DRFM干扰在OFDM新体制雷达中的研究

新体制雷达以正交频分复用(OFDM)数字调制方式作为雷达信号源,具有高频谱效率、高分辨能力等优点。本文首先介绍了新体制雷达系统的基本组成部分,主要包括OFDM信号源、发射模块、环境模块、接收模块和信号处理模块。其次介绍了数字射频存储器(DRFM)干扰的主要组成部分以及工作原理,其中主要包括假目标干扰。最后将DRFM干扰与新体制雷达结合,在加干扰和不加干扰两种情况下对仿真目标进行测距和测速,结果验证了新体制雷达测量目标的准确性以及DRFM干扰的可行性。对新体制雷达及DRFM干扰研究具有参考意义。

合成孔径雷达快速后向投影算法综述

后向投影(BP)算法是合成孔径雷达成像算法发展的重要方向之一。然而,由于BP算法具有较大的计算量,阻碍了其在工程应用上的发展。因此,近年来如何有效地提高BP算法的运算效率受到了广泛的重视。该文讨论了基于多种成像面坐标系的快速BP算法,包括距离-方位平面坐标系、地平面坐标系和非欧氏坐标系。该文首先简要介绍了原始BP算法的原理和不同坐标系对加速BP算法的影响,并对BP算法的发展历程进行梳理。然后讨论了基于不同成像面坐标系的快速BP算法的研究进展,并重点介绍了作者所在研究团队近年来在快速BP成像方面完成的研究工作。最后介绍了快速BP算法在工程上的应用,并展望了未来快速BP成像算法的研究发展趋势。

基于DenseNet和卷积注意力模块的高精度手势识别

非接触的手势识别是一种新型人机交互方式,在增强现实(AR)/虚拟现实(VR)、智能家居、智能医疗等方面有着广阔的应用前景,近年来成为一个研究热点。由于需要利用毫米波雷达进行更精确的微动手势识别,该文提出一种新型的基于MIMO毫米波雷达的微动手势识别方法。采用4片AWR1243雷达板级联而成的毫米波级联(MMWCAS)雷达采集手势回波,对手势回波进行时频分析,基于距离-多普勒(RD)图和3D点云检测出人手目标。通过数据预处理,提取手势目标的距离-时间谱图(RTM)、多普勒-时间谱图(DTM)、方位角-时间谱图(ATM)和俯仰角-时间谱图(ETM),更加全面地表征手势的运动特征,并形成混合特征谱图(FTM),对12种微动手势进行识别。设计了基于DenseNet和卷积注意力模块的手势识别网络,将混合特征谱图作为网络的输入,创新性地融合了卷积注意力模块(CBAM),实验表明,识别准确率达到99.03%,且该网络将注意力放在手势动作的前半段,实现了高精度的手势识别。

微波视觉与SAR图像智能解译

高分辨率雷达成像技术和人工智能、大数据技术的快速发展,有力促进了雷达图像智能解译技术的进步。由于雷达传感器本身的特殊性和电磁散射成像物理的复杂性,雷达图像的解译缺乏光学图像的直观性,准确迅速识别分类的需求对雷达图像解译提出了迫切的挑战。在借鉴人脑光视觉感知机理和计算机视觉图像处理相关技术基础上,进一步融合电磁散射物理规律及其雷达成像机理,我们提出发展微波域雷达图像解译的“微波视觉”的新交叉领域研究。该文介绍微波视觉的概念与内涵,提出微波视觉认知模型,阐述其基础理论问题与技术路线,最后介绍了作者团队在相关问题上的初步研究进展。

