针对数据不平衡情况下的降水粒子分类问题, 提出了一种基于纠错输出码(error correcting output code, ECOC)平衡随机森林的双偏振气象雷达降水粒子分类方法。首先, 将多类别降水粒子数据集编码为多个二分类数据集; 然后, 对二分类数据集进行有放回的平衡重采样, 构建多棵分类回归树; 最后, 利用所有的分类回归树联合进行降水粒子分类。对实测数据的处理结果表明, 所提方法能够在保证总体准确率较高的情况下, 大幅提高少数类的分类效果。
间歇采样转发干扰凭借快速准确的采样和转发手段, 利用脉压雷达的匹配滤波特性形成假目标群, 严重影响目标检测和跟踪性能。针对这一问题, 结合波形设计和滤波思想, 设计一种脉内频率-时延捷变波形, 并在此基础上提出一种基于时频分析的抗间歇采样转发干扰方法。首先, 将线性调频信号划分为多个子脉冲, 并在子脉冲之间增加随机时延。然后, 提取未被干扰的子脉冲进行目标位置的准确判断, 结合子脉冲的频率和随机时延等先验信息, 利用迭代阈值分割算法去除强干扰信号。最后, 通过构造时频域和时域带通滤波器分别进行子脉冲滤波和时域滤波处理。仿真实验结果表明, 所提方法在不同干信比、信噪比和非同步采样情况下具有较好的抗间歇采样转发干扰性能。
分布式相参雷达(distributed coherent aperture radar, DCAR)所发射信号仅能在感兴趣点处完全相参叠加,在一定发射相参效率约束下,因相参位置失配会出现能量弥散现象。对此,定义“相参景深”用以描述该能量弥散现象,并给出相参景深形成原因,指出其有界性和周期性特征,分析其影响因素,以具象化和定量化的方式揭示发射相参效率空间分布规律,可有效支撑DCAR发射信号参数和阵列构型选择等工程实践。最后,以多节点单元雷达的DCAR设计仿真实验,证明了所提方法的有效性。
在无人艇利用导航雷达进行环境感知的过程中, 针对雷达回波图中出现的区域破碎现象以及对运动目标进行跟踪时存在较大误差的问题, 提出了一种应用于导航雷达的目标检测跟踪方法提高无人艇对水面目标的检测能力。首先, 对雷达原始回波图像解析并进行预处理操作; 其次, 在图像连通的基础上, 设计自适应阈值分割Hausdorff匹配算法对回波图和地图进行匹配, 区分属于目标和陆地的回波; 然后, 对连续两帧的雷达回波图进行目标匹配; 最后, 通过加入预测序列模型的经验模态分解算法优化检测跟踪结果, 提高获取目标信息的准确性。实验验证结果表明: 对1 km内相对运动速度低于30节的水面目标, 所提方法目标检测概率提升了6.5%, 距离误差低于2%, 航速误差低于6%, 航向误差低于6°, 整体性能优于工程中常用的检测跟踪方法。
弹道中段目标为一个目标群, 包括弹头、诱饵、碎片等, 并且由于距离传感器较远, 红外成像为点目标, 可用信息较少, 因此单一的红外传感器往往难以满足识别要求, 需要融合多个传感器进行识别。针对红外多传感器的融合识别问题, 本文提出了基于增量支持向量机和D-S (increment support vector machine-Dempster-Shafer, ISVM-DS)证据理论的融合识别方法。首先, 训练多个波段传感器红外特征的支持向量数据描述(support vector data description, SVDD)模型, 生成壳向量并训练其ISVM模型; 接着, 采用ISVM模型的后验概率生成基本概率赋值(basic probability assignment, BPA); 最后, 利用D-S证据理论对多个证据的BPA进行融合, 输出分类结果。实验结果表明, 该方法能有效提高目标识别的准确性。
