宽带分裂波束探鱼仪相位校准与方位角估计模块的实现

宽带分裂波束探鱼仪在渔业资源调查中有着广泛应用,其方位角估计精度决定了能否准确确定目标鱼群的方向和位置。为了提高方位估计的精度和效率,提出了一种基于改进的正交数字下变频技术的相位校准算法,对该算法进行了仿真,并基于现场可编程逻辑门阵列(Field Programmable Gate Array,FPGA)实现了该算法;然后采用Vitis HLS平台构建了方位角估计知识产权(IP)核,在提高方位角估计精度的同时降低了浮点计算时延;最后用信号发生器进行了测试。结果显示:模块的方位角估计误差不超过0.05°,整体计算延迟不超过420 ns,逻辑资源消耗不超过45%,与系统指标相符。该研究成果已成功应用于宽带分裂波束探鱼仪中,显著提升了系统精度和性能,并产生了一定的经济效益。

SAR图像目标峰值特征提取与方位角估计方法研究

目标峰值特征是 SAR图像目标识别的重要特征之一 ,峰值特征提取是 SAR图像目标识别的一个重要步骤 ,为了由 SAR图像快速、精确地提取目标峰值特征 ,本文首先研究了 SAR图像目标峰值特征提取方法 ,提出了一种 "子像素 "级精度的 SAR图像目标峰值特征提取方法 ,并通过仿真实验分析了峰值位置、峰值幅度的估计精度。由于目标 SAR图像或 SAR图像特征矢量对目标方位角变化的敏感性 ,因此 ,为了提高 SAR图像目标识别系统的分类效率 ,本文还研究了 SAR图像目标方位角估计方法 ,提出了一种利用峰值特征基于线性回归的 SAR目标方位角估计方法 ,和现有方法相比 ,该方法除了计算速度快 ,估计精度较高之外 ,还能在估计方位角的同时 ,给出该估计的置信区间 ,从而更好的满足 SAR ATR的实际需要。文中通过对大量实测 MSTAR SAR图像目标方位角的估计实验 ,验证了本文目标峰值特征提取及方位角估计方法的有效性。

基于Hough变换与目标主轴提取的SAR图像目标方位角估计方法

该文提出了一种基于Hough变换与目标主轴提取的SAR图像目标方位角估计方法。针对传统基于Hough变换估计方法的不足,在估计过程中引入目标的主轴信息指导方位角的估计。利用基于马尔可夫随机场(MRF)的图像分割提取准确的目标成像轮廓。在此基础上,基于Hough变换检测目标轮廓的直边,基于轮廓特征点检测获得目标主轴的大致方向,结合Hough变换检测结果与目标主轴信息获得最终的方位角估计。实验结果验证了该文方法的有效性。

SAR图像目标方位角估计与分析

SAR成像对目标方位角特别敏感,方位角估计的准确性会直接影响目标的分类和识别。目标方位角估计方法主要有包络盒准则法、轮廓线变换法和主轴原则法。每种方法都有其局限性,且估计范围是[0,180],可是目标方位角实际范围是[0,360]。为了能获得任意角度且相对精确目标方位角,提出了一种综合SAR图像目标方位角估计方法。该方法融合了的单一估计法的优点,并利用目标的相关信息,突破了以往仅从图像的角度估计方位角的缺点。实验表明这种方法是有效的、可行的。

基于法向前边界响应的SAR目标方位角估计

为了提高合成孔径雷达(synthetic aperture radar,SAR)自动目标识别系统的性能,提出了一种新的SAR目标方位角估计方法。利用简单的自适应阈值处理提取目标区强散射点,通过对强散射点在不同方向上投影分布的分析,定义法向前边界响应强度作为方位角估计的依据,最后对个别不可信结果进行90°校正。在运动和静止目标获取与识别(moving and stationary target acquisition and recognition,MSTAR)公开数据集上进行了实验,采用该方法99%的样本估计误差小于10°。实验结果表明,该方法可以达到与主导边界拟合法相当的最优性能,而且处理流程简单,计算效率更高。

基于方向小波变换的SAR图像目标方位角估计

在合成孔径雷达(SAR)自动目标识别中,目标成像的方位信息是一个非常重要的特征。文中针对SAR图像特点,提出了一种基于方向小波变换的SAR图像目标方位角估计方法,给出了方向小波角度-能量谱公式,利用能量最大准则实现方位角估计。采用MSTAR SAR实测数据进行的实验表明本文方法是有效的,方向小波变换更能反映出目标图像的方位特征。

