利用伯努利滤波的多目标机动雷达误差配准方法

传统的组网雷达多目标误差配准方法通常假设数据关联关系已知,但在平台机动的情况下,系统同时存在雷达测量偏差和平台姿态角偏差,且雷达观测过程中会受到杂波干扰,导致数据关联尤为困难。针对这一问题,该文提出一种基于伯努利滤波的多目标机动雷达误差配准方法。首先建立系统偏差的量测与状态方程,然后将系统偏差建模成伯努利随机有限集,利用公共坐标系下的原始量测可实现系统偏差在伯努利滤波框架下的递推估计,有效避免了数据关联问题。同时,为了充分利用多目标量测信息,提出一种修正的贪婪量测划分方法,在每个滤波时刻挑选出系统偏差对应的最优量测子集,利用量测子集中的多量测信息实现系统偏差的集中式融合估计,提高了系统偏差的估计精度和收敛速度。仿真实验表明,所提方法能够在数据关联未知的多目标多杂波场景下对雷达测量偏差和平台姿态角偏差进行有效估计,在平台姿态角变化率较低时,所提方法具有较强的适应性。

基于宽带极化纯度估计的极化测量定标修正

对扩展目标极化散射特性进行测量时,通常期望精确获得宽带高分辨条件下目标各散射中心的极化特征信息,但由于各极化分量散射的信号对测试系统的正交极化通道存在能量泄漏,会严重影响较弱的极化散射分量的测量准确性。基于极化散射测量定标原理与宽带高分辨极化测量表征模型,分析了干扰量的产生原因以及对散射中心测试结果的影响机理,提出了一种基于宽带正交极化纯度估计进而修正复杂目标极化测量结果的方法,并通过对金属球、金属二面角组合和类弹头金属模型3类典型目标的实测,验证了其有效性。

复杂多方向威胁下的导弹预警雷达优化部署方法

针对现有导弹预警雷达部署相对独立、协同困难,难以满足大规模对抗场景的现状,从远程预警雷达、跟踪识别雷达、机动式预警雷达不同的任务特点出发,建立应对复杂多方向威胁的多型导弹预警雷达优化部署模型,在满足最优覆盖、协同交接、目标识别等任务约束下,解决雷达协同部署问题。针对所提模型设计了一种基于云自适应的分区优化离散粒子群(CPBPSO)算法,通过设计分区编码策略缩减算法求解空间、加入云自适应变异算子提高算法全局寻优和局部跳出能力,使算法更适用于导弹预警雷达部署问题的处理。实例验证了所提模型在求解单方向、多方向威胁场景部署问题的可行性,对比分析了CPBPSO算法的有效性,基本满足导弹预警雷达最优化协同部署的需求。

航迹先验融合特征的车载雷达实例分割算法

点云实例分割是场景感知中的基本任务。近年来,随着车载毫米波雷达分辨能力的提高,大量基于毫米波雷达散射点的实例分割方案被提出。实例分割的结果可作为跟踪的输入,跟踪得到各个实例的航迹信息,为后续的车辆决策与路径规划提供数据支持。然而,面向毫米波雷达的实例分割方法仍存在以下挑战。一方面,相较于激光雷达,毫米波雷达观测下的散射点更稀疏,信息量较少。当同一实例的散射点距离较远或者多个相邻实例密集分布时,分割性能显著下降;另一方面,雷达穿透性有限,路面障碍物或交通参与者对实例造成部分遮挡时,分割算法无法对实例进行正确分割和判别。考虑到实际行车场景的时间连续性,利用交通参与者的航迹先验信息,即该参与者上一时刻和当前时刻的位置信息,可以克服上述问题。因此,本文提出了一种利用航迹先验融合上一帧散射点特征的车载雷达点云分割算法。该算法利用航迹的连续性,在相邻两帧之间计算实例和散射点的对应关系并基于上述关系完成散射点特征融合。相较于单帧,融合后的高质量特征不仅信息更丰富,不同实例间的特征差异更明显,而且能弥补由于遮挡导致的信息缺失。实验结果显示,所提算法的平均覆盖率和平均精度指标分别优于基于单帧的分割算法6.19%和4.54%。该结果表明,所提算法优于文献中其他方法,能有效解决上述分割算法存在的问题。此外,与基于单帧的分割方案在典型场景的可视化对比中,所提方法也凸显了其有效性和潜力。未来,我们将进一步挖掘轨迹先验信息,以加强特征提取,同时深入探讨分割性能与帧数之间的关系。

