EES-MIMO雷达发射波形设计

EES-MIMO雷达发射波形设计直接关系着EES-MIMO雷达特性,通过采用遗传算法对正交离散频率编码(DFCW)、正交频分复用(OFDM)、基于多载频相位编码(MCPC)波形进行设计,并对其模糊函数性能进行分析,最终确定最佳波形。

高斯色噪声背景下EES-MIMO雷达目标参数估计方法

本文为提高EES-MIMO雷达在复杂电磁环境生存能力及抗干扰性,针对高斯色噪声背景下EES-MIMO雷达目标参数估计方法展开研究,考虑到高斯色噪声的高阶累积量为零,可以将高阶累积量理论应用于EES-MIMO雷达接收信号数学模型中。以此模型为基础研究出一种目标参数估计算法,使用软件仿真实验证明该算法可以有效应用于EES-MIMO雷达定位系统中。

基于SVD-TLS的EES-MIMO雷达电磁环境感知算法

为提高EES-MIMO(Electromagnetic Environmental Sensory-Multiple-Input Multiple-Output)雷达在复杂电磁环境下测量精度和工作可靠性,提出了一种新的基于整体最小二乘(TLS:Total Least Squares)方法与奇异值分解(SVD:Singular Value Decomposition)的电磁环境感知算法。SVD-TLS算法首先利用了互谱AR(Auto Regressive)模型参数估计,然后考虑其互相关函数矩阵中的估计误差扰动,并采用同时考虑方程右端互相关函数向量中估计误差扰动的TLS方法予以实现。仿真实验结果表明,该算法具有良好的谱估计性能,可较准确地感知环境中杂波所处的频段,从而为EES-MIMO雷达利用剩余"干净"频带收发波形提供了可靠保证。

基于风廓线雷达的四川盆地西部强降水过程风场特征

根据暖区暴雨的分型(西南涡型、副热带高压边缘型、西南急流型和东南风型),选取四类天气背景下四川盆地西部(成都地区)的暴雨过程,利用风廓线雷达新资料,详细分析了青藏高原-四川盆地特殊地形下,不同类型暖区暴雨中典型强降水发生、发展时的风廓线特征。研究表明:(1)风廓线雷达资料可以很清楚地表现出对流层及边界层存在的中小尺度系统,不同类型强降水过程的风场演变特征同特殊地形与区域环流及天气系统的相互作用密切相关,除副高边缘型外,其他三种类型暖区暴雨典型过程发生前或发生时都出现了边界层东北风或偏东风;(2)垂直速度变化梯度大,直观地体现了这几次过程时间短、对流强的特征,降水开始后,向下的垂直速度明显减弱甚至转向的突变时期,代表气层中上升运动的明显增强,这种垂直速度的突变对于强降水的预测有指示意义;(3)垂直速度极值在强降水发生前或发生时会明显增大,并伴随有极值层降低的现象,水平风速极值和极值层有同步的增减趋势,大部分强降水过程发生前,中层都出现了中尺度急流,并伴随急流层的降低;(4)在这四种类型的暴雨过程中都有低空急流的参与,其中副高边缘型和西南涡型暴雨过程中,低空急流指数第一次增大都对降水的开始有1~2 h的预报提前量,而在东南风型和西南涡型过程中低空急流指数的突增预示了降水强度的增大。

宽带相控阵雷达孔径渡越与距离徙动联合校正

宽带相控阵雷达探测高速运动目标时,目标回波快时间频率与空、时二维耦合,容易出现孔径渡越和距离徙动双重问题。针对该情况,提出一种联合校正方法:当雷达工作于窄发模式时,通过频域补偿和一维时间尺度(TS)进行解耦;当雷达工作于宽发模式时,通过二维TS进行解耦。针对雷达工作模式界定问题给出了明确条件。仿真结果表明,所提方法可有效解决孔径渡越、距离徙动引起的目标回波跨阵元、跨脉冲问题,联合校正后目标有效检测临界信噪比较理想状态损失不超过3 dB。

基于瓦片分区的雷达动态定量降水估测方法研究

雷达定量降水估测(QPE)考虑雨滴谱的时空变异性,是提高QPE的有效途径。雷达采用Z-R关系开展降水估测时,雨滴谱的差异,主要表现为Z-R关系式不同;利用瓦片分区方法,将降水估测区域进行瓦片分区,每个瓦片内利用雷达和自动站数据动态拟合Z-R关系式开展QPE。文中利用六次天气过程对瓦片分区降水估测方法进行评估,从QPE各项评价指标看,误差较传统的固定Z-R关系法和全域动态Z-R关系法,有很好的提升,降水估测结果与强降水中心基本一致,各项误差指标均最小;结果表明瓦片分区降水估测方法是提升雷达QPE的有效方式。

石家庄S波段和X波段双偏振雷达定量降水估测应用研究

基于石家庄S波段雷达和X波段雷达、雨滴谱仪观测资料以及地面雨量计数据,分析两种雷达的R(ZH)、R(ZH,ZDR)、R(KDP)和R(KDP,ZDR)四种定量降水估测方法。结果表明,利用雨滴谱仪数据计算出的雷达反射率因子与雷达实测具有较好的一致性,但整体偏大5 dB;两种雷达使用R(KDP,ZDR)方法估测降水结果优于其他方法,使用偏振参量KDP能明显提高降雨估测结果,使用ZDR后,测雨公式较单参量提高不明显;使用R(KDP)和R(KDP,ZDR)方法,利用X波段雷达估测降水的准确度略高于S波段雷达,可提升约10%,利用高空间分辨率的X波段雷达可以提升城市降水估测的精确度。