平面阵声源方位角估计扰动敏感性分析

针对实际小型声测节点阵列方案和测向性能的定量分析需求,通过推导任意平面阵远场声源方位角估计误差上界,明确了方位角估计扰动敏感因子的4个影响要素及其物理含义,证明了增加阵元对数量和采用阵元各向均匀分布等措施能有效降低声源定向算法对阵元间波达时间差估计的扰动敏感性.比较分析与数值结果表明,该分析方法能够定量评估和比较不同平面阵方案的方位角估计性能.

一种联合的SAR目标方位角估计方法

方位角估计是SAR图像自动目标识别中的重要问题,精确的方位角估计有利于提高目标分类的准确性和速度。主导边界法与包络盒法是两种常用且有效的SAR图像方位角估计方法,但是这两种方法存在各自的缺陷。在分析这两种方法优缺点的基础上,将两种方法结合,提出了一种主导边界与包络盒联合的SAR目标方位角估计方法。自动程度高,扩展了原算法的适应性,与原来的两种算法相比提高了SAR目标方位角估计的精度。最后利用MSTAR数据的实验结果验证了该算法的精度与适应性。

结合稀疏表示和协同表示的SAR图像目标方位角估计

提出结合稀疏表示和协同表示的合成孔径雷达(synthetic aperture radar,SAR)图像目标方位角估计方法。稀疏表示和协同表示分别在稀疏约束和最小误差的约束下对测试样本进行重构,具有良好的互补性。分别在稀疏表示和协同表示下选取与测试样本具有较强相关性的训练样本。通过交集操作获得两者中最稳定的部分样本。根据这些样本的方位角真值以及求解的系数合理加权,获得测试样本的方位角估计值。基于MSTAR数据集中3类目标的SAR图像进行方位角估计实验并与现有方法进行对比。实验结果表明方法的估计精度、稳定性以及噪声稳健性均优于现有的几类SAR目标方位角估计方法。

基于Capton最小功率估计的方位角估计算法

在麦克风阵列信号处理中,通常假定信号源发出的信号经过传播到达不同麦克风阵元时,信号满足平面波传播模型.在此模型基础上,为解决基于麦克风阵列语音增强系统中方位角的估计问题,提出了一种基于Capton最小功率估计的方位角估计算法.仿真结果表明与传统的波束形成算法比较,该算法具有较高的方位角分辨率.

基于SVR及阴影信息的SAR目标方位角估计

目标成像方位估计是合成孔径雷达(synthetic aperture radar,SAR)自动目标识别中一个重要的预处理过程。提出一种基于支持向量回归机(support vector machine for regression,SVR)并结合SAR目标阴影信息的方位角估计方法。首先通过长直边拟合法与脊波变换法对目标图像进行方位的粗估计,再由SVR完成精确估计。利用"运动与静止目标的获取与识别"(moving and stationary target acquisition and recognition,MSTAR)项目组提供的实测数据所做实验表明,此方法可以有效估计SAR目标方位角,精度高、泛化能力强,特别是在水平成像方位附近利用了目标的阴影信息,明显提高了相应区间的方位角估计精度。

基于刚性圆柱上均匀圆阵的声源方位角估计

本文探讨了存在障碍物时均匀圆阵声源方位角估计问题。以环绕在刚性圆柱上的均匀圆阵为阵列模型,分析了刚性圆柱障碍物对圆阵响应的影响,在柱坐标系下对声场分解所得到的特征波束空间,提出了EB-Unitary-ESPRIT算法,实现了声源方位角估计。计算机仿真结果表明,该算法能较好地估计出空间多个声源的方位角,计算量小,估计精度高,并且具有解相关声源的能力,为相关声源方位角估计的实际应用提供了一种解决方案。

亚音速飞行目标气动噪声方位角估计技术

亚音速飞行弹道气动声源是宽带非平稳噪声。提出基于小波函数的波达方向估计算法,并采用时频分析方法进行特征分析,获取气动噪声显著目标特性。通过优化时间-空间谱特征,对在时频域空间谱的目标信号进行优化,从而增强目标信号在空间谱上的显著性,最终有效实现亚音速飞行弹道气动声源的角度估计。实验数据验证表明,基于时频分析阵列信号处理模型,可以更好地实现亚音速飞行目标气动噪声方位角估计。