基于可重构智能表面的二维高精度角度估计方法

可重构智能表面(Reconfigurable Intelligent Surface)因其提高频谱和能量使用效率、成本低等特点,被认为是未来无线通信和目标感知的关键性技术。RIS在平面上集成了大量低成本的无源反射元件,通过连接RIS的智能控制器,可以控制入射到这些可重构元件的信号的相位和幅度,从而重新配置入射信号的传播。波达方向(Direction of Arrival)估计问题是实现目标感知的重要组成部分,而RIS因其能够重新配置信号的特性被用来提高DOA估计的准确性。然而,在实际使用RIS时,由于元件之间的距离小于半波长而引起的互耦效应以及无法完美控制反射过程导致的反射失配(反射相位和幅度误差)等问题会严重影响RIS的性能。本文针对基于RIS系统的二维DOA估计问题,建立了考虑互耦效应和反射失配的RIS系统模型;并基于该模型,提出了一种新的二维角度估计方法用于DOA估计。该方法首先通过深度神经网络(Deep Neural Network)将RIS接收的信号进行重构,以降低互耦效应和反射失配的影响,再进一步使用非线性最小二乘法(Nonlinear Least Square)进行高精度的DOA估计。本文通过仿真验证了算法的估计性能,并与快速傅里叶变换(Fast Fourier Transformation)、正交匹配追踪(Orthogonal Matching Pursuit)等传统方法进行比较,结果表明相对于快速傅里叶变换、正交匹配追踪等传统方法新算法具有更好的估计性能。

基于语义引导层次化分类的雷达地面目标HRRP识别方法

高分辨距离像(HRRP)反映了目标空间散射结构在雷达视线方向的投影,近年来被认为是地面目标识别的重要途径。现有的HRRP识别方法采用手工特征加传统机器学习分类器,均属于平面分类方法,即采用统一标准不加区别的优选特征并单次决策最终类别。然而该方法在实际应用中面临种类繁杂、数据不平衡、HRRP姿态敏感性等诸多问题,难以获取最佳的应用效果。层次化方法采取分而治之思想,将一个复杂的细粒度识别任务拆解为多个简单的识别子任务。本文采用层次化识别的思路,提出了一种基于语义引导层次化分类的雷达地面目标识别方法。该方法以联合语义和数据构建的树形结构将一个复杂的细粒度识别任务拆解为多个简单的识别子任务,并针对每一个识别子任务匹配一套优选特征集和一个局部分类器。本方法在仿真数据和实测数据上完成了验证。实验结果表明了本文方法处理地面目标识别任务的有效性。

基于调频连续波雷达的人体生命体征检测算法

针对现有雷达非接触生命体征检测精度低、实时性差等问题,提出一种基于调频连续波(FMCW)雷达的人体生命体征检测算法。首先,通过毫米波雷达获取生命体征信号;其次,利用改进的经验小波变换(EWT)算法,实现生命体征信号的自适应分解和重构,通过引入麻雀搜索算法(SSA)和模糊熵(FE)寻找频谱分割线的最优值;最后,通过改进频率插值的估计算法计算心率和呼吸频率。通过与医用重症监护仪进行对比实验验证所提算法的优越性和鲁棒性。实验结果表明,所提算法相较于小波变换(WT)算法、CEEMD(Complementary Ensemble Empirical Mode Decomposition)算法和VMD(Variational Mode Decomposition)算法,均方误差(MSE)分别减小了77.65、27.25和21.05,平均绝对百分比(MAPE)分别减小了7.33、4.33和3.42个百分点,实时性分别提高了0.72 s, 16.74 s和1.87 s。同时,利用所提算法也实现了对心率变异性(HRV)的检测。

M8激光雷达回波的非接触式发射率三维分布测量方法

针对目前发射率测量方法只是对某一单一物质进行接触式测量,难以获得复杂目标的发射率三维分布问题,提出一种基于M8激光雷达回波的非接触式发射率三维分布测量方法。首先基于激光雷达传输距离方程分析回波强度特性,通过M8激光雷达对95%标准漫反射板进行扫描,叠加多帧单线点云,得到具有反射光谱特性的雷达强度三维点云像;运用分段多项式模型拟合距离-强度及入射角-强度之间的关系,基于得到的分段多项式模型校正距离和入射角度影响下的回波强度,使不同距离与入射角情况下所测回波强度能够真实地反映目标的反射光谱特性,校正结果显示,标准漫反射板回波强度变异系数分别从0.2676和0.3438降低到了0.0420和0.0412,回波强度一致性分别提高了84.31%和88.02%,使雷达所测得强度值能直接反映目标材料的反射光谱特性,验证了强度校正模型的有效性;最后基于得到的分段多项式校正模型对带有反射率真值贴片的缩比卫星模型雷达强度三维点云像进行强度校正,利用校正后的回波强度的反射光谱特性,计算出目标表面的反射率,运用反射法进一步推导其发射率,得到缩比卫星模型发射率的三维分布,三组卫星模型表面贴片的发射率平均偏差均分别能控制在3.33%、4.84%和4.44%。为目标识别、低空可探测技术等提供技术支持。

