针对距离采样失配的多波形自适应脉冲压缩

针对距离单元内调频信号的回波采样点与目标点失配(即距离采样失配)时,引发回波采样波形与参考信号波形之间相位失配以及自适应脉冲压缩性能下降等问题,提出了一种针对距离采样失配的多波形自适应脉冲压缩(multi-waveform adaptive pulse compression,MWAPC)方法。所提方法将多基地自适应脉冲压缩(multistatic adaptive pulse compression,MAPC)方法应用到单基地雷达,首先将单基地雷达的原始发射信号过采样得到多个采样版本的发射信号,并将各种采样版本视为不同的波形;然后借助于自适应脉冲压缩对相位失配的敏感性,依次用不同采样版本的发射信号对回波信号做多波形自适应脉冲压缩构建距离维与采样维的二维输出,得到在距离单元内目标点与采样点的相对位置关系。实验证明,所提方法可根据多个采样版本的采样时序将自适应脉冲压缩的二维输出延展成一维。相比于常规脉压方法,所提方法不仅能抑制因采样失配而产生的距离旁瓣,还可获得超出传统脉压方法的分辨能力,在同一距离单元内区分出不同位置的目标。

联合脉压与Radon傅里叶变换的长时间相参积累方法

传统相干雷达信号处理流程中先脉冲压缩再相参处理的级联处理在理论上无法实现对高速目标回波能量的最大化积累,级联处理的输出结果中目标峰值位置存在偏差,甚至还伴随主瓣展宽、增益下降、旁瓣增高的问题。为此该文提出一种联合脉压与Radon傅里叶变换(PC-RFT)的长时间相参积累方法,利用信号之间的相关关系将匹配滤波与Radon傅里叶变换相结合,在快时间(脉内时间)与慢时间(脉间时间)维度上同时补偿脉内和脉间的多普勒频移,从而实现目标增益的最大化。实验表明二维联合处理的性能明显优于级联处理。

杂波背景下基于概率假设密度的辅助粒子滤波检测前跟踪改进算法

在杂波背景条件下,现有的基于概率假设密度(PHD)滤波的粒子滤波检测前跟踪(TBD)算法,存在对密集多目标数目估计不准,使用粒子数目较多会造成维数灾难的问题。因此,该文引入两层粒子的概念,将基于平行分割(PP)理论的辅助粒子滤波(APF)应用于基于概率假设密度的检测前跟踪(PHD-TBD)算法中,提出基于概率假设密度滤波的平行分割辅助粒子滤波检测前跟踪(APP-PF-PHD-TBD)算法以提高目标数目及状态估计精度。仿真实验证明,相对于现有基于PHD的粒子滤波检测前跟踪算法,该算法在目标数目和状态估计精度上具有显著的性能优势,在密集目标场景下,优势尤为突出。最后,利用导航雷达实测所得海杂波背景数据证明,该算法在应用中性能更加优异。

改进的SMC-CBMeMBer前向后向平滑检测前跟踪算法

针对在雷达观测下机动弱小目标的检测前跟踪(TBD)问题中,基于序贯蒙特卡洛的势均衡多伯努利检测前跟踪(SMC-CBMeMBer-TBD)算法存在目标的数目估计不准确及状态估计精度随时间下降的问题,提出了一种基于SMC-CBMeMBer前向后向平滑检测前跟踪的改进算法。该算法在预测和更新过程之间加入多目标粒子群优化算法(MOPSO),基于观测值设置适应度目标函数,使粒子集群向后验概率密度较为集中的位置分布,缓解了粒子贫乏的问题;在更新步骤之后加入平滑递归方法,利用观测值平滑滤波值,算法运算时间虽有一定延长,但获得了数目和状态估计精度的提升。仿真实验表明,与CBMeMBer-TBD方法相比,所提算法在对机动目标数目估计和目标状态估计的准确度等性能上都有所改进。

基于PHD的粒子滤波检测前跟踪改进算法

针对在低信噪比目标检测问题中,基于PHD的粒子滤波检测前跟踪算法(PHD-TBD)存在目标位置估计误差较大的缺陷,提出一种结合粒子群优化算法的基于PHD的粒子滤波检测前跟踪方法(PSO-PHD-TBD)。该算法在滤波预测和更新步骤之间加入基于NSGA-Ⅱ的多目标粒子群优化算法,结合量测信息将预测完成的粒子集的分布进行优化,将所有粒子转移到后验概率密度较大的区域,进而改善了多目标位置估计的性能;然后使用基于密度聚类的DBSCAN算法对粒子聚类,提取目标状态。仿真实验表明,在不同信噪比条件下,PSO-PHD-TBD在多目标数目估计情况与PHD-TBD算法一致,而位置估计精度明显优于PHD-TBD算法。