MCJ-UNet:一种双/多通道联合InSAR相位解缠网络

干涉合成孔径雷达(InSAR)可实现地表高程的高效获取,在地形测绘中应用广泛。双/多通道InSAR技术可借助不同通道(基线、频点)的高程模糊度差异,解决相位欠采样问题,完成高程陡变区域的干涉相位解缠,实现InSAR技术在测绘困难区域的有效应用。该文即面向高效高精度相位解缠需求,利用深度学习这一有力工具,结合不同通道的相位特征及相互约束关系,提出了一种双/多通道联合干涉相位解缠网络:Multi-Channel-Joint-UNet(MCJ-UNet)。该网络的构建以双通道(双频、双基线)InSAR为基本观测构型,并可实现向多通道构型的扩展,其构建的核心思路主要包括3点:首先,将干涉相位解缠中的模糊数估计问题转化为语义分割问题,并采用UNet网络完成分割处理;其次,引入挤压激励模块(SE)动态调整信息权重,以增强网络不同通道对其所需信息的感知能力;最后,利用多通道联合约束下的相位残差优化损失函数,实现网络调谐。此外,为避免语义分割结果的边缘细节误差对解缠效果的影响,该文还提出了一种基于多通道联合约束的解缠误差自修正方法,以保证解缠质量。模拟地形仿真数据、真实地形仿真数据以及TerraSAR-X实测数据验证了所提方法的有效性。

合成孔径雷达在深空探测任务中的应用与发展趋势

合成孔径雷达以飞机、卫星等运动物体为载体,具备全天候、全天时观测能力,俨然成为一种高效的遥感探测手段,在深空探测、军事侦察、地形测绘、灾害监测、农林生长监测和洋流观测等众多领域广泛应用。对几个国外深空探测器携带的SAR系统的技术状态、科学目标和探测成果进行了梳理,并作出了相应的比较分析,希望能够对中国未来深空探测任务提供一定的帮助。同时,对未来深空探测星载SAR发展趋势进行分析,星载SAR逐渐向着高分辨率、多参数、多模式、多基成像和轻量化等多方面发展,终将在更丰富的应用领域中发挥重要的作用。

面向外辐射源雷达目标探测的非时变稀疏模型和深度展开网络实现方法

近年来,基于稀疏特征提取的目标探测方法成为了雷达领域的研究热点。基于正交频分复用调制的外辐射源雷达(简称“外源雷达”)由于发射波形不受控,一方面构建的稀疏模型会随未知发射波形时变,导致相应的目标探测方法计算量大;另一方面目标回波常常因被直达波等强杂波掩盖而面临探测困难。在此背景下,利用外源雷达的正交频分复用波形特点,使用导频位置处频域信道响应提出一种非时变稀疏模型。通过将稀疏模型求解的每一次迭代过程替代为一层神经网络,首次研究了基于深度展开网络的智能化外源雷达目标探测实现方法。仿真和实测数据结果表明:所提方法与传统杂波抑制方法在目标探测上性能相近,但有着更低的计算复杂度,且无需人工设计稀疏矩阵等稀疏模型求解参数。

基于功率谱流形的信息几何DP-TBD算法

针对复杂杂波背景下目标信杂比起伏而导致的漏检问题,本文结合信息几何检测器的性能优势与动态规划检测前跟踪(Dynamic Programming Track Before Detect,DP-TBD)的多帧信息积累能力,提出了基于功率谱流形的信息几何DP-TBD算法.该算法利用功率谱流形与矩阵流形对偶关系,设计了功率谱信息几何检测器,将信息几何检测器的计算复杂度降低了近两个数量级.通过实测数据实验验证,功率谱DP-TBD算法可实现与矩阵DP-TBD算法相近的检测性能,并将运算时间降低为矩阵DP-TBD算法的3%~8%.此外,相较于信息几何检测器,功率谱DP-TBD可将检测信杂比(Signal-to-Clutter Ratio,SCR)提高2~3 dB.

