法进行验证，并与现有方法进行了比较。结果表明，所提方法在人体行为识别率达到96.75%，且消耗较少的参数量和运算量，验证了其有效性。
低频超宽带(UWB)雷达因其良好穿透性和分辨率，在人体行为识别领域具有显著的优势。针对现有的动作识别算法运算量大、网络参数多的问题，该文提出了一种基于时空点云的高效且轻量的超宽带雷达人体行为识别方法。首先通过UWB雷达采集人体的四维运动数据，然后采用离散采样的方法将雷达图像转换为点云表示，由于人体行为识别属于时间序列上的分类问题，该文结合PointNet++网络与Transformer网络提出了一种轻量化的时空网络，通过提取并分析四维点云的时空特征，实现了对人体行为的端到端识别。在模型的训练过程中，提出了一种点云数据多阈值融合的方法，进一步提高了模型的泛化性和识别能力。该文根据公开的四维雷达成像数据集对所提方法进行验证，并与现有方法进行了比较。结果表明，所提方法在人体行为识别率达到96.75%，且消耗较少的参数量和运算量，验证了其有效性。
20
2023, 12(6): 1229-1248.
分布式孔径相参合成通过对多个分散布置小孔径的收/发信号进行相参调整，使协同的分布式系统可以用相对低的成本获得比拟于大孔径的功率孔径积，是替代大孔径的可行技术选择。该文首先阐述了分布式孔径相参合成的概念和实现原理，根据是否需要合成目的地处的外部信号输入，将相参合成的实现架构分为闭环式和开环式两类；然后，较为全面地综述了分布式孔径相参合成在导弹防御、深空遥测遥控、超远距离雷达探测、射电天文多领域发展应用情况；进一步阐述相参合成必要且用于对准各孔径收发信号时间和相位的关键技术，包括高精度分布式时频传递和同步技术，以及相参合成参数估计、测量标定和预测技术；最后对分布式孔径相参合成研究进行了总结和展望。
分布式孔径相参合成通过对多个分散布置小孔径的收/发信号进行相参调整，使协同的分布式系统可以用相对低的成本获得比拟于大孔径的功率孔径积，是替代大孔径的可行技术选择。该文首先阐述了分布式孔径相参合成的概念和实现原理，根据是否需要合成目的地处的外部信号输入，将相参合成的实现架构分为闭环式和开环式两类；然后，较为全面地综述了分布式孔径相参合成在导弹防御、深空遥测遥控、超远距离雷达探测、射电天文多领域发展应用情况；进一步阐述相参合成必要且用于对准各孔径收发信号时间和相位的关键技术，包括高精度分布式时频传递和同步技术，以及相参合成参数估计、测量标定和预测技术；最后对分布式孔径相参合成研究进行了总结和展望。
- 首页
- 上一页
- 1
- 2
- 3
- 4
- 5
- 下一页
- 末页
- 共:5页
微信 | 公众平台 