基于线性约束最小方差原则的稳健快速自适应脉冲压缩方法

针对线性调频信号在距离单元内的回波采样点与目标点失配,即采样失配的情况下,自适应脉冲压缩性能下降的问题,对快速自适应脉冲压缩(fast adaptive pulse compression,FAPC)方法进行改进,提出一种基于线性约束最小方差(linearly constrained minimum variance,LCMV)原则的连续分块FAPC(contiguous block FAPC,CFAPC)方法。该方法将自适应波束形成方法类比到自适应脉冲压缩滤波方法中,首先在最小方差无畸变响应(minimum variance distortionless response,MVDR)原则保持增益的前提下增加零点约束条件,加宽零点凹口的宽度;而后对分块的协方差矩阵设置置零条件,抑制旁瓣能量,实现在采样失配情况下保持稳健的目的。实验结果表明,在脉内多普勒频移和采样失配同时存在的情况下,所提方法可以更好地抑制目标的距离旁瓣,具有较好的稳健性。

基于神经网络的遥感图像海陆语义分割方法

针对海陆语义分割中陆地、码头形状多样,背景目标复杂等情况造成的像素分类错误、边界分割模糊等问题,提出了一种新的基于深度卷积神经网络的遥感图像海陆语义分割方法。该方法以端对端的训练方式实现了对目标的逐像素分类,为了解决海陆分割中像素分类错误,设计以不同尺度图像为输入的三个并行的编码结构,通过融合不同尺度的特征图,丰富特征代表算子的语义信息,增大像素分类准确率。为了解决海陆分割中边界分割模糊,通过设计能够融合编码结构中低层精细位置信息的解码结构,对特征图进行更加精确的上采样,恢复像素的密集位置信息,提高海陆分割准确度。为有效验证所提网络框架的优势,构建了海陆分割数据集HRSC2016-SL进行算法性能比较。与最新的语义分割算法相比,所提算法取得了更好的分割结果。

杂波背景下的时距联合检测前聚焦方法研究

传统相干雷达信号处理流程对跨距离单元走动的目标一般采用脉冲压缩与Radon傅里叶变换(RFT)先后级联的处理方法,但级联方法存在以下问题:一是对高速目标能量积累的过程中目标峰值位置偏移甚至主瓣展宽、增益下降、旁瓣增高;二是缺少有效杂波抑制,影响弱目标检测。为此,该文借鉴多维信号联合以及杂波抑制的思想,提出一种杂波背景条件下将脉冲压缩、RFT与自适应杂波抑制联合的时距联合检测前聚焦方法(APCRFT)。该方法首先将脉内时间(快时间)与脉间时间(慢时间)两个雷达信号处理维度相联合,引入与高速目标相对应的二维导向矢量,补偿脉内和脉间的多普勒频移;然后根据辅助数据估计脉冲压缩前的杂波协方差矩阵;最后根据杂波协方差矩阵和导向矢量确定最优滤波器权矢量。在距离-速度二维空间中,该方法能有效地抑制杂波,同时对目标能量进行最佳聚焦。仿真结果表明,该方法与先脉冲压缩后自适应Radon傅里叶变换(ARFT)的级联方法相比性能更优。

基于CPHD的双层粒子滤波目标跟踪算法

常规基于势概率假设密度滤波(Cardinalized Probability Hypothesis Density,CPHD)的粒子滤波(Particle Fil⁃ter,PF)跟踪算法应用于多目标跟踪时,容易遇到因粒子数量增加而带来的运算效率下降、目标数目估计不准的问题。文章基于常规粒子滤波CPHD跟踪算法,通过部署双层粒子,提出基于势概率假设密度滤波的双层粒子滤波(Two-Layer Particle Filter-CPHD,TLPF-CPHD)算法,以便提高目标数目及状态估计精度。仿真实验结果证明,相比于常规PF-CPHD算法,新算法具有更好的目标数目和状态估计准确性。