基于MIMO阵列的一体化射频技术研究进展及展望

基于多输入多输出(multiple-input-multiple-output,MIMO)阵列的一体化射频系统通过充分利用空间自由度和波形自由度,不仅能够同时实现雷达探测、数据通信、电子干扰等多种功能,而且具有目标探测可靠性好、参数估计精确度高、反侦察识别能力强等突出特点,在高动态强对抗环境中展现了巨大的潜力。从基于MIMO阵列的一体化射频系统的检测性能分析入手,剖析了一体化射频系统的检测性能极限以及影响检测性能的主要因素;针对MIMO阵列参数高精度估计问题,提出通过单个发射脉冲完成参数估计以及一种增强参数估计精度的波形优化算法;考虑到目标角度估计误差不可避免,提出了一种稳健的一体化波形设计算法;针对杂波环境中一体化射频系统性能下降的问题,提出了发射波形和接收滤波器联合优化算法,该算法不仅能够实现同时多功能,而且有效地抑制了杂波,提高了目标检测性能。最后,展望了一体化射频系统参数估计精度极限、高精度参数估计、稳健波形设计、波形设计算法快速实现等有待突破的信号处理关键技术。

高分辨率贝塞尔光束激光成像

本文研究了一种基于贝塞尔光束的远距离激光三维成像系统,工作波长为532 nm,在激光出射端使用贝塞尔光束代替高斯光束,利用贝塞尔光束的中心光斑能量集中且束宽不随传输距离而变化的无衍射特性,降低激光光束的发散角,提高激光三维成像的角分辨率。结合Si-APD单光子探测器,搭建了远距离激光三维成像系统,并完成了远距离验证实验。在远距离目标成像中,实现了角分辨率为18.1μrad的激光三维成像,为远距离高分辨率激光三维成像提供了一种有效的解决方案。

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。

一种基于矩阵填充的稀疏阵波达方向估计技术

为了提高稀疏阵列波达方向(DOA)估计的性能,该文将低秩矩阵重构理论应用到DOA估计中,提出了一种改进的矩阵填充模型及其优化求解方法。该方法利用Sigmoid函数实现核范数约束并建立最小化模型;然后基于粒子群算法改进增广拉格朗日乘子法,对模型实现低秩优化求解;最后利用多信号分类(MUSIC)算法实现DOA估计。仿真结果表明,该方法能有效实现稀疏阵重构,DOA估计的性能优良,且能够适用于相关信源。

基于特征融合的窄带雷达短时观测回波序列空中目标识别

窄带雷达因其成本低、作用距离远的优点在防空制导领域有着广泛应用,随着高速机动平台的发展,传统的基于长时间观测回波序列特征建模的目标识别方法已不再适用。针对窄带雷达对短时间观测回波(OEST)序列特征识别能力较差,并且易受诱饵目标干扰,导致识别结果可靠性不高的问题,该文提出一种采用多特征自适应融合的窄带雷达OEST序列空中目标识别方法。首先,对编码层和分类层进行训练,通过构建通道-空间注意力模块,自适应地突出高可分性特征,然后,构建最大边缘正交损失函数,增大不同类别特征间距,缩小同类特征间距,并使类间特征正交,以此提升分类性能;最后,固定编码层与分类层参数,利用重构误差对解码层进行训练,确保模型具备对诱饵等库外目标的准确鉴别能力。实验部分在观测序列长度为100的条件下,分类准确率和鉴别率分别达到94.37%和96.78%,由此可得,所提方法能够有效提升窄带雷达的分类性能和对诱饵目标的鉴别能力,进而提高识别结果的可靠性。

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。

双层三阶多项式拟合的弹道导弹发射点估计方法

发射点估计是炮位侦察校射雷达的重要任务之一。在仅利用雷达测量数据的情况下,先通过三阶函数拟合弹道导弹主动段时间-高度曲线估计导弹的绝对发射时刻,从而求得各个弹道轨迹点相对于绝对发射时刻的相对发射时间,然后再次利用三阶函数拟合主动段相对时间-水平位移,进而得到弹道导弹发射点估计结果。通过弹道导弹运动模型仿真具有一二级助推的弹道数据,并增加雷达观测误差,分析验证了所提方法的有效性和精确性。经测试,所提方法求解过程简单,对主动段弹道拟合准确,发射点估计精度达到0.6%以内,定位误差较传统方法降低了50%以上。

