无人机(unmanned aerial vehicle, UAV)集群在军事和民用领域的应用越来越广泛, 针对UAV集群目标电磁散射特性的获取和分析对生成对抗策略及反UAV有着重要的研究价值。目前, UAV集群动态测量数据获取难度较大、成本高; 而对于仿真数据, 传统计算电磁方法建模精度和效率较低, 有效的特性数据不足。因此, 提出了一种基于模式/区域分解的UAV集群目标电磁仿真方法, 该方法在矩量法的基础上, 引入特征模分解和区域分解技术, 前者极大地降低了计算未知量, 后者有效地解决了建模精度问题, 为UAV集群目标特性数据的生成提供了创新技术支撑。
为进一步优化散射中心参数化模型建模方法, 本文从目标的几何模型出发, 对复杂目标结构按几何面进行分区编号后, 进行散射中心模型的正向自动化建模。自动化方法主要实现了模型长度、位置等参数的自动推算。该方法实现了对目标散射来源、散射机理和散射中心模型参数的全自动判定, 提高了建模效率。首先对几何模型部件分解, 然后采用射线追踪与分集技术, 将目标散射场依照精度要求简化为部分射线贡献叠加, 并研究了散射中心模型参数的自动推算。最后本文计算了一系列散射中心参数化模型, 并与可靠数据对比, 验证了本文自动化建模方法的有效性。
传统合成孔径雷达(synthetic aperture radar, SAR)成像技术假设目标回波是由各向同性的点散射模型的相干叠加形成, 在大转角成像时不再适用。且各向同性的散射模型忽略了目标同一结构像素间的相关性, 容易导致结构不连续, 给后续目标识别带来困难。为此, 本文提出了一种基于属性散射中心模型的SAR成像算法, 利用不同散射中心表现出的不同特性对其分别进行成像, 增强属于同一结构的像素间的相关性, 提高SAR图像的可视性。最后, 基于仿真和实测数据实验结果, 验证了方法的有效性, 与现有算法对比, 所提算法的图像质量在定性和定量评价指标上都有所提升。
传统的雷达高分辨距离像(high resolution range profile, HRRP)序列识别方法依赖于人工特征提取, 并且现有的深度学习方法存在梯度消失问题, 导致收敛速度慢, 识别精度低。针对上述问题, 提出一种基于注意力机制的堆叠长短时记忆(attention-based stacked long short-term memory, Attention-SLSTM)网络模型, 该模型通过堆叠多个长短时记忆(long short-term memory, LSTM)网络层, 实现了HRRP序列更深层次抽象特征的提取; 通过替换模型的激活函数, 减缓了堆叠LSTM(stacked LSTM, SLSTM)模型梯度消失问题; 引入注意力机制计算特征序列的分配权重并用于分类识别步骤, 增强了隐藏层特征的非线性表达能力。模型在雷达目标识别标准数据集MSTAR上多种不同目的的实验结果表明, 所提方法具有更快的收敛速度和更好的识别性能, 与多种现有方法对比具有更高的识别率, 证明了所提方法的正确性和有效性。
针对极化合成孔径雷达(synthetic aperture radar, SAR)在城市区域复杂地物条件下的密集车辆目标检测问题, 提出了一种结合超像素分割和Wishart分类器的非监督目标检测方法。首先,根据不同地物的极化散射特征检测出建筑物。然后,利用不包含建筑物的Wishart分类器和超像素分割获得目标的形态信息。接着,利用包含建筑物的Wishart分类器获得目标中心点。最后,通过区域生长对二者进行信息融合并完成目标检测任务。基于X波段的机载极化SAR数据表明, 所提算法不仅可以对密集目标进行区分和定位, 并且目标形态保持完整; 相比于传统方法, 目标检测与虚警鉴别性能得到较大提升。
