复杂运动舰船目标SAR成像空/时变散焦特性研究

合成孔径雷达(sythetic aperture radar,SAR)能够对海上舰船目标进行全天时、全天候成像,但是运动舰船在高分辨率SAR图像上的方位向散焦会严重影响后续对舰船目标的识别。由于舰船运动的非合作性,目前对复杂运动舰船在SAR图像中的散焦特性认识不足。本文首先从SAR成像原理出发,理论推导得出舰船复杂运动引起的SAR回波信号相位误差的空变性和时变性是导致其SAR图像质量下降的决定性因素。在此基础上,构建了一个复杂运动舰船目标SAR成像模拟器,通过对不同运动状态、不同合成孔径时间舰船点、线、面目标的SAR成像仿真,揭示了复杂运动舰船目标SAR成像空/时变散焦特性。其中,空变性会造成舰船在SAR图像上非均匀散焦;时变性使得舰船在SAR图像上变为一条方位向能量带。最后,结合空/时变散焦特性,探讨了未来SAR运动舰船重聚焦技术的发展方向。

结合空时上下文信息的视频SAR图像相干斑滤波

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。

电控时变电磁材料的SAR成像特性研究

微动目标因具有在不同方向的运动分量,能够对电磁波进行微多普勒调制,导致目标成像特征出现方位向散焦效应,这种现象在目标识别与反识别领域被广泛关注与研究。相较而言,电控时变电磁材料通过外加激励实现对电磁波特征的灵活调控,具有更快的调制速度,而其成像特性没有被过多关注。该文以此为切入点,对电控时变电磁材料的合成孔径雷达(SAR)图像距离向调制特性进行了研究,分析了时变电磁材料谱变换模型和SAR目标特征控制原理。以相位调制表面(PSS)为代表,建立了非周期PSS相位调制模型,其频谱具有连续频移特性。在此基础上,探讨了PSS连续频移调制对SAR的影响,揭露了距离向目标散焦现象。通过SAR实测数据仿真,验证了所提理论方法的有效性。

基于级联网络的复杂大场景SAR图像舰船目标快速检测

合成孔径雷达(synthetic aperture radar,SAR)图像舰船目标检测紧贴军事和民用需求,为海洋监视提供重要信息支撑。针对复杂大场景SAR图像,本文设计了一种基于级联网络的舰船目标检测框架,该网络框架主要由D-BiSeNet海陆分割、分块区域筛选和CP-FCOS目标检测三部分组成。通过改进双边网络(D-BiSeNet)进行SAR图像海陆分割,增强了图像空间位置信息及网络边缘损失,提高了分割性能。通过海域面积比参数设定进行分块区域筛选,可以有效选择网络处理图像块,提升算法整体检测效率。CP-FCOS网络将Category-Position特征优化模块应用于传统FCOS网络,强化网络特征提取能力,同时改进目标分类和边界框回归方式,提高舰船目标定位效果。基于Sentinel-1和高分三号大场景实测数据实验表明,相比于传统CFAR、Faster-RCNN和RetinaNet方法,本文方法综合检测性能提升25.7%,3.7%和9.9%,同时检测速度提升10.0%以上。

多角度SAR图像非目标遮挡缺失信息重构

合成孔径雷达对地面目标侧视成像时,周围高大建筑或树木的阴影投射到目标上导致非目标遮挡,造成目标部分信息缺失,严重影响目标检测、识别以及跟踪的性能。SAR图像对角度敏感,相邻方位角图像之间相关性强,有助于缺失信息重构。本文首次将多角度SAR图像序列与张量分解结合,提出多角度SAR图像非目标遮挡缺失信息重构。首先,引入多路延时嵌入变换,将多角度SAR图像序列转换为块Hankel张量,以获取相邻方位角图像之间的潜在结构关系。然后,在嵌入的高维空间内进行Tucker分解,实现块Hankel张量缺失信息重构。最后对重构后的块Hankel张量进行多路延时嵌入逆变换实现目标缺失信息重构。MSTAR数据实验结果表明,该方法能实现非目标遮挡情况下车辆目标缺失信息重构,且优于经典算法HaLRTC。