脉内频率捷变雷达通过自身“主动”抗干扰特性, 利用传统间歇采样转发干扰的不连续性和周期性的特点, 结合抗干扰算法, 可以有效抑制间歇采样转发干扰。为提高干扰机对脉内频率捷变雷达的干扰效能, 本文提出采用非均匀间歇采样转发干扰对脉内频率捷变雷达进行干扰, 首先对截获到的脉内频率捷变雷达信号通过时频脊线提取与小波变换进行参数估计, 获取子脉冲宽度, 然后根据子脉冲宽度约束干扰参数, 构造非均匀间歇采样转发干扰。理论分析和结果表明, 通过非均匀间歇采样转发使得脉内频率捷变雷达在时频域等多域难以抑制干扰, 极大地提升了干扰机的干扰能力。
大掠射角下,对海雷达导引头观测到的海杂波强度激增, 舰船目标检测困难。本文结合全极化雷达导引头挂飞实测数据, 分析了回波幅度和相位特性。首先, 采用典型分布对回波幅度分布进行拟合, 并利用拟合优度对拟合效果作出评估; 然后, 分析了平均相位变化量。结果表明: 在大掠射角条件下, 雷达导引头各极化通道海杂波幅度服从K分布; 海杂波与舰船回波幅度在同极化通道服从K分布, 在交叉极化通道服从对数正态分布; 交叉极化通道回波信杂比高于同极化通道; 海杂波与舰船回波相位平均变化量小于海杂波。
双基地宽带成像雷达由于不同源会产生时间同步误差和调频率同步误差。针对这一问题, 面向低成本、小型化雷达接收机设计同步方法。针对时间同步问题, 提出了直达波触发的收发脉宽非一致时间同步方案, 通过使用直达波触发接收窗启用时刻, 同时增加接收窗长度和低通匹配滤波, 以完成时间同步。针对调频率同步问题, 提出了采用吕氏分布对调频率误差进行估计, 进而进行补偿, 以完成调频率同步。该时间及调频率同步方法基本不需要增加接收机硬件成本, 可以适应小型化接收雷达需求。基于小型宽带雷达搭建室内的双基宽带雷达模型, 实验实现了双基雷达同步以及数据采集、成像。实验结果验证了所提方法的有效性。
针对目前基于深度学习的合成孔径雷达(synthetic aperture radar, SAR)舰船检测锚框尺度固定、多尺度检测性能较差的问题, 提出了一种基于锚框自适应和多尺度增强网络(adaptive anchor multi-scale enhancement network, AA-MSE-Net)的SAR舰船检测方法。首先, AA-MSE-Net引入了锚框自适应机制, 来生成适应目标形态的高质量锚框, 增强了舰船形态描述能力。其次, AA-MSE-Net提出了多尺度增强金字塔网络, 来融合增强多尺度特征, 增强了多尺度描述能力。最后, AA-MSE-Net在骨干网络中引入了可变形卷积, 来提取舰船形变特征, 进一步提高检测精度。实验证明, AA-MSE-Net在公开SAR舰船检测数据集上的平均精度高于8种对比方法。
针对联合广义标签多伯努利(joint generalized labeled multi-Bernoulli, J-GLMB)滤波算法中群目标之间距离较近、容易关联错误的问题, 结合超图匹配(hypergraph matching, HGM)提出一种基于HGM-J-GLMB滤波器的可分辨群目标跟踪算法。首先, 采用J-GLMB滤波器估计群内各目标的状态、数目及轨迹信息, 并利用HGM结果提升量测与预测状态之间的关联性能。其次, 通过图理论计算邻接矩阵, 获取群结构信息和子群数目。随后, 利用群结构信息估计协作噪声, 进而校正目标的预测状态。最后, 通过平滑算法改善滤波效果, 并设置轨迹长度阈值, 使其在平滑状态达到消除短轨迹的目的。仿真实验表明, 所提算法在线性系统下能有效提升群目标跟踪性能。
针对鉴别局部保持投影(discriminant locality preserving projections, DLPP)在窄带雷达目标数据降维时出现的类内离散度矩阵奇异和对孤立点敏感进而导致类别之间可分性弱的问题, 提出了基于鲁棒性边界DLPP(robust margin DLPP, RMDLPP)的窄带雷达空中目标分类方法。首先, 在计算样本之间距离时将两样本点的欧氏距离与同类样本均值相关联。然后, 挑选一定数量的边界样本点进行处理并对优化DLPP目标函数进行降维。最后, 使用高性能分类器对降维后的数据进行区分, 实现对空中目标的分类。通过对X波段对空警戒雷达实测数据的对比实验表明, 所提方法具有更好的分类准确率和对孤立点的鲁棒性。