在采用低散射金属支架的目标雷达散射截面(radar cross section, RCS)测量中, 被测目标与低散射金属支架之间的耦合散射效应是影响测量数据不确定度的重要因素。以RCS测试中常用的短粗圆柱定标体和飞翼外形隐身飞机模型为被测目标, 重点研究目标与金属支架间的表面波型与多次反射型两种主要耦合散射机理。采用一维高分辨距离像、时频分析、二维逆合成孔径雷达成像等技术, 分析了被测目标与金属支架之间不同类型耦合散射的形成机理, 并据此提出了相应的消除方法。数值计算与仿真结果验证了本文方法的有效性。
针对3~5级海况下X波段极化合成孔径雷达(synthetic aperture radar, SAR)海杂波的仿真和统计建模, 首先利用Apel海浪谱模型和Monte Carlo方法仿真不同风速下的大尺寸二维粗糙海面, 进而分别利用物理光学模型和弹跳射线法两种高频电磁散射模型考虑海面的单次散射和多次散射, 实现大尺寸海面的极化SAR海杂波仿真, 并利用X波段地球物理模式函数和岸基实测海杂波对仿真海杂波的精度和统计分布进行验证。基于仿真海杂波数据, 利用典型的乘积模型和Mellin类统计量开展海杂波统计建模和特性分析。仿真结果表明, 在2 m×2 m的高分辨率条件下, X波段同极化海杂波并不服从适用于中低分辨率海杂波的K分布, 且在不同风速风向下呈现出不同的纹理特征; X波段交叉极化海杂波表现出较弱的纹理特征, 服从Wishart分布; 随着入射角和雷达视数的增大, 海杂波的纹理特征逐渐减弱。
在复杂场景中, 目标与环境之间的耦合散射会造成雷达图像特征的干扰, 这一问题给雷达目标自动识别与跟踪技术带来了困难, 成为雷达、电磁领域持续关注的热点研究问题。目前, 使用传统的电磁数值计算方法对复杂场景散射问题进行仿真, 所需计算资源巨大, 耗时很长, 而且多限于针对单一类型复合目标, 难以满足实际工程应用需求。针对此问题,提出了复杂场景散射中心模型化的方法, 集成散射中心模型、物理光学法、积分方程法、四路径模型、射线追踪等方法为一体, 实现了复杂场景、群目标雷达成像快速仿真。本文给出了三种有代表性的复杂场景的逆合成孔径雷达成像仿真结果, 验证了本文方法的可行性及泛用性。
(地物的电磁散射特性一直以来在遥感、探测、反隐身等领域具有重要的应用价值。由于地物类型繁多且分布不均匀, 随着计算场景的扩大, 理论模型变的越来越复杂, 计算量也会直线上升。在这种情况下, 现有计算平台和建模能力不足以模拟并准确地得到场景环境较大时典型地物的电磁散射特性, 导致理论模型的预测值与实验测量数据相差甚远。因此, 急需建立一种高效的全波电磁分析方法, 从而能够精确、高效地分析典型地物的电磁散射特性, 为实际大型地面场景特性仿真提供模型与理论支撑。)本文建立了求解TDS、介质的混合积分方程, 采用周期格林函数技术, 实现大场景下典型植被的雷达散射截面积快速计算。
基于面中心立方体(face-centered cube, FCC)网格的空间结构, 由麦克斯韦方程出发, 推导了基于FCC网格的单轴各向异性介质完全匹配层(uniaxial anisotropic media perfectly matched layer, UPML)吸收边界条件以及近-远场外推边界条件的三维迭代式。通过典型算例, 先后验证了基于面中心立方体网格的时域有限差分(FCC-finite difference time domain, FCC-FDTD)方法的UPML吸收边界条件和近远场外推边界条件的正确性。最后通过计算金属球的后向雷达散射截面(radar cross section, RCS)比较了FCC-FDTD方法与传统FDTD方法的计算精度, 结果显示FCC-FDTD方法具有更高的计算精度。