针对合成孔径雷达深度展开网络成像方法研究

在灾害监控和遥感制图等多个领域,合成孔径雷达(Synthetic Aperture Radar,SAR)成像技术因其不受天气和光照条件限制的优势而被广泛应用。近年来,深度学习技术与SAR成像的结合,尤其是SAR深度展开网络成像技术,已经成为该领域的研究热点。它不仅能够高效地整合大量的历史SAR数据,还能够融合传统成像方法中的丰富先验信息,使得即使面对严重欠采样的情况,也能够实现高分辨率、宽视场的SAR图像精确重建,从而显著减少了对数据采集、储存和传输的资源需求。从深度展开网络构建原理出发,对深度展开网络构建方法进行分析,并提出基于先验分布的SAR展开网络成像方法与基于图像特征的SAR展开网络成像方法,希望能够为我国SAR成像提供一定参考。

一种基于非凸正则化模型的逆合成孔径雷达成像算法研究

逆合成孔径雷达因其可对非合作机动目标成像而广泛地应用于军事和民用中,研究表明压缩感知技术可以有效提高逆合成孔径雷达成像的分辨率并且有效降低雷达硬件负担。针对典型的非凸ιp(0<p<1)正则化模型,基于Majorization-Minimization(MM)迭代算法框架并采用支撑集收缩策略提出了一种新的雷达成像算法——迭代支撑集收缩算法。迭代支撑集收缩算法是一个简单高效的算法,数值实验表明迭代支撑集收缩算法在逆合成孔径雷达成像中表现优异。

基于迭代自适应的短孔径逆合成孔径雷达成像方法

针对合成孔径时间短、逆合成孔径雷达数据成像质量差的问题,本研究提出一种基于迭代自适应恢复缺失数据(missing-data iterative adaptive processing approach,MIAA)的短孔径数据的逆合成孔径雷达(inverse synthetic aperture radar,ISAR)超分辨率成像方法。该方法利用MIAA对ISAR回波数据的方位向进行扩展,从而增加数据的方位向长度,提高成像质量。仿真和实测均表明该方法能够有效扩展回波数据的方位向长度,提高短孔径条件下的成像质量。

天基逆合成孔径雷达脉内脉间运动补偿及高分辨成像

近年来,太空态势感知在军用和民用领域都得到了越来越多的关注。天基逆合成孔径雷达(SBISAR)能够实现对空间目标的高分辨成像,支撑部件提取、姿态估计、类型识别等后续任务,是太空态势感知的重要工具。然而,在SBISAR成像场景下,平台与空间机动目标间存在复杂的相对高速运动,传统距离-多普勒成像方法不再适用,必须进行运动补偿。本文针对高速径向速度下传统“停—走—停”模型失效、长相干积累时间内目标转速不一致的两个典型误差来源,分别设计了脉内运动及脉间运动补偿算法。首先,建立SBISAR成像的信号模型。然后,基于最小熵准则构建参数估计代价函数,通过估计目标对应回波信号的调频率,构造补偿项进而实现脉内补偿。同时,建立图像熵代价函数,在估计转动参数后,完成对目标转动的空变相位补偿。所提算法有效解决了天基高速机动背景下传统距离-多普勒成像方法的距离像展宽、方位散焦问题,实现了SBISAR对空间目标的高分辨成像。通过基于仿真数据的实验分析,验证了所提算法的有效性。

基于卷积注意力的逆合成孔径雷达成像方法

近年来,卷积神经网络由于其强大的特征提取能力和对数据的灵活表达,已成功应用于逆合成孔径雷达(ISAR)的稀疏成像。然而常规的卷积神经网络对于特征给予相同的权重,缺乏聚焦重要信息和抑制冗余信息的能力,导致成像效果欠佳。为了解决这个问题,提出了基于卷积注意力的逆合成孔径雷达成像方法,在网络中加入卷积注意力模块,在通道和空间两个维度上进行特征细化,提高网络对于特征的表达能力,并且可以在残差连接中减少原始特征中的伪影干扰,提高成像质量。实验结果表明,基于卷积注意力的成像方法可以重建高质量ISAR图像,且相较于全卷积神经网络成像方法具有更好的成像效果。所成图像熵值从0.355 9降到0.221 2,证明了所提方法的有效性。

机动目标的逆合成孔径雷达成像原理与算法

对于非合作的机动目标 ,由于目标相对于雷达射线的姿态和转速难以测定 ,而且是时变的 ,因而给逆合成孔径雷达 (ISAR)成像造成较大困难 .本文讨论了这种情况下成像的一般原理 ,并对机动性不太大 ,散射点子回波多普勒变化满足一阶近似条件时 ,提出了实用算法 .实测数据的处理结果说明新算法是可行的 .