近场高分辨率成像的需求日益增加, 传统的后向投影成像算法忽略了周围复杂电磁环境给成像带来的不良影响, 在对回波进行相干积累的过程中不可避免地将周围杂波映射到目标图像网格上, 导致图像质量较差。针对这一问题, 提出一种基于天线方向图波束补偿的后向投影成像增强技术。该技术通过提前生成自适应能量衰减系数矩阵, 对目标回波幅度进行衰减补偿, 能有效抑制复杂电磁环境下强散射点给成像过程带来的不良影响。实测及实验结果表明, 所提方法不仅在抑制杂波的前提下增强了图像质量, 也能降低成像过程中相干积累的次数, 提高了成像效率。
受瞬态干扰影响和空海同时探测的需求,在长相参积累时间条件下,天波超视距雷达(over-the-horizon radar, OTHR)回波信号的有效采样点往往缺损且非均匀,严重影响目标检测性能。针对此问题, 提出了一种基于压缩感知的OTHR频谱重构方法。首先, 建立了OTHR频域信号的稀疏模型; 然后, 提出了快速自适应复近似消息传递(fast adaptive complex approximate message passing, FACAMP)频谱重构算法并给出了算法实现步骤; 最后, 利用FACAMP算法实现了OTHR频谱重构并分析了重构性能。与现有重构算法相比, FACAMP算法具有重构精度高、运算复杂度低、可自适应调整参数和保留背景噪声高斯性的优势。理论分析和仿真实验均验证了所提算法的有效性。
针对舰船三维摆动和海尖峰制约高海情环境弹载雷达探测性能的问题, 面向高海情探测环境提出了一种新的成像检测思路。首先, 基于高海情环境分别建立舰船与海杂波回波模型;其次,将改进离散调频傅里叶变换算法(modified discrete chirp Fourier transform, MDCFT)引入回波多普勒成像,消除了高阶项相位导致的散焦现象;在此基础上,利用水平集算法分割目标与背景区域,然后利用聚类算法确定每个目标区域;最后,基于提取的目标特征判决每个区域对应的目标身份。利用仿真数据的实验结果验证了所提算法的有效性。所提方法综合考虑了成像与检测环节性能的提升,为高海情环境下的弹载雷达制导提供了一种可行思路。
针对分布式干扰机掩护目标突防雷达网背景下的干扰资源分配问题, 提出了一种引入随机密钥的改进离散模拟退火遗传算法(improved discrete simulated annealing genetic algorithm, IDSA-GA)对资源分配过程进行优化。基于雷达网融合检测概率构建干扰效果评估函数, 利用IDSA-GA对函数寻优求解。IDSA-GA在模拟退火遗传算法(simulated annealing genetic algorithm, SA-GA)的基础上引入随机密钥, 完成算法的离散化; 并在迭代的过程中增加记忆功能, 克服了过早收敛的现象。仿真结果表明, 与GA相比, 提出的IDSA-GA收敛迅速, 寻优能力强, 能有效解决干扰资源优化分配问题。