坐标轴箔条云的电磁波传播特性研究

散射和传播是电磁波与目标相互作用时两个最基本的物理现象。在箔条干扰中,电磁波的传播效应是衡量箔条云团对敌方雷达波衰减能量的关键问题。本文针对一种坐标轴型箔条的应用需求,建立了箔条云和目标的合成回波模型,考虑了传播特性对目标散射回波的影响,并结合Oguchi方法对坐标轴箔条云的电磁波传播特性与箔条指向、位置、数量的关系进行了分析。仿真实验表明:坐标轴箔条云的电磁波传播特性不受其指向影响;在相同质量下,坐标轴箔条云的传播衰减约为传统箔条云的2.76倍,且不会出现相移,干扰性能更佳。此外,在给定仿真条件下,对不同数量的坐标轴箔条云在时间域和距离域上的干扰效果进行了分析,对坐标轴箔条的实际应用具有重要参考价值。

一种基于散射特征增强的SAR目标电磁仿真图像质量提升方法

现阶段深度学习算法在对合成孔径雷达(Synthetic Aperture Radar,SAR)目标识别时,通常面临着实测数据部分样本缺失的情况,利用电磁仿真数据进行辅助识别是有效途径之一。然而,仿真和实测数据存在不可避免的差异,现有仿真图像质量提升方法更关注仿真和实测图像整体风格的相似性,忽略了面向识别的目标散射特征的重要性。针对上述问题,本文提出了一种基于散射特征增强的SAR目标电磁仿真图像质量提升方法。该方法在循环生成对抗网络(Cycle Generative Adversarial Networks,CycleGAN)框架下,改进损失函数,一方面使用最小二乘损失函数替代交叉熵损失函数,避免了梯度消失,实现对目标纹理结构特征的迭代优化;另一方面引入MS-SSIM-L1损失函数,更好地保留生成图像的细节信息和结构轮廓,保持目标整体结构一致性,同时有效避免模型的过度学习。基于4类车辆目标仿真数据集和MSTAR实测数据集,利用目标轮廓、阴影轮廓和目标强度特征相似度指标,验证了本文方法增强了目标细节纹理和结构轮廓等散射特征。在此基础上,结合A-ConvNets网络开展了目标分类识别实验,相较于原始CycleGAN方法,本文方法在不同样本缺失条件下均提高了识别准确率。通过特征可视化,表明生成图像更接近实测图像的目标特征分布,验证了本文方法的有效性。

SAR图像飞机目标智能检测识别技术研究进展与展望

合成孔径雷达(SAR)采用相干成像机制,具有全天时、全天候成像的独特优势。飞机目标作为一种典型高价值目标,其检测与识别已成为SAR图像解译领域的研究热点。近年来,深度学习技术的引入,极大提升了SAR图像飞机目标检测与识别的性能。该文结合团队在SAR图像目标特别是飞机目标的检测与识别理论、算法及应用等方面的长期研究积累,对基于深度学习的SAR图像飞机目标检测与识别进行了全面回顾和综述,深入分析了SAR图像飞机目标特性及检测识别难点,总结了最新的研究进展以及不同方法的特点和应用场景,汇总整理了公开数据集及常用性能评估指标,最后,探讨了该领域研究面临的挑战和发展趋势。

PCM信号间歇收发互补设计与回波重构方法

间歇收发用于辐射式仿真中可以有效解决收发信号互耦的问题,但间歇收发会带来信号损失,导致相位编码信号距离像出现高旁瓣。为了解决这一问题,提出间歇收发互补序列设计方法,给出了收发序列参数设计方法,并对相位编码间歇收发回波进行重组拼接,消除间歇收发导致的回波缺失,获得了精确的目标距离像。仿真结果表明,收发互补设计及回波重组拼接能够准确重构回波,并且重构后互相关系数接近1,验证了所提方法的可行性与正确性。

基于极化时变调控表面的有源欺骗干扰辨识方法

聚焦雷达对抗中极化信息获取与利用的应用需求,该文研究了基于极化时变调控表面的有源欺骗干扰辨识方法。首先,设计了一套在9.6~10.1 GHz频带内支持3 bit相位量化的各向异性相位调制表面,通过优化相位调制编码序列,实现了极化态按需调控。然后,将极化调控表面加装在单极化雷达天线上,使天线发射和接收电磁波的极化态沿特定极化轨道变化,通过提取目标与有源欺骗干扰的极化域差异,实现两者辨识。仿真分析表明,在3种不同的极化轨道约束下,干扰与目标均具有显著的聚类效应,可获得稳定的干扰辨识效果。相较于依赖双极化或全极化雷达体制的干扰辨识方法,该文所提方法兼具低成本与高效性,在雷达抗干扰中具有很大的应用潜力。

