基于属性散射中心模型的SAR超分辨成像算法

基于属性散射中心模型,提出一种稳健而快速的SAR超分辨成像算法,在超分辨的同时能够考虑到目标的整体结构。首先利用改进的正交匹配追踪算法(OMP)对简化的属性散射中心模型进行参数估计,然后基于估计的模型参数在信号重构时进行二维频谱外推实现SAR超分辨成像。该算法具有较高的运算效率,相对于传统基于点散射模型超分辨算法,能够有效解决部件不连续的问题,并且初始指向角的利用可以取得良好的聚焦效果。仿真实验验证了该算法的优越性。

多视角属性散射中心模型的部件提取与合成

传统的点散射中心模型只能表征目标的位置信息,无法表示目标的长度和角度,而属性散射中心模型表征了目标的几何特性。为了能得到目标的全方位部件信息,鉴于属性散射中心模型参数估计的缘故,提出基于属性散射中心的多视角参数化部件提取与合成算法。首先将大视角有重叠的划分为若干子视角,分别进行属性散射中心模型的参数估计,然后将各参数统一投影到同一坐标系下,再进行参数的融合,最终得到目标参数集。该算法得到的这套参数可以反演目标回波数据,提高图像可视性,进行目标识别与分类。最后用两个仿真实验验证了此算法的有效性。

基于三维散射中心模型的一维距离像识别

提出了基于三维散射中心模型的两种距离像识别思路,第一种利用全姿态三维散射中心模型恢复各个姿态下的距离像模板并训练分类器,将待识别距离像通过训练后的分类器完成识别;另一种思路将全姿态三维散射中心模型向各个视线方向投影得到一维散射中心模板,采用特征提取方法从待识别距离像中提取一维散射中心特征并与散射中心模板匹配完成识别。由于训练数据或匹配模板都由三维散射中心模型实时生成,因此这两种方法都大大节省了存储空间。采用暗室测量数据和电磁计算数据对两种思路分别进行了仿真试验,结果验证了方法的有效性。

目标二维像散射中心模型中的参数估计

为了从目标二维像中获得目标更为丰富的信息,本文利用基于几何绕射理论(GTD)的参数化散射模型,确定了模型中参数的估计是一个对于连续和离散混合参量的非线性、非凸面的高维最小化问题;并提出了迭代最大似然(ML)估计算法、CLEAN算法和RELAX算法以及改进的迭代ML估计算法.最后给出了仿真计算结果.

基于多散射中心模型的雷达目标识别方法

针对宽带毫米波雷达目标识别要求 ,提出了一种基于目标光学区多散射中心模型进行目标匹配识别的新方法。该方法首先基于多散射中心理论建立待识别目标的模型、利用遗传算法的全局优化能力进行目标识别。与常规的全姿态角匹配识别方法比较 ,具有需要的存储量、计算量较少的特点。仿真试验验证了该算法的有效性。

基于SAR数据的三维散射中心模型位置重构方法

该文面向目标识别应用阐述了基于SAR数据的3维散射中心模型位置重构的基本方法。首先阐述了如何从SAR数据中重构出目标的3维散射中心模型的基本框架,然后提出了基于散射中心模型2维参数的3维散射中心模型重构方法,最后通过仿真实验验证了该方法的正确性。

结合属性散射中心模型和空间变迹法的SAR图像旁瓣抑制方法

针对合成孔径雷达(synthetic aperture radar,SAR)图像旁瓣抑制问题,提出结合属性散射中心模型和空间变迹法(spatially variant apodization,SVA)的新途径。空间变迹法作为一种经典超分辨率图像处理技术,能在抑制旁瓣的同时保持良好的主瓣分辨率。属性散射中心可以很好地描述目标在高频区的电磁散射特性,是分析SAR图像的有力工具。基于属性散射模型的参数估计得到的先验知识再利用空间变迹法处理SAR图像,达到抑制旁瓣的目的。实验结果表明,该方法可以有效抑制SAR图像旁瓣。

一维GTD散射中心模型参数估计的改进MUSIC算法

针对利用多重信号分类(MUSIC)算法估计一维几何绕射理论(GTD)的散射中心模型时噪声鲁棒性较差、参数精度不高这一问题,提出一类改进的MUSIC算法。首先,构建原始回波数据的共轭矩阵,有效提高了原始回波数据的利用率;其次,将原始回波数据的协方差矩阵、共轭数据的协方差矩阵叠加取平均,得到一个新的总协方差矩阵;最后,对矩阵作2次方、4次方等偶次方处理,得到另一矩阵,以达到增大信号特征值与噪声特征值之间差距的作用,等效为增大了信噪比。仿真结果表明:所提改进算法的参数估计性能及噪声鲁棒性均要优于经典MUSIC算法。