现有合成孔径雷达(synthetic aperture radar, SAR)舰船实例分割方法未实现掩模交互或交互性能有限, 导致检测精度较低。针对上述问题, 提出了一种基于掩模注意型交互(mask attention interaction, MAI)的SAR舰船实例分割方法MAI-Net。首先, MAI-Net使用了膨胀空间金字塔池化, 来获取多分辨率特征响应, 增强了对背景的鉴别能力。其次, MAI-Net使用了非局部注意力模块来抑制低价值信息, 实现了空间特征自注意。最后, MAI-Net提出了拼接混洗注意力模块来平衡不同特征图的贡献, 进一步提高了实例分割精度。在公开的像素级多边形分割SAR舰船检测数据集(polygon segmentation SAR ship detection dataset, PSeg-SSDD)上的实验结果表明, MAI-Net的SAR舰船实例分割精度高于现有其他11种对比模型, 实例分割精度达到61.1%, 高于次优模型1.5%。
针对合成孔径雷达(synthetic aperture radar, SAR)图像船舶目标尺度不一且易受海面、地面杂波和相干斑噪声的影响, 难以提取目标多维特征且特征融合过程中易产生语义歧义, 造成船舶目标检测率低, 虚警率高的问题, 提出一个基于全局位置信息和残差特征融合的SAR船舶目标检测算法。基于Faster区域卷积神经网络(region convolutional neural network, R-CNN)目标检测算法, 在特征提取网络和特征融合网络中进行改进: 在特征提取网络中使用高宽注意力机制提取目标在图像中的全局位置信息, 增强目标的多维特征提取能力; 在特征融合网络中使用带有残差连接的双向特征金字塔网络削弱特征融合过程中的语义歧义, 降低复杂背景下的船舶目标虚警率, 同时进行不同层级的多尺度特征双向融合, 增强高低层特征的联系, 提升多尺度船舶目标的检测能力。在SAR船舶数据集上达到98.2%的均值平均精度, 超过部分算法2.4%以上。实验表明, 所提算法有效提取了目标的多维特征, 显著缓解了语义歧义问题, 具有较好的检测能力和泛化能力。
冲激脉冲(impulse radio, IR)超宽带(ultra-wideband, UWB)穿墙雷达因其良好的穿透性和距离分辨率在穿墙人体行为识别领域具有重要作用, 但是常规识别方法仅采用单域特征对行为模式进行描述, 识别准确率不高。针对这一问题, 提出基于时频域特征融合的IR-UWB穿墙雷达人体行为识别算法。首先, 通过杂波抑制及距离补偿方法获取高信噪比的人体行为距离像。其次, 基于距离像提取目标时域特征, 与频域特征进行融合, 构建数据集。最后, 基于支持向量机(support vector machine, SVM)算法对人体行为进行识别。实验结果表明, 所提算法对于IR-UWB穿墙雷达人体行为识别能够达到95%的准确率。
在构建智慧控制, 万物互联的背景下, 通过手势远程控制设备, 进行人机交互逐渐成为研究热点。对此, 提出了一种以毫米波雷达为传感器, 采用基于纯自注意力机制模型实现手势识别的方法。首先, 采集正面视角的13类手势的时序回波数据。接着,对数据进行三维快速傅里叶变换(three-dimension fast Fourier transform, 3D-FFT)、动目标显示(moving target indication, MTI)、恒虚警率(constant false alarm rate, CFAR)检测操作并进行固定种类特征提取, 将这些特征传入基于纯自注意力机制网络的雷达特征变换(radar feature transformer, RFT)网络。最后, 基于实测数据完成了数据特征提取、网络训练、手势识别等步骤。实验结果表明, 所提方法在测试集上准确率达到95.38%, 网络训练时间短, 模型复杂度低, 泛化性好, 为现有研究提供了新的研究思路。