双基地逆合成孔径雷达(ISAR)电磁仿真研究

由于双基地逆合成孔径雷达(ISAR)在复杂电磁环境中的独特优势,日益成为现代雷达研究的热点之一。目前双基地ISAR研究中常使用理想散射点模型进行仿真与算法验证。使用理想散射点模型就意味着目标的每一个散射点都具有空间全向性,不存在遮挡,并且散射幅度相近,这与实际情况不符,因此需要研究目标实际的电磁散射情况。本文利用基于大面元物理光学法的电磁仿真软件FEKO和导弹模型,通过仿真结果比较了不同双基地夹角下的目标ISAR图像,并研究了双基地夹角随时间变化对ISAR图像的影响。

机动目标的逆合成孔径雷达成像

逆合成孔径雷达 ( ISAR)和合成孔径雷达 ( SAR)都是利用目标 (场景 )与雷达的相对运动 ,提高横向分辨率 ,实现对目标 (场景 )的成像。SAR的运动方是雷达平台 ,可控制作平稳飞行 ,且用仪器测校其偏离误差 ;ISAR的运动方通常是非合作目标 ,运动不受控制 ,且难以精确测量。当目标作机动飞行时 ,以目标作固定基准 ,雷达等效地在空间形成流形复杂的逆合成孔径 (阵列 ) 。

基于时频的逆合成孔径雷达的距离—瞬时多普勒成像方法

为了对机动目标进行ISAR成像,以在时间和频域同时具有高分辨率的时频变化替代傅氏变换作谱分析,得到机动目标距离—瞬时多普勒像。实测数据处理结果表明,与直接用距离—多普勒(R D)算法相比,该方法得到的图像质量有明显提高。

逆合成孔径雷达的距离─瞬时多普勒成像方法

传统的ＩＳＡＲ距离－多普勒成像方法基于匀速转动的目标模型，当飞机目标作机动飞行时，转速和转轴经常是时变的，若用传统的方法成像，会使图像模糊，甚至无法辨识。本文提出了距离－瞬时多普勒成像的概念和方法，可对一般机动飞行目标成像。实测数据结果表明了本文方法的可行。

干涉式逆合成孔径雷达成像技术综述

干涉式逆合成孔径雷达(InISAR)成像是一种将干涉技术与逆合成孔径分辨相结合的高分辨雷达三维成像方法,能够实现对远距离运动目标全天候、全天时的三维成像,在军事和民用领域都呈现出广泛的应用前景和实用价值。其基本思想是利用位置分布不同的多个天线获取成一定视角差的多幅逆合成孔径雷达(ISAR)复图像,实现目标散射中心的二维分辨,然后通过干涉相位处理,恢复出目标散射中心的真实三维分布。本文综述了InISAR三维成像的理论框架,回顾了InI-SAR成像技术的发展历程,着重对图像配准、相位解缠绕、运动补偿、斜视、基线配置等关键技术难点进行了分析和评估,明确了研究中存在的问题,阐述了有待进一步研究的方向,最后对InISAR的发展现状和趋势进行了总结和展望。

斜视干涉逆合成孔径雷达成像算法

针对雷达在斜视工作下的干涉相位模糊问题，提出了一种新的特显点干涉逆合成孔径雷达（ISAR）成像算法．该算法利用特显点信噪比较高、干涉相位估计值较为准确的特性，根据特显点的多普勒频率和横距信息拟舍得到目标的多普勒频率与横距的关系，从而对整幅ISAR像进行横向定标，得到目标的干涉ISAR像．该算法能消除干涉相位缠绕，而且对噪声具有较强的鲁棒性，同经典的干涉ISAR成像算法相比，在正确成像时，该算法所需的信噪比可降低10-15dB．

具有三维转动目标的逆合成孔径雷达成像算法

传统的 ISAR 距离一多普勒法成像基于匀速运动的目标模型。当飞机目标作机动飞行时,转速和转轴经常是时变的,若用传统方法成像,会使图像模糊,甚至无法辨识。文中提出了距离一瞬时多普勒成像的概念和方法,它可对一般机动飞行目标成像。实测数据成像结果表明该文的方法是可行的。

双基地逆合成孔径雷达成像分析

在波数域对双基地逆合成孔径雷达(ISAR)模型进行分析。双基雷达ISAR的特殊性主要体现在双基地角和等效视线方位角这两个参数中。前者会影响径向波数的大小而后者会影响波数的方向。利用双基地角等值线将观测区域进行了分类。对各类区域内双基地角和等效视线方位角变化规律进行了讨论,从而可以确定各区域内的双基ISAR成像算法。仿真结果验证了分析的正确性。