基于ACM的LFM信号抗瞄准式干扰方法

瞄准式干扰由于干扰能量集中、干扰强度大,严重影响雷达目标探测性能。针对瞄准式干扰,提出了基于幅度编码调制(amplitude code modulation,ACM)的信号抗干扰方法。首先,通过设计ACM信号,实现雷达信号的频谱搬移,并根据ACM信号参数对匹配滤波器进行频移处理,获得谐波脉压的参考信号。其次,对谐波进行脉冲压缩处理,得到目标回波在谐波处的一维距离像。然后,通过能量补偿,弥补ACM带来的能量损失,即可得到与原始信号回波一致的目标一维距离像。最后,给出了ACM及回波抗干扰处理流程,并通过数字仿真进行验证。仿真结果表明,所提方法所获得的目标回波一维距离像与未被干扰信号获得的目标回波一维距离像基本一致。当调制频率为5倍信号带宽时,ACM信号较原始信号抗瞄准式干扰性能提升了32 dB。

基于子阵级处理的宽带非规则子阵相控阵鲁棒性干扰抑制

针对宽带非规则子阵相控阵在复杂干扰环境下性能变差的情况,提出一种基于子阵级处理的鲁棒性干扰抑制方法。首先,建立存在误差情况下的宽带阵列子阵级回波模型;通过子阵级数字Stretch处理将宽带线性调频回波信号变为窄带信号,降低处理的有效带宽;然后,进一步改进基于谱分离的干扰加噪声协方差矩阵重构方法,利用测量的先验信息划分子区间,减小重构区域,降低运算量;最后,利用获得的最优权值加权各通道数据获得阵列输出。所提方法有效利用非规则子阵优势,避免了规则子阵阵面方向图中存在栅瓣的情况,能够在存在多种组合干扰和误差的情况下抑制干扰,具有较强的鲁棒性。

基于船用导航雷达的舰船与角反组合体极化调控鉴别方法

舰船与角反射器的鉴别问题是一项具有挑战性的任务。常用的鉴别方法包括一维距离像、极化分解、极化域变焦等,基本思想均是通过发射大带宽信号提高距离分辨能力,后两种方法利用极化提升了目标鉴别的稳健性。单载频脉冲因距离分辨率低、脉压增益小,鲜有利用该信号鉴别舰船与角反的有关研究。但得益于较低的硬件成本,这种信号仍广泛应用于船用导航雷达。该文提出了一种基于船用导航雷达的舰船与角反组合体鉴别的极化调控方法,旨在充分挖掘窄带信号联合极化调控技术的目标鉴别潜力,通过构造极化-距离二维像,利用舰船和角反极化散射特性的差异实现鉴别。通过计算各个极化像和距离像之间皮尔逊相关系数的平均值,作为相关特征参数,利用支持向量机实现了目标鉴别。电磁仿真数据表明,在现有导航雷达所需目标探测信噪比(15 dB)和采样率(100 MHz)的基础上,增大设备带宽至信号带宽(2 MHz)的2~6倍,综合鉴别率可达90.18%~92.31%。探究了训练集俯仰角、方位角数据缺失50%对鉴别率的影响,4种情况在信噪比15 dB以上时鉴别率均高于85%;同时,在同等的窄带观测条件下对比该方法与极化分解方法的鉴别性能表明,在信噪比为15 dB及以上和6倍设备带宽的情况下,该方法综合鉴别率的平均值提升22.67%,这都充分证明了所提方法的有效性。此外,利用二面角和三面角在暗室构造了极化散射特性存在差异的两种场景,5组实测数据表明,回波信噪比为8~12 dB时,实验结果具有良好的类内聚合性和类间可分性,可作为电磁仿真鉴别结果的有效支撑。

间歇采样转发干扰技术研究述评

间歇采样转发干扰技术是一种巧妙的相干多假目标干扰技术,针对不同雷达体制、不同雷达波形等的新型间歇采样转发干扰技术已成为当前雷达对抗领域的研究热点之一。为进一步厘清间歇采样转发干扰技术特性及其拓展应用前景,本文从间歇采样转发干扰技术提出的背景及基本原理出发,详细梳理间歇采样转发干扰的技术发展历程,并对诸多新型间歇采样转发干扰技术进行分类总结,最后介绍间歇采样在雷达探测等其他方面的拓展应用,旨在为专家学者研究提供一定的参考。