星载SAR在轨成像高效处理系统硬件实现设计

星载合成孔径雷达(Synthetic Aperture Radar,SAR)在轨成像技术是灾害检测、军事侦察等高时效遥感应用场景的关键手段,以现场可编程门阵列(Field-Programmable Gate Array,FPGA)+数字信号处理器(Digital Signal Processing/Processor,DSP)为处理核心是一种搭建星载SAR在轨成像系统的典型方案,在异构算力、能效比、灵活度等方面综合评价良好。但现有的FPGA+DSP系统在算法支持、大粒度处理、片上并行加速、复杂矩阵转置方面仍研究不足,成像性能仍然有较大提升空间。本文对支持大斜视、高分辨成像的非线性调频变标算法(Nonlinear Chirp Scaling Algorithm,NCS)算法进行分析,根据运算复杂度和类型将算法划分为主流程和辅助路程,以此为依据提出NCS算法在FPGA+DSP系统中的异构映射方案;针对多通道快速傅里叶变换(Fast Fourier Transform,FFT)处理后数据存储形式发生变换、难以流水处理的问题,提出基于时频抽取切换的多通道FFT协同处理方法,保证多通道FFT处理高效进行;针对不同粒度、不同并行度场景下转置需求复杂多变的问题,提出基于X-直接存储器访问(X-Direct Memory Access,XDMA)+片上分割转置的通用交叉转置方案。本文采用2片VX690T FPGA和2片FT6678 DSP为核心处理器研制了星载SAR成像板卡,实现了提出的系统设计方案。同时,本文搭建了基于模拟源+地检的验证环境,对条带/扫描/聚束/滑聚/TOPS模式的仿真点阵数据和条带/滑聚模式的实测数据进行处理。点阵数据的二维峰值旁瓣比约为-13.2 dB,二维积分旁瓣比约为-10.1 dB,成像质量良好;以条带模式为例,图像尺寸为32K×16K,基于NCS算法的平均成像时间为7.81 s,成像速度较现有方案大幅提升。

信号极化方式对跟踪接收机相位影响研究

移动卫通站大范围机动时可能会出现跟踪接收机相位漂移问题,这与使用的信号极化方式有关,必需采取相应的相位补偿措施才能保持天线的稳定跟踪。以典型卫通地面站天线馈源网络结构为参考,结合圆极化器工作原理,解析了不同状态下各接收端口输出信号的表达式,并根据单通道单脉冲跟踪接收机工作原理及其相位物理含义,全面研究了和、差信号不同极化组合时相位与极化角的关系,据此进行相位补偿,可有效解决地理位置变化引起的跟踪接收机相位漂移问题,并通过多个应用案例进行了验证。最后给出了信号极化方式选择建议,跟踪圆极化卫星时和、差信号极化方式应相同,跟踪线极化卫星时差信号极化方式应保持不变。

多次散射中心横向位置属性及图像表征

多次散射结构是不可忽视的重要散射来源,其等效视在散射中心往往偏离目标区域,目前的解译和识别方法不具备对SAR图像中的多次散射中心现象进行散射机理和散射结构溯源的能力。为深入挖掘多次散射中心位置的本质,本文以散射中心的理论为基础,正向建立了具有明确物理含义的散射中心模型,揭示了多次散射中心横向位置与复杂多次射线路径的联系,解释了多普勒频率的形成机制,并探讨了其在雷达目标识别中的应用。首先,本文从电磁散射物理过程出发,推导了任意阶次射线场的解析表达式;其次,结合正向物理推导获取的雷达回波信号表达式与逆傅里叶变换,表征了目标在单站雷达上的图像特征,实现了散射中心三维空间位置在单站雷达图像中的直接映射;最后,通过仿真,构建了多次散射射线光程、回波信号相位表征、雷达图像散射中心位置三者之间的物理关联。

基于点云分割网络的雷达信号分选方法

针对现有基于图像分割的端到端雷达信号分选方法存在的像素点重叠与处理效率不高的问题,该文提出一种基于点云分割网络的端到端分选方法。首先将雷达脉冲流的脉冲描述字(PDW)映射为点云;之后利用点云分割网络(PointNet++)对该点云中各点依据其所属辐射源进行分割;最后将具有相同标签的点聚类形成脉冲集合,分别提取各脉冲集合所包含的辐射源并形成相应的辐射源描述字。仿真结果表明:所提方法能够有效对未知雷达信号进行分选,在脉冲丢失和虚假脉冲干扰的分选环境下也表现出较强的可靠性与稳定性,并且由于采用具有轻量化特点的模型使得该方法的执行效率更高。