采用格林函数分解的太赫兹逆合成孔径雷达近场成像算法

针对太赫兹逆合成孔径雷达(ISAR)近场成像的问题,本文提出了采用格林函数分解的ISAR成像算法。文中结合太赫兹雷达超外差接收模式,构建和分析了近场条件下的目标回波模型。通过对回波模型中格林函数的分解,将表征球面波前的格林函数分解为二维平面波的叠加;并在频域完成对回波信号的滤波补偿和二维逆变换后,获得了太赫兹ISAR近场目标的图像。文中通过与二维FFT算法和本文算法进行的数值仿真结果对比,验证了该算法的可行性。最后利用太赫兹雷达转台实测数据对本文算法进行了验证和对比分析,结果表明该算法具有良好的成像性能。

干涉式逆合成孔径雷达三维成像技术研究

该文提出了干涉式逆合成孔径雷达三维成像的方法,并对于涉式测角出现的角闪烁现象提出了判断并剔除角闪烁点的准则。然后分析了两种跟踪体制下的三维成像方法,并提出了克服连续跟踪体制下跟踪误差引起的相位随机抖动问题的方法,解决了步进跟踪体制下各天线ISAR像焦点对齐问题。

基于稀疏成份分析的逆合成孔径雷达成像技术

根据小角度条件下的逆合成孔径雷达观测模型,利用稀疏成份分析方法给出了基于FFT的二维联合超分辨算法和二维解耦超分辨成像算法.该算法能从补偿后的较低分辨率测量数据中获得更高分辨率的ISAR图像,提高图像的清晰度,凸现目标的特征结构,有利于目标识别.同时,二维解耦算法能与运动补偿过程相结合,以提高补偿精度.针对典型空间目标的成像结果表明,基于FFT的二维联合算法获得的图像较为干净,目标背景对比度高;二维解耦算法运算速度更快.算法能满足实时或准实时成像的要求.

基于压缩感知的干涉逆合成孔径雷达成像研究

为解决传统运动目标逆合成孔径雷达图像不能对目标定位的问题,提出了一种基于压缩感知技术的干涉逆合成孔径雷达运动目标成像方法.介绍了将压缩感知理论引入到运动目标逆合成孔径雷达成像模型中的方法,研究了压缩感知逆合成孔径雷达复图像的相位误差和信噪比的关系,在此基础上,给出了基于压缩感知的干涉逆合成孔径雷达运动目标干涉测角定位方法实施流程.通过计算机仿真和实际数据处理结果验证了所提方法对运动目标成像定位的有效性.本文的研究成果扩展了压缩感知理论在逆合成孔径雷达中的应用前景。

采用子孔径分割的逆合成孔径雷达成像包络对齐方法

针对低信噪比情况下难以对逆合成孔径雷达(ISAR)目标回波进行精确包络对齐的问题,提出了一种采用子孔径分割的逆合成孔径雷达成像包络对齐方法。该方法首先将全孔径划分为若干个相同长度的子孔径,并将每个子孔径的包络误差建模为线性,然后利用最小熵准则对子孔径包络误差进行估计,最后通过高阶多项式拟合实现对全孔径包络误差的精确估计。该方法具有更好的抗噪性和更高的估计精度,能对ISAR目标回波数据进行较为精确的包络误差补偿。仿真结果表明,在-5dB的低输入信噪比下,相对于传统方法,该方法成像结果的熵值降低了约0.6,说明取得了更好的包络对齐结果。

利用多通道联合稀疏重建的干涉逆合成孔径雷达三维成像算法

针对单通道超分辨成像算法重建的超分辨图像间散射点的位置出现偏差的问题,提出了一种利用多通道联合稀疏重建的干涉逆合成孔径雷达(MCJSR-InISAR)三维成像算法。首先利用联合包络对齐算法校正目标平动对应的包络时延,再利用联合自聚焦算法实现平动补偿的初相校正,对来自不同天线的回波信号的距离差进行补偿,然后利用MCJSR进行超分辨成像,同时利用快速傅里叶变换提高运算效率,最后利用水平及俯仰干涉相位信息实现机动目标的InISAR三维成像。MCJSR-InISAR算法具有更高的强散射中心重建精度,能够对通道间的相对相位信息进行有效的保持。实测数据表明,与单通道超分辨成像算法相比,MCJSR-InISAR算法成像结果的熵值降低了约0.17,且运算复杂度降低了O(105)。