合成孔径雷达极化成像解译识别技术的进展与展望

极化合成孔径雷达(SAR)能够获取目标的全极化信息,在对地观测、灾害评估、侦察监视等民用和军用领域得到广泛应用。国内主要高校、中科院、工业部门和用户单位在该领域开展了卓有成效的工作,取得一大批标志性研究成果。该文简要综述了极化SAR成像解译识别领域的主要研究进展。在解译层面,主要介绍了极化目标分解和极化旋转域解译等理论方法的研究进展。在应用层面,结合研究团队的工作,探讨了上述理论方法在舰船检测、地物分类和建筑物损毁评估等领域的应用成效。最后,对极化SAR目标解译识别技术的研究进行了展望。

FAGNet:基于MAFPN和GVR的遥感图像多尺度目标检测算法

针对大场景遥感图像内容复杂,并且具有目标种类较多、尺度不一、方向多变等特点,导致遥感图像中目标多类多尺度多方向的问题,提出一种基于多尺度注意力特征金字塔网络(MAFPN)以及滑动顶点回归(GVR)机制的遥感图像目标检测方法.首先利用骨干网络提取多层特征作为MAFPN的输入,MAFPN结合特征融合和注意力机制,在融合多个尺度的特征映射的基础上使用通道域注意力和空间域注意力机制来抑制噪声,增强有效特征复用,提高网络对目标多尺度特征的自适应性;将MAFPN输出的融合特征图输入区域建议网络(RPN)生成感兴趣区域,然后将其送入分类/回归网络;在分类/回归网络中使用GVR机制在预测水平框的基础上增加4个顶点偏移比例参数和旋转因子,将水平框转换为旋转框,以减少边框中冗余区域,使预测得到的旋转边框更贴合目标.在DOTA公开数据集上与多种基于卷积神经网络的经典检测算法进行对比的实验结果表明,该方法的平均检测精度得到显著提高,能够更加准确地检测多个尺度以及多个方向的目标,实现了多尺度目标的鲁棒性检测.

极化相控阵雷达技术研究综述

具有极化测量能力的相控阵雷达是世界强国用于导弹防御、空间监视等战略领域的尖端精密雷达,是军用雷达技术竞争的战略制高点。近年来,在精确制导、微波遥感和气象观测等领域也越来越多地出现了极化相控阵雷达,部分雷达系统已成为行业标杆。该文梳理了极化相控阵雷达在各领域的发展历程和系统研制情况,综述了极化测量误差校正、天线方向图重构、极化方向图综合等关乎极化信息精确获取的核心关键技术的研究现状,最后对极化相控阵雷达技术的发展进行了展望。

中段弹道目标分离过程动态散射特性分析

中段弹道目标会发生释放弹头、抛洒诱饵等多种形式的目标分离事件。在目标分离的前期,多目标之间距离较近,存在电磁耦合现象,诱发目标雷达散射截面积、极化等维度的电磁特征变化。准确地捕获这些变化就能辅助雷达进行资源调度,提高预警雷达对弹道目标的跟踪和识别能力。该文对中段弹道目标3种分离方式的动态散射特性进行了深入分析,在此基础上提出了可以判断目标分离事件发生的特征量,促进弹道目标行为辨识的发展。

联合特征增强和锚点自动生成的遥感图像高精度目标检测

目标检测是遥感图像处理领域中一项重要而具有挑战性的任务,针对遥感图像中目标尺度差异较大以及方向分布随机等导致的遥感图像多尺度目标检测精度较低问题,本文提出一种基于特征增强和锚点框自动生成模块的目标检测方法。该方法在ResNet50网络中加入可操控的空洞卷积模块,并以此为基础设计了增强特征金字塔网络,提高网络对于目标多尺度特征表达能力。在区域建议网络中利用锚点框自动生成模块自主学习锚点框的位置和形状,以此获得更为稀疏和高质量的候选区域。本文在NWPU VHR-10数据集和飞机目标数据集上与多种基于卷积神经网络的目标检测算法进行对比实验,结果表明,本文所提方法在两个数据集上的mAP均为最优,分别为99.2%和87.7%,该方法具有较强的尺度自适应能力,有效的提高了遥感图像多尺度目标检测的精度。

基于深度CNN模型的SAR图像有源干扰类型识别方法

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。