在无人机载、弹载综合电子应用领域, 基于传统分立器件设计的信号处理系统面临日益突显的资源受限问题。因此, 针对无人机载、弹载综合电子系统的多功能、小型化、高性能应用的迫切需求, 提出一种侦干探多功能一体化信号处理微系统集成设计技术。基于三维堆叠等先进封装技术, 将射频直采数模/模数转换器、可编程逻辑器件、处理器、大容量易失型存储器、非易失性存储器以及阻容等诸多元件进行共封装设计集成, 构成可同时完成侦察、干扰、探测功能信号处理的微系统, 并构建多功能应用场景, 完成软硬件测试验证。该微系统不仅在体积、重量、性能、集成度等方面具有一定优越性, 而且大大简化了信号处理系统的复杂电路设计, 更便于系统的标准化、通用化和软件化, 具有较大的应用前景。
本文面向阵列天线低副瓣的实际应用需求, 利用空时编码的思路设计加权矢量, 分别提出序贯快速傅里叶变换(fast Fourier transform, FFT)方法、约束方程计算方法和优化函数求解方法, 对应多脉冲低副瓣方向图综合时加权矢量时变、不变和奇偶交替变的3种不同工作模式。理论分析和仿真实验表明, 序贯FFT和约束方程计算方法均能实现超低副瓣方向图(优于-50 dB), 而优化函数求解方法在实现低副瓣的同时仍能保持方向图主瓣的良好性能, 避免了传统方向图综合方法无法同时兼顾主副瓣性能的缺点。另外, 从计算复杂度、随机幅相误差、干扰抑制等各方面综合分析了不同方法的优缺点, 可为实际阵列天线的工程应用提供理论指导和技术参考。
针对传统几何参数估计方法对成像质量要求较高, 对低信噪比、稀疏孔径的散射回波数据估计精度低的问题, 选择球头锥目标为研究对象, 提出了一种使用几何参数散射模型和正交匹配追踪(orthogonal matching pursuit, OMP)算法相结合的方法, 简化了计算过程, 提升了参数估计精度。该方法首先根据先验信息确定代估参数的取值范围, 并等间隔地在取值范围内设置参数网格, 再根据对应的参数值计算散射模型, 生成二维像, 之后通过OMP算法拟合回波信号的成像结果, 得到精确的几何参数估计值。所提方法实现了在原始回波数据质量较差的情况下,对球头锥类目标的几何参数精确估计与重构。
雷达程控捷变频行为具有一定的抗窄带瞄准式干扰能力, 同时能够实现测量和动目标指示等功能, 给干扰引导带来一定的困难。对此,提出随机频率模板的方法, 对雷达程控捷变频行为进行建模, 并设计了一种双胞循环神经网络识别程控捷变频行为。仿真实验结果表明, 双胞循环神经网络能够有效识别雷达程控捷变频行为, 并以一定的概率预测未来的频率序列, 能够有效地为窄带瞄准式干扰提供引导。仿真结果也表明, 所提网络能够有效记忆和识别一组非线性时间序列。
针对基于概率假设密度(probability hypothesis density, PHD)的分布式多传感器多目标跟踪(distributed multi-sensor multi-target tracking, DMMT)存在无法形成航迹、计算复杂度高、目标漏检等问题。本文基于航迹PHD后验估计提出了一种DMMT方法。为此, 首先构建了各节点估计航迹间相似性度量矩阵, 并采用匈牙利算法实现最优航迹匹配; 其次采用协方差逆准则对关联航迹实现并行融合; 最后基于概率生成泛函推导了一种鲁棒的DMMT方法。仿真实验验证了所提算法在目标状态估计精度、计算有效性和实时性方面的优势。
基于杂波谱稀疏恢复(sparse recovery, SR)的空时自适应处理(space-time adaptive processing, STAP)技术对训练样本个数要求低, 适用于杂波非均匀环境。然而在双基地配置下, 杂波脊不落在均匀网格点上, 这将造成网格失配, 严重影响SR-STAP方法性能。针对双基地机载雷达杂波的网格失配问题, 提出了一种利用杂波脊先验信息划分非均匀网格的SR-STAP方法, 所提方法首先由导航系统或参数估计方法获得待检测单元的杂波空时轨迹, 然后根据杂波空时轨迹和均匀划分的空间频率确定初始归一化多普勒频率集合, 接着根据可调参数更新归一化多普勒频率集合, 最后构造对应的非均匀字典。所提方法可适用于任意双基地配置情况。仿真结果表明, 应用非均匀字典的SR-STAP方法的杂波抑制性能较传统均匀字典有较大提升, 并能在非理想条件下表现稳健。
