基于多尺度生成对抗网络的SAR图像样本增广

针对军用无人飞行器对海上重要舰船合成孔径雷达图像获取困难的问题,提出了一种从单一图像学习图像内部分布的无条件图像生成网络。该网络采用金字塔式多尺度生成对抗网络(GAN)思想,在每一层金字塔中都有一个GAN负责该尺度下图像块的生成和判别,且每个GAN具有相似的结构。生成器前端采用不同大小卷积核连接的Inception模块获取不同尺度下的图像特征,为了充分利用这些特征,加入了残差密集模块;判别器采用马尔科夫判别器的思想,捕捉不同尺度下的图像分布。将所有生成的图像制成数据集用于训练不同的目标检测算法,结果表明,训练后模型的平均精度得到了一定的提升,验证了该网络模型的有效性。

基于LFMCW雷达多目标检测的CA-CFAR改进算法

雷达目标检测器是雷达接收机中的重要组成部分,目标检测的目的是在恒虚警概率的约束下,最大化提升目标的检测效率。针对车载毫米波雷达目标检测过程中传统单元平均恒虚警率(CA-CFAR)在相邻多目标条件下往往会出现遮蔽的情况,改进了一种新的一维CA-CFAR检测算法。首先,对左右参考单元做等分处理,求出等分后各个子参考单元的平均值。然后,将子参考单元的平均值与参考单元的平均值进行比较。最后,对大于参考单元的平均值进行处理,得到新的检测门限。仿真和实验结果表明,改进CA-CFAR算法相比于传统CA-CFAR在线性调频连续波雷达多目标检测上具有更好的检测性能,验证了所提算法的有效性。

基于环境噪声的毫米波雷达动态阈值计算

为了有效剔除无效目标,降低雷达虚警概率,提出一种基于雷达环境噪声统计和目标功率分布特性的动态阈值计算方法。运用直方图统计方法估计每个距离门的噪声水平并对其进行峰值搜索找到局部峰值点,同时根据不同距离门雷达信号衰减的强弱,动态分配阈值增益,得到自适应峰值检测阈值。然后将局部峰值点作为参考单元的信号,并将其输入到检测方法中求解检测门限。实验结果表明,所提方法能够有效识别雷达在实际复杂应用场景下的目标。