各稀疏重构方法在雷达方位角估计中的适用性分析

稀疏重构作为一种新的信号处理与分析方法,在信号处理中有着广泛的应用。目前基于稀疏重构的研究已涉及图形图像处理、阵列信号处理、无线通信、光谱分析以及雷达声呐探测等诸多领域。本文拟先对现有代表性稀疏重构方法进行分析,而后通过仿真实验对各算法在雷达方位角估计中的适用性进行评价,为雷达探测提供理论支撑。

基于主导边界Radon变换的SAR目标方位角估计方法

针对仅利用主导边界估计带来的目标垂直与水平方位的模糊问题,提出一种基于主导边界Radon变换的合成孔径雷达(SAR)图像目标方位角估计方法。该方法基于分割图像中目标主导边界长度的判别准则进行解模糊,同时引入目标主导边界Radon变换的估计算法,解决了传统主导边界算法中长、短主导边界不易分离的问题。MSTAR实测数据的实验结果表明提出的算法具有良好的精确度和适应性。

一种快速的SAR车辆目标方位角估计方法

主导边界是合成孔径雷达(SAR)图像车辆目标方位角估计中最主要的特征。为了充分利用主导边界的特点能够提高方位角估计的效率和准确率,深入分析了主导边界特点,提出目标的三类主导边界的概念,并且提出了一种快速有效地目标方位角估计思路,结合SAR图像在0°或180°附近几类主导边界的规律来解决该角度附近的模糊问题,得到了一种简单高效的方位角估计方法。最后利用MSTAR数据做了仿真验证实验,证明该方法的有效性。

基于稀疏描述的SAR目标方位角估计算法

精确的目标方位角估计对于基于模板的SAR ATR算法的性能提高大有裨益,可降低算法运算量,提高运算效率。提出一种有效的基于稀疏描述的SAR目标方位角估计方法。首先,利用所有训练样本构造字典矩阵,获得测试样本的稀疏描述向量;然后,通过稀疏描述向量中的非零系数计算重构误差,利用SAR图像中特有的目标方位角敏感特性,选出重构误差最小的样本所对应的方位角作为估角结果。不同于现有的方位角估计方法,所提算法可以有效地克服180°方位角模糊问题。采用实测的MSTAR数据进行实验,实验结果验证了所提方法的有效性。

基于相关性分析的SAR图像目标方位角估计

针对合成孔径雷达(Synthetic Aperture Radar,SAR)图像目标方位角问题,提出一种基于相关性分析的估计方法。考虑到存在的180度模糊问题,待估计图像与每一类训练样本的相关系数曲线均呈现双峰值的特性。根据各类相关系数曲线的峰值位置,采用线性加权的方法可以实现高效率、高精度估计目标方位角并且有效克服180度模糊问题。为了验证本文方法的有效性,基于MSTAR(Moving and Stationary Target Acquisition and Recognition)公共数据集进行了方位角估计实验。实验结果表明,本文方法对于99%以上的测试样本的估计精度可以达到±10°以内,对于95. 38%的测试样本的估计精度可以达到±5°以内。

基于四传感器方阵的地震动目标方位角估计

针对地震动目标定位中的信号传播速度不确定性问题,提出了基于到达时间差的四传感器方阵目标方位角估计方法。从理论上推导出四传感器方阵下的目标方位角估计带边界及其最大带宽值,证明了信号传播速度与目标方位角估计之间的弱相关性。根据仿真计算深人探讨了信号传播速度和时延测量误差对目标方位角估计精度的影响。外场实验结果证明:这一方法的地震动目标方位角平均估计误差小于采用三轴地震动传感器的方法,具有一定的实用价值。

相关信号源方位角估计的三种空间平滑处理方法

在空间谱估计MUSIC方法的基础上,针对该方法对相关信号源测向性能下降甚至失效的情况,对该方法进行了修正;针对均匀直线阵,介绍了几种基于空间平滑思想的用于解决相干信号源的方法。从理论上分析了这几种方法的优缺点,计算机模拟结果也表明这些方法是有效的。