针对传统恒虚警率(constant false-alarm rate, CFAR)方法难以探测鸟类目标的问题, 提出一种基于时频(time-frequency, TF)域鸟类目标微多普勒贝叶斯增强算法。首先, 以鸟类目标扑翼模型为基础, 建立雷达回波信号及微多普勒模型。其次, 考虑短时傅里叶变换(short-time Fourier transform, STFT), 对回波信号进行时频分析。针对STFT加窗操作影响分辨率及其对杂波敏感的问题, 引入广义高斯分布对先验自适应建模, 在贝叶斯推理方式下实现时频域微多普勒特征增强。考虑到目标非多普勒特征非平滑, 后验分布计算困难, 提出用近端未调整朗之万算法(proximal unadjusted Langevin algorithm, P-ULA)进行高效求解。仿真及实测实验数据表明, 所提算法不仅能够有效抑制背景噪声, 而且可以在一定程度上保留微多普勒特征的连续性。
对多雷达干扰效果评估的难点在于分析干扰机对非目标雷达的影响。针对干扰机转发一部线性调频(linear frequency modulation, LFM)雷达的信号无意干扰另一部LFM雷达时的检测概率估计问题, 首先计算了被干扰雷达对干扰信号在空域、频域和时域上的接收增益; 其次将干扰信号在判决单元中的统计特性建模为非中心卡方分布, 并给出了检测概率和虚警概率的计算方法。仿真结果表明, 在一部干扰机的无意干扰下, 估计的检测概率可作为被干扰雷达检测概率的上限; 为达到同样的干扰效果, 转发非目标雷达的信号实施干扰, 比转发目标雷达的信号进行干扰所需的干扰功率更少。
作为合成孔径雷达(synthetic aperture radar, SAR)的一种新体制, 视频SAR能够对场景连续成像, 在目标检测、跟踪等应用情景有独特优势。然而, 相干斑的存在影响了视频SAR图像质量及后续目标检测应用。针对这一问题, 提出了一种结合空时上下文信息的视频SAR图像相干斑滤波方法。该方法主要由3步构成: 首先构建能表征视频SAR图像距离-方位-时间三维动态散射信息的空时上下文协方差矩阵; 其次根据协方差矩阵的相似检验选取一定邻域内目标像素的相似样本; 最后根据相似样本进行平均实现相干斑滤波。基于两组实测视频SAR数据开展相干斑滤波对比实验, 实验结果表明所提方法能在有效抑制相干斑的同时较好地保留目标细节信息, 验证了所提方法的有效性和优势。
机载雷达下视工作面临严重的地海杂波, 雷达平台运动造成杂波多普勒频率严重扩散, 将微弱目标完全淹没。空时自适应处理(space time adaptive processing, STAP)技术通过联合多天线脉冲的接收信号, 能够有效地抑制杂波, 实现运动目标检测。对于非正侧视阵列高速平台雷达, 杂波距离依赖和距离模糊严重制约着目标检测性能。基于多载频频控阵, 通过发射一组载频不同的正交信号, 在杂波回波中, 获得新的发射维自由度, 并根据不同模糊在发射维的差异分离各模糊区域。此外, 通过进一步对分离后的近程进行杂波补偿, 利用降维STAP实现杂波抑制。仿真结果验证了所提方法的有效性。
为改善复杂目标的成像表现、提升雷达图像的视觉效果,提出一种基于稀疏重构的多视角多输入多输出(multiple input multiple output, MIMO)雷达关联成像方法,设计了多视角雷达散射面积(radar cross section, RCS)起伏的稀疏重构关联成像模型。所提算法能提高辐射场信号随机性,改善复杂目标雷达关联成像参考信号与回波之间相关性退化的情况,减小多视角RCS起伏对相关性的影响,提升多视角下的关联成像质量。最后,通过仿真验证了所提方法的有效性。