基于轻量化YOLOv5的雷达图像道路目标检测方法

针对现有车载毫米波雷达目标检测信号处理流程中未滤除静止杂波干扰和网络参数量及浮点数运算量多的问题,文中提出一种车载毫米波雷达目标检测信号处理链,并基于Ghost卷积和空间深度(Space-to-depth,SPD)卷积,设计了一种车载雷达轻量化YOLOv5目标检测模型。首先,使用平均相消算法对雷达原始AD采样数据进行静止杂波干扰抑制;然后,进行二维快速傅里叶变换(Fast Fourier Transform,FFT)得到目标的距离-多普勒(Range-Doppler,RD)图像;最后,使用轻量化目标检测网络模型对RD图像进行检测。实测数据验证了本文所提方法能够滤除静止杂波,有效减少了目标检测模型的浮点运算量,进而降低了模型的参数量,且具有较高的检测精度。

逆合成孔径雷达目标回波仿真方法研究

通过对逆合成孔径雷达成像过程的分析,提出一种采用宽带幅相量化数字射频存储技术和数字图像合成技术的逆合成孔径雷达目标回波仿真方法。该方法利用数字射频存储器对截获的雷达信号进行采样和存储,并将采集的幅度样本变换为相位样本,然后由数字图像合成器对相位样本进行相应的调制来合成逆合成孔径雷达目标回波。推导并分析了数字图像合成器的工作过程。仿真结果表明该方法可以逼真的仿真逆合成孔径雷达的目标回波。

基于轻量化网络的车载雷达目标分类方法

针对现有车载毫米波雷达目标分类方法存在静止杂波干扰和网络模型复杂度高的问题,本文将Ghost模块和MobileNet相结合设计了G⁃MobileNet轻量化神经网络,并提出了一套完整的车载毫米波雷达目标分类流程。首先对雷达原始AD采样信号进行向量均值相消处理,滤除静止杂波,再进行二维快速傅里叶变换(FFT)得到目标的距离⁃多普勒(RD)图像,最后使用G⁃MobileNet对RD图像特征进行提取及分类得到分类结果。实测数据处理结果表明,所提方法能够消除静止杂波对多普勒特征产生的干扰,且分类网络模型复杂度低,在具有较高的分类准确率的同时节省了网络模型储存空间和运行网络所需内存。

一种复杂地物目标近垂直后向散射系数反演方法

复杂地物目标的近垂直后向散射特征是影响雷达高度表回波波形的重要因素之一。对近垂直后向散射系数的获取主要采用基于参数模型的实测数据拟合方法,但一般只适用于地势平坦且介质相对单一的地海面目标。本文基于机载雷达高度表,针对复杂地物目标的距离-多普勒图像仿真实验数据和实测数据,利用距离-多普勒域和地球空间域的映射关系,提出一种后向散射系数的反演算法,并对得到的后向散射系数进行定量分析。实验验证了提出的反演算法具有一定的适用性和参考性。

高频地波雷达RD谱图海面目标检测算法

针对高频地波雷达的距离-多普勒图像,提出了一种基于级联分类器的海面目标快速检测算法。首先,根据点目标的形态特征设计了基于点形态检测算子的一级分类器,可以从复杂的杂波背景中快速提取出潜在的目标位置;然后,对于候选目标点,分别提取基于离散余弦变换的纹理特征和基于水平、垂直差分的形态特征,并将两种特征融合为一个31维的特征向量;最后,利用误差自校正极限学习机网络作为第二级分类器,并把每个候选点目标的31维特征向量作为其输入,由此实现对候选目标的精确辨识。实验结果表明:该算法不但提高了目标检测率,而且大大提高了目标检测速度。

基于轻量化网络的干扰信号智能识别算法

针对干扰信号识别时卷积神经网络模型体积大、训练周期长、对硬件存储和计算要求高等问题,本文提出了一种基于改进轻量级网络模型SqueezeNet的干扰信号智能识别算法。该方法首先利用距离多普勒(Range⁃Doppler,RD)处理获得目标及干扰信号的RD图像,接着采用滑窗变换、归一化等技术对RD图像进行重塑;然后采用基于RD信息尺寸的隐层和通道剪枝措施对SqueezeNet网络进行改进,缩小了模型尺寸和存储空间;最后利用不同参数的测试样本拓展网络模型的泛化性能。仿真实验表明,在参数量减少到原网络1/30的情况下,改进的SqueezeNet网络对每种干扰的识别正确率可达到95%以上,且训练时间大大减少。

一种弹载雷达末段跟踪CFAR检测方法研究与实现

为了提高弹载雷达导引头末段跟踪算法的实时性,提出了距离、多普勒两个维度联合目标检测的双门限CFAR检测方法。仿真与实测结果表明,末段跟踪条件下,与传统二维CFAR检测相比,该方法检测性能接近,处理效率提升约68.19%,为雷达恒虚警检测的工程实现提出了一条新思路。

直接序列扩频智能超声雷达建模与信号处理

为了解决多套相邻智能雷达设备同时使用时的相互干扰问题,提出了直接序列扩频体制雷达的方案,利用相关处理分离同频发射机的回波,提出了由相关函数生成距离-多普勒图像的信号处理方法。建立了直接序列扩频超声雷达手势识别系统的收发信号和收发机的模拟模型,其中提出的滤波器收发器模型仿真了有限带宽效应,发射波回溯的手势回波生成算法支持各种复杂调制方式的仿真。模拟实验表明采用所提信号处理方法的直接序列扩频雷达能够实现不同发射器信号的分离,并分别得到正确的手势距离-多普勒图像,达到15%以内的测量误差和约4.03 cm的分辨率。

基于数据扩充和特征增强的雷达回波无人机检测

针对基于雷达无人机目标识别难度高、精确度低、适应性差等问题,本文提出了利用深度学习的方法,对雷达回波进行无人机检测。首先,利用相参累积的方法生成雷达回波的距离-多普勒图像,增强目标特征并提高信噪比;其次,采用生成对抗模型对距离-多普勒图像进行数据扩充,以获得充足的图像数据减小网络的过拟合并提高网络鲁棒性;最后,使用基于位置感知的卷积神经网络增强特征,通过构建基于距离-多普勒图像的感知模块,实现对目标距离和运动速度的检测。通过在雷达回波序列中弱小飞机目标检测跟踪数据集上验证的结果表明:最终检测结果在召回率89%的情况下达到了91%的准确率。相比于基准方法,本文提出的方案具有更高的检测精度和更好的网络运行效率。