基于属性散射中心模型的SAR目标重构可视化增强方法

基于属性散射中心模型对实测SAR数据进行参数估计,利用参数估计的结果对实测SAR目标重构可视化增强对于辅助SAR解译人员进行判别具有重要的意义。该文提出了一种新的可视化增强方法,利用成像操作(IFFT)的线性特征,在参数估计的基础上,基于属性散射中心模型分别对各个散射中心自适应成像,最后叠加重构整幅SAR图像。实验结果表明,该方法可以有效提高目标重构的可视化效果。

基于散射中心模型的目标时域回波快速仿真

为快速获取超宽带电磁脉冲激励下雷达目标在时域上的电磁响应,提出一种基于属性散射中心正向建模的方法用于目标时域回波仿真。从目标几何模型出发,利用射线追踪、分集技术对空间中所有射线进行标记与归类,分离并定量表征目标的强散射源。基于属性散射中心模型,正向确定模型参数,构建出目标属性散射中心模型,在选定的辐射源激励下进行仿真计算,快速获取目标时域回波信号。以典型目标简化坦克为例,选取不同形式的超宽带电磁脉冲信号作为辐射源,基于正向建模方法构建简化坦克的散射中心模型,快速获取给定电磁脉冲激励下的雷达回波信号,并与利用高频仿真方法得到的一维距离像对比,结果具有较好的一致性,从而验证了利用散射中心模型快速进行不同辐射源激励下回波仿真的有效性。

任意多次散射机理的GTD散射中心模型频率依赖因子表达

几何绕射理论(GTD)模型是一种重要的散射中心模型,能准确描述雷达目标主要散射机理的频率依赖行为,但目前在频率依赖因子与散射机理类型之间尚未建立明确、一般的数学关系。该文从射线理论出发,结合几何光学(GO),GTD,物理绕射理论(PTD)和驻相法(SPM)等方法,推导了理想电导体(PEC)目标任意多次散射机理的频率依赖因子数学表达式。该表达式具有简洁、统一的解析形式,指出散射中心频率依赖因子与形成散射中心的射线反射次数、射线经过的几何元素维数以及射线场焦散情况等因素有关。一系列典型组合体目标的电磁仿真与微波暗室测量数据验证了提出公式的有效性。该文提出的频率依赖因子表达可应用于正向参数化建模中频率依赖因子的正向推算。

基于目标属性散射中心模型的正向参数化建模

针对雷达目标自动识别,对目标属性散射中心进行了参数化建模。建模前,基于实体部件分解的目标进行高精度几何建模,提出了一套含空间射线分集的射线追踪方法。基于此,发展了一套基于空间射线分集的目标散射中心参数化正向建模方法。在现有的提取面类散射源的基础上,增加了目标边缘强散射源的散射中心,同时推算出了其模型参数。将该方法所得的结果与现有高频方法的结果进行对比,验证了参数化模型的有效性。所提出的参数化建模的方法为雷达目标特征数据库的获取提供了一条新的辅助途径。

基于物理启发机器学习的属性散射中心提取方法

基于参数化散射中心模型进行参数估计是实现合成孔径雷达高级信息获取(SAR AIR)技术的基本思路之一,传统的属性散射中心(ASC)参数估计算法往往具有计算速度慢、算法复杂度高、对参数初值要求高等问题。对此,该文提出一个新的基于无监督学习的端到端框架用于从SAR图像反演ASC参数。首先,利用自编码式网络结构有效提取目标图像特征,缓解由于优化空间复杂非凸导致的直接求解困难,解决初值敏感问题;其次,通过嵌入ASC模型作为物理解码器以将编码器输出约束为正确的ASC参数;最后,通过端到端的模型架构进行学习和推理,达到降低算法复杂度及提高估计速度的目的。通过在仿真和实测数据上进行测试,实验结果表明在0.15 m分辨率测试集SAR图像上取得低于0.1 m的估计误差,反演单个散射中心平均耗时0.06 s,验证了该文所提方法的有效性、高效性与鲁棒性。