多角度探测模式下结合Hough变换与SVR的墙后目标定位算法

多普勒穿墙雷达在定位墙后目标时,存在以下两个难点:(1)准确获取频率混叠区域目标瞬时频率;(2)通过获取精确的墙体参数来减小墙体对定位造成的影响。针对以上问题该文提出了一种结合Hough变换和支持向量回归-BP神经网络的目标定位算法。该文首先设计了一种多视角融合穿墙目标探测模型框架,通过获取不同视角下的目标位置来提供辅助估计墙体参数信息;其次,结合差分进化算法和切比雪夫插值多项式提出了一种目标瞬时频率曲线的高精度提取和估计算法;最后,利用估计的墙体参数信息,提出了一种基于BP神经网络的目标运动轨迹补偿算法,抑制了障碍物对目标定位结果的扭曲影响,实现了对墙后目标的精确定位。实验结果表明,相较于传统的短时傅里叶方法,该文所述方法可以准确提取时频混叠区域的目标瞬时频率曲线并减小墙体造成的影响,从而实现墙后多目标的准确定位,整体定位精度提升了约85%。

基于脉冲间隔分布矩阵的抗抖性改进算法

为解决利用脉冲间隔分布矩阵(PIDM)进行分选无抗抖性的问题,提出了一种改进算法.借鉴改进PRI变换法交叠PRI箱的思想,以PIDM矩阵中PRI箱交叠范围内的幅度之和替代元素幅度,以此进行主周期行、子序列行和门限计算,并对门限的计算方式进行了改进,对过门限的值进行聚类分析,以簇中均值(子序列提取)或最小值(主周期提取)作为真实PRI值.研究结果表明,改进算法在基本保持了原算法分选成功率的基础上,具有一定的抗抖性(5%~10%),并也能适应于多部辐射源的复杂环境.

宽带复合双基地雷达舰船目标长度估计方法

舰船目标长度特征对舰船目标识别具有重要作用,该文提出一种基于宽带复合双基地雷达联合观测的舰船目标长度估计方法。该方法综合利用单/双基地雷达高分辨距离像(HRRPs)长度,结合双基地雷达-舰船之间的空间关系求解,实现了单次测量估计舰船目标的实际长度,并分析了各种误差因素和几何构型条件下的估计误差。典型场景动态仿真证明了所提方法的有效性,结果表明在高分辨距离像长度误差小于5%条件下,舰船目标长度估计误差小于5%,为舰船目标特征提取与识别提供了新思路。

基于半波相消的旋转叶片微动回波时频分析

在雷达探测场景中常见旋转引起的微多普勒效应,产生的微动特征与目标的几何和运动参数相关。文中从微动回波的线积分模型出发,基于半波相消的角度对旋转叶片微动回波时频特征形成机理进行了全面分析。首先在远场条件下,基于半波相消分析了旋转微动瞬时频率的形成机理,解释了其旋转微动时频特征的双端效应。进一步地,将半波相消分析扩展至近场条件,解释了近场条件下时频图双端区和镜面散射区凸显的效应。对于远场和近场条件,该文均给出了时频结果的定量解析计算方法。从图像形状和能量变化的角度对近、远场的时频特征进行分析,讨论了不同条件和参数对时频特征形状和细节的影响,基于半波相消分析将近场和远场分析统一起来,同时将线积分模型和局部散射模型联系起来。仿真实验验证了所提分析方法的正确性。

