基于双极化融合的外辐射源雷达实验分析

雷达极化学揭示了电磁波与目标相互作用的变极化效应,充分挖掘和利用目标极化信息,对提高雷达探测性能具有重要意义。文中对在外辐射源雷达(PBR)探测中利用双极化特征提高探测性能进行了研究。首先,对目标和城区杂波的PBR双极化特性分别进行了仿真计算与实测分析,得到了其交叉极化分量与共极化分量之间的大小关系,为PBR中双极化技术应用提供了基础;然后,根据无源相干定位技术推导了PBR探测公式,揭示了其与目标双站距离、极化散射特性、多普勒频率之间的关系;最后,根据实验结果具体分析了双极化技术对PBR探测性能改善情况。研究表明,由于双极化探测更充分、有效地利用了目标自身极化散射特性,并用交叉极化方式有效抑制了杂波,所以采用双极化融合技术能有效提高PBR探测性能。

基于四极化通道融合的海面漂浮微弱目标特征检测

海杂波背景下的微弱漂浮目标检测是雷达目标检测的热点和难点问题。由于海杂波背景下的微弱漂浮目标的回波能量低和多普勒频率通常位于主杂波区,传统的自适应类相参积累检测方法无法有效检测该类目标。基于特征类的目标检测方法是解决海面漂浮目标检测问题的有效途径。本文首先分别提取四个极化通道的三种时域和频域特征(相对平均振幅、相对多普勒峰高和向量熵),然后在极化通道维度上进行融合,获得四极化通道融合特征。最后,在三维特征空间中使用快速凸包学习算法来确定海杂波的判决区域,从而完成检测。实测海杂波数据实验验证了新方法的有效性,并表明其具有优良的检测性能。

基于双极化通道数据融合的低空风切变风速估计方法

本文提出了一种基于双极化通道数据融合的低空风切变风速估计方法。该方法首先计算同极化通道和交叉极化通道地杂波的平均功率,从而确定同极化通道和交叉极化通道功率加权系数;其次将同极化通道和交叉极化通道地杂波数据融合,得到双极化通道数据融合杂波协方差矩阵;然后通过求解空时自适应(Space-Time Adaptive Processing,STAP)处理器的最优权矢量自适应滤除杂波,实现地杂波抑制;最后实现对低空风切变风速的准确估计。仿真结果证明所提方法可以有效地实现杂波抑制并估计低空风切变风速。

极化相控阵雷达单脉冲技术研究

针对极化相控阵雷达研究了单脉冲技术,提出了极化融合单脉冲算法和极化匹配单脉冲算法,可以同时测量目标角度与回波极化状态。通过仿真研究了两种算法的测角性能以及极化矢量估计性能。研究表明:两者测角性能和极化矢量估计性能几乎完全相同,测角性能与回波的极化状态无关,并且均优于单极化相控阵雷达。

交叉极化干扰对阵列雷达测角影响研究

为研究复杂电子对抗环境下雷达性能受干扰情况,本文研究了交叉极化干扰对极化融合单脉冲阵列雷达测角性能的影响。首先,阐述了阵列雷达极化融合单脉冲测角方法。然后,理论分析了交叉极化干扰对极化融合单脉冲阵列雷达测角性能的影响,从数学上证明了该干扰方法可带来极化融合测角的误差项,导致测角精度下降。最后,提出了采用辛格函数导数的变体函数对子阵交叉极化方向图进行模拟,并在此基础上对极化阵列雷达的测角性能进行了交叉极化干扰仿真,得到了测角精度随交叉极化干扰强度变化曲线和测角性能下降率与目标回波极化比的关系。研究表明,交叉极化干扰会导致阵列雷达测角性能下降,交叉极化干扰分量与目标回波共极化分量相近时对测角影响较大,并且,目标回波的极化比越小,即目标的交叉极化分量越小,雷达受干扰越明显,测角性能下降越大,性能降低10%左右。

基于高分3号和高分2号叶面积指数反演与分析

针对光学数据反演叶面积指数(LAI)容易受到云雾遮挡和光学遥感信息饱和的问题,根据雷达散射机制和Yamaguchi分解,提出了极化分解植被指数,利用光学植被指数和极分解植被指数融合形成光学与微波极化分解融合植被指数;利用光学与微波极化分解融合植被指数与实测数据建立回归模型反演叶面积指数,并对该模型精度评价.实验表明:光学与微波极化分解融合植被指数与实测数据建立回归模型反演叶面积指数的精度要优于极化分解植被指数和光学植被指数与实测数据建立的回归模型,其中MRVI与LAI建立回归模型是最优的,R^2达到0.7262,RMSE到达0.3548.综上所述,光学与微波极化分解融合植被指数不仅充分利用雷达能够穿透浓密植物的特性,而且融合光学数据对叶面积指数的反演敏感性,更能准确的反演叶面积指数.

基于改进FCN的多极化SAR影像海上溢油检测

海上溢油对海洋生态环境造成的危害巨大,完成溢油区域的准确检测对海洋异常现象的快速应急处理具有重要意义。现阶段,合成孔径雷达(SAR)为海上溢油检测提供重要数据基础,但广泛存在海上生物油膜、低风区及SAR影像本身显著的斑点噪声等溢油疑似区域,极大限制了海上溢油检测精度。针对上述问题,提出一种基于改进全卷积神经网络(FCN)的多极化SAR影像海上溢油智能检测框架。首先,对极化SAR影像进行Pauli分解和Refined-Lee滤波预处理,在保证SAR影像极化特征信息同时降低疑似溢油噪声对检测精度的影响;其次,针对FCN模型对空间信息考虑的不足,提出不同层级卷积层融合机制,实现高层语义特征与低层空间细节特征融合,进而提升海上溢油区域检测精度。经实验对比分析可知,基于改进FCN的海上溢油智能检测框架可有效降低疑似溢油区域对检测精度的影响,同时兼顾考虑多极化与边缘特征信息,实现基于像素的溢油区域检测,最优检测精度可达95.7%。