基于RANSAC和三维谱峰分析的全姿态散射中心建模

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。

目标近场电磁散射中心建模与特征参数反演

为了通过较少散射场数据实现雷达目标特性建模和参数反演,提出了一种基于时频图多普勒特征的散射中心建模和特征参数反演方法,采用单频点下的一维角度近场扫描数据实现对目标二维散射中心的提取。通过平滑伪Wigner-Ville分布(smooth and pseudo Wigner-Ville distribution,SPWVD)分析方法生成高分辨率时频图,根据不同类型散射中心的多普勒特征,通过Radon逆变换(inverse Radon transform,IRT)提取散射中心模型的位置和幅度参数,并将提取的散射中心位置参数与几何模型参数、散射中心模型重构雷达散射截面积(RCS)与仿真的RCS进行了性能对比。结果表明:该方法只需要单频点的一维角度扫描数据,即可有效提取目标散射中心位置和幅度等特征参数,且重构RCS的均方根误差小于3 dBsm。

雷达目标散射中心参数估计的极限性能分析

本文基于衰减指数和(DE)模型的克拉美-罗限(CRB)研究散射中心参数估计的极限性能.通过对单分量和双分量DE模型CRB矩阵的化简,获得了散射中心位置、强度、类型参数估计精度与雷达参数、目标参数的关系式,并导出了鉴别散射中心类型的信噪比门限和宽带雷达的极限分辨力.本文的结果均以解析式给出,揭示了各参数间相互影响的规律.仿真验证了结论的有效性.

雷达目标的散射中心建模研究

雷达目标总散射场可近似为若干散射中心贡献的叠加,而每一个散射中心都对应着特定的电磁散射机理,这些特定散射机理的散射场可表示成输入为雷达参数(频率、极化、视向角)和目标参数(几何、材料)的参数化模型.散射中心参数化模型在雷达回波实时模拟、半实物仿真、雷达目标识别等领域得到了广泛的关注.文中总结了雷达散射中心模型的发展历程,包括散射中心数学模型和散射中心参数提取方法,以及散射中心建模的难点问题和未来的研究方向.期望该文可为从事该方面研究的科研人员提供一些参考.

SAR目标属性散射中心特征提取与分析

散射中心是高频区雷达目标电磁散射的基本特征,对SAR图像解译、目标识别等具有重要意义。与经典的理想点散射中心模型相比,属性散射中心模型通过引入散射响应对频率、方位角的依赖因子,可更精确地建模高分辨SAR图像目标的散射特性,但与此同时,由于特征参数的维数更高,因此相应的特征提取方法也更复杂。提出了一种基于CLEAN思想的图像域区域解耦合的近似最大似然估计(RD-AML-CLEAN)高分辨SAR图像目标属性散射中心特征提取方法,并通过仿真SAR图像数据的实验结果对算法性能进行了定性、定量的分析与评估。

复杂目标散射中心建模的修正

实际雷达目标的散射中心属性非常复杂,如不规则的几何结构、遮挡,均会增加散射中心精确建模的难度。现有的散射中心模型并未考虑这些实际问题,为了提高建模精度,需对现有模型进行合理修正。对散射中心模型中的频率依赖项、不规则平面的反射、局部遮挡造成的散射强度变化问题,给出了具体的修正方法。通过数值验证,证实了修正模型模拟复杂目标雷达散射截面起伏特性、雷达距离-方位图像以及时频像特征的精确性。

跨谱段SAR散射中心多维参数解耦和估计方法

微波光子雷达发射大带宽跨谱段的信号,为目标的精细电磁特性描述和准确识别提供基础的同时,也亟需与之相应的大带宽大转角情况下的电磁模型参数提取方法。相比窄带条件,跨谱段信号数据量大,所含物理量信息维度高且复杂,大转角情况下距离和方位向耦合。该文提出跨谱段SAR散射中心多维参数解耦和估计方法,首先结合极坐标格式算法(PFA)和属性散射中心模型构造2维解耦波数域散射中心模型,再结合坐标下降法(CDA)将复杂的高维耦合参数估计方法简化为循环迭代的1维参数估计方法,有效降低字典维度和估计复杂度,并引入Hooke-Jeeves算法提高估计精度。最后根据各个散射中心的参数估计结果对它们的结构和位置进行识别,对仿真数据的处理实验验证了该文方法的有效性。