基于WGAN-GP-CNN的海面小目标检测

针对传统基于统计理论的海面小目标检测方法在复杂海面环境中性能不高的问题,该文提出了一种改进的检测方法。首先通过分析海杂波和目标回波的特征,将检测问题转化为特征空间的分类任务。鉴于海面小目标样本数量有限,存在样本不平衡的问题,该文引入了一种基于梯度惩罚的沃瑟斯坦生成对抗网络(Wasserstein Generative Adversarial Network with Gradient Penalty,WGAN-GP)来增强目标数据,从而在数量上平衡目标样本与海杂波样本。同时,对原始WGAN-GP网络的损失函数进行了改进,引入相位损失以确保生成数据能够反映真实数据的相位信息。基于这些数据,进一步提取了生成目标和海杂波的高维特征,并将其送入卷积神经网络(Convolutional Neural Network,CNN)进行训练。为了应对高维特征空间中虚警概率难以控制的问题,对CNN算法进行了改进,通过设置Softmax分类器的阈值,实现了虚警概率可控。最后,借助公开的IPIX雷达数据集进行实验验证,所提的WGAN-GP-CNN检测器在积累时间为1.024 s,虚警概率为0.001时,平均检测概率达到0.8683,具有良好的检测效果。

基于长短路融合及数据平衡的SAR船舶检测算法

针对SAR图像检测船舶任务中的目标小、近岸样本目标检测困难等问题,文章提出一种名为长短路特征融合网络(Long and Short path Feature Fusion Network,LSFF-Net)的船舶检测网络。该网络通过长短路特征融合模块有效协调了大目标与小目标检测,避免小目标特征信息的丢失。网络中应用结构重参数化结构提高了模块学习能力。为了满足多尺度目标检测,加入特征金字塔网络,融合多尺度特征。为了应对近岸样本目标检测,设计数据重分配算法,提高了对近岸样本目标的检测精度。实验结果表明:在公开数据集检测时,算法的平均精度(Average Precision,AP)达到97.50%,优于主流目标检测算法。该方法为提高SAR图像中小目标和近岸样本目标检测精度提供了新的实现方案。

基于改进SFLA-Elman神经网络的电离层杂波抑制方法

针对高频地波雷达目标检测中电离层杂波的干扰问题,提出了一种基于改进混合蛙跳算法优化Elman神经网络预测抑制电离层杂波的策略。为解决混合蛙跳算法初始种群分布不均匀、收敛精度低、易陷于局部极值等问题,引入Cubic混沌映射、莱维飞行策略、非线性平衡因子和复制操作,增强种群多样性,提高算法搜索能力。利用改进后的算法和其他算法分别优化Elman神经网络预测抑制模型,结果表明,改进后的算法无论是在收敛精度和稳定性上,还是在临近距离单元电离层杂波的预测抑制上,都取得了显著的提升。在基本保留目标信号的基础上,平均信杂比较原始回波提升18.52 dB,较原始混合蛙跳算法提升1.08 dB,对于电离层杂波的抑制具有较高应用价值。

基于FMCW雷达的人体生命体征信号预测算法

将FMCW雷达检测到的人体生命体征信号,用于预测未来一段时间内人体生命体征信号是否异常,具有明显的应用价值。该方向当前研究主要针对如何进一步降低重构误差、提升生命体征信号的预测精度。为此,本文提出一种自适应变分模态分解-长短期记忆神经网络的生命体征信号预测方法。针对静止状态下的人体,通过雷达采集到的生命体征信号,采用粒子群算法优化变分模态分解VMD的模态分量个数K和惩罚系数α的值,实现自适应选取后用于VMD分解,再将分解后的模态分量进行叠加重构。采用粒子群算法优化长短期记忆网络模型中的网络层数、学习率、正则化系数等3个参数,自适应选取合适的参数组合,将重构后的信号通过优化后的LSTM网络进行预测。实验结果显示本文所提预测方法在10位志愿者的预测结果与原始数据的均方根误差平均值为0.017 188 9,平均绝对误差的平均值为0.007 158,相较于当前其他研究,预测精度上有明显提升。