基于小波变换的雷达脉冲间歇收发回波联合重构方法

进行内场测量时,间歇收发处理能有效解决因暗室尺寸导致的收发信号耦合,但该方法会造成目标回波被部分截断。在回波重构过程中,受暗室本身结构设计及吸波材料性能等因素的影响,回波中不可避免出现噪声干扰,使得重构性能降低。为提高回波重构的精确度,本文提出基于小波变换的雷达脉冲间歇收发回波联合重构方法,该方法结合间歇收发原理和Mallat算法,实现了低信噪比条件下LFM脉冲雷达信号的精确重构。仿真和实验结果表明,联合重构方法所得目标回波和一维距离像与完整脉冲保持一致,验证了本文方法的有效性。

旋翼无人机目标雷达探测技术研究进展

旋翼无人机因其垂直起降、低空飞行和长时间滞空悬停等优势,在军事和民用领域被广泛使用,然而旋翼无人机的泛滥和非法使用也给社会秩序和国家安全带来了严峻挑战。雷达探测技术是无人机探测领域的关键技术之一,在无人机探测识别方面具有不可替代的优势。首先介绍了旋翼无人机的特性与探测难点,其次重点分析了3种旋翼无人机雷达探测技术的基本原理和特点以及基于人工智能的识别技术,最后探讨了未来旋翼无人机雷达探测技术的发展趋势和研究方向,为解决基于雷达系统的旋翼无人机探测识别问题提供了一定的参考。

互耦条件下基于稀疏重构的MIMO雷达角度估计

为了降低阵列互耦对多输入多输出(MIMO)雷达波达角度(DOA)估计性能的影响,实现少量快拍条件下的目标角度估计,该文提出了基于迭代最小化稀疏学习(SLIM)算法的互耦校正和目标角度估计算法。所提算法利用目标回波信号的空域稀疏性,通过迭代优化算法估计了MIMO雷达发射和接收阵列的阵元互耦系数,以及目标稀疏空间谱。该算法无需设置超参数,且具有良好的收敛特性。仿真结果表明,当MIMO雷达发射和接收阵列存在互耦时,如果目标角度间隔较小,所提算法能够在较高信噪比条件下基于少量快拍高精度地估计目标角度;如果目标角度间隔较大,则在较低信噪比和少量快拍条件下仍有较高的角度估计精度。

基于多模复合探测方法的无人艇目标识别研究

随着水面无人艇技术的不断发展和应用,其对于舰船的威胁程度也日益加剧。以末敏弹打击水面无人艇为背景,为了提升多元激光/红外/毫米波探测器对水面小型目标的识别性能,提出了一种基于多通道卷积神经网络(Multi-Channel Convolutional Neural Network,MCCNN)和极端梯度提升决策树(Extreme Gradient Boosting,XGBoost)的复合探测信号识别方法MCCNN-XGB,同时构建了单通道CNN识别网络与基于人工特征提取的XGBoost识别算法作为对照,最终通过水面目标无人机载探测试验数据对上述三种模型的目标识别性能进行评估与对比。测试结果表明,基于MCCNN-XGB的识别算法表现最佳,测试准确率达到了97.26%。本文所提出的识别方法能够有效进行复合探测信号的特征提取,并且能够降低误识别率与漏识别率,具有较好的识别效果。

极化和湿度对叶簇杂波统计特性影响的分析

为更好地探测丛林中隐蔽的人体目标,本文对极化和湿度条件对地基超宽带(ultrawide band,UWB)雷达叶簇杂波统计特性的影响进行研究。针对两种常见叶簇杂波环境,利用UHF波段步进频率连续波(stepped frequency continuous wave, SFCW) UWB雷达测量水平、垂直极化以及干湿条件下的多组回波数据,对回波进行校准和预处理,得到实际杂波幅度的直方图;采用5种分布拟合叶簇环境杂波统计分布特性,并利用拟合分布和实际分布之间的均方根误差(root mean square error, RMSE)来定量评估模型的拟合精度。分析结果表明:极化不会改变灌木杂波最优拟合Weibull分布,仅改变其形参取值范围,当极化由水平变为垂直时,形参取值范围由1.647 7~1.865 5变成1.839 6~1.910 7,但乔木杂波极化由水平变为垂直时,最优拟合分布由Log-logistic分布变为Weibull分布;湿度条件并不改变叶簇杂波最优拟合分布类型,但湿度越大最优拟合分布的形参取值越大,直方图更宽、拖尾更长。本文针对不同极化和湿度条件下得到的地基UWB雷达的两种典型叶簇杂波最优分布模型及相关估计参数范围,对于叶簇杂波建模和叶簇环境下目标探测等研究具有指导意义。