复杂地质条件下隧道地质雷达与数值模拟研究

文章探讨了地质雷达在复杂地质条件下隧道勘探中的应用。对复杂地质条件对隧道施工的影响进行了分析,重点介绍了地质雷达在隧道地质勘探中的关键作用,以及数值模拟技术在解决复杂地质问题中的优势。在理论层面,着重阐述了地质雷达的基本原理以及数据处理方法,并通过运用gprMax软件设计实验,研究尺寸因素对目标体的影响。结合湖南永州紫金山3号隧道工程项目的案例,使用地质雷达采集数据并验证了数值模拟的结果。在这一实例中,有效地应用了地质雷达技术,预测了隧道掘进面前的断层破碎区及其断层位移,这为工程操作提供了重要的指引和帮助。这些发现不仅深化了大家对地质雷达在隧道勘探中应用的认识,同时也为复杂地质环境下的隧道工程施工提供了实际可行的预警和探测手段。

基于雷达自动目标识别技术的反无人机雷达

面对“低慢小”(Low Slow Small, LSS)无人机威胁挑战,反无人机雷达的关键作用日益凸显。在反无人机系统(Countering-Unmanned Aerial Systems, C-UAS)技术中,反无人机雷达作为C-UAS的核心传感器,承担着关键任务,包括探测和导引等。尽管其重要性显而易见,反无人机雷达设计仍然存在概念上的不清晰,例如如何定义LSS无人机目标,以及为何众多反无人机雷达难以探测无人机等问题。通过探讨雷达自动目标识别(Automatic Target Recognition, ATR)技术在反无人机雷达中的应用,从目标特性和探测技术2个方面明确了关键问题。强调了雷达探测的独立过程,将其分为“信号检测”和“目标识别”,并指出反无人机雷达的主要探测对象是LSS无人机目标。ATR性能等级被明确定义,涵盖了“Detection探测”“Classification分类”“Identification识别”“Description描述”4个等级。整合ATR功能显著提升了无人机的探测距离和识别能力,推动了反无人机雷达系统的性能升级。

融合毫米波与激光雷达的障碍物检测与跟踪方法

在园区环境中,无人车装载单一毫米波雷达或激光雷达传感器进行障碍物检测跟踪时存在探测范围有限、准确率低及稳定性差等问题。为此,提出一种基于毫米波雷达与激光雷达融合的多障碍物检测跟踪方法。利用改进欧氏聚类算法对道路内激光点云目标进行提取,基于信息筛选策略获得毫米波雷达数据中的有效目标;基于目标检测交并比与可靠性分析,对2种目标进行自适应融合,并利用跟踪门与联合概率数据关联(JPDA)算法完成前后帧数据匹配;应用多运动模型交互与无迹卡尔曼滤波实现障碍物跟踪。实车实验表明:相比单一毫米波雷达与激光雷达障碍物检测跟踪,所提方法有更好的准确性与稳定性。

基于衍射透镜接收的激光雷达特性分析及测试

在激光雷达系统设计中,光学系统的优化与设计是一个重要的研究方向,本文利用衍射光学元件(DOE)的设计自由度高和色散大等优势,将DOE用于激光雷达接收端,同时实现聚焦和滤光作用,降低了光学系统复杂度。本文基于DOE的原理,仿真分析了DOE的光学特性,并且以DOE作为激光雷达的光学接收端,完成了激光雷达测距实验,证明了DOE同时具有聚焦作用和窄带滤光作用,实验结果与仿真基本一致。本文利用DOE在激光雷达中的优势,实现激光雷达的轻量化、集成化和高效化。

三频雷达遥感云参数能力的模拟与初步分析

短波雷达在观测云内粒子微物理属性方面具有优势,是探测全球水循环重要环节——云的强有力探测工具。本文简要回顾了云雷达探测的理论基础,从雷达探测基本原理出发,借助小粒子电磁波散射理论和方法,建立了一套多波长雷达观测正演(前向)模型(Radar Simulation Package,简称RSP),并利用RSP对当前主流的三种典型波长X波段(9.5 GHz、3 cm)、Ka波段(35 GHz、8 mm)和W波段(94 GHz、3 mm)短波雷达的遥感探测能力开展了模拟分析。通过与瑞利法计算结果相比较,证实RSP法的计算精度可靠准确。基于RSP法模拟结果,建立了液水含量(LWC)与雷达反射率因子(Ze)、有效粒子半径(re)与Ze之间幂指数形式的反演关系;建立了利用不同云层高度处两波长的反射率因子差值,反演云层平均LWC的反演关系等。本文工作对如何利用雷达探测参数提取液态云滴的微物理参数方法进行了探讨,一方面为多波长雷达探测云特征获得更准确的理论认识,另一方面为云微物理参数的反演提供理论依据和分析手段。

改进YOLOv5的探地雷达常见地下管线识别

针对当前探地雷达(Ground Penetrating Radar,GPR)图像识别准确率低,且小目标识别困难等问题,本文将YOLOv5(You Only Look Once)和ConvNeXt网络相结合,提出一种适用于GPR图像的常见地下管线识别网络ConvNeXt-YOLOv5,显著提高了雷达图像中小目标的识别精度.同时,为了解决因地下管线原始信息不足而导致的模型训练精度低的问题,使用实测GPR图像、时域有限差分法(Finite-Difference Time-Domain,FDTD)与混类增强算法Mixup模拟图像构建数据集.然后,在此数据集上验证了本文所提方法对常见地下管线的识别效果,并用识别后的二维GPR B-scan图像还原出地下管线的三维图像.实验结果表明,对镀锌输水钢管、PVC管、电缆线和含水塑料瓶等常见地下管线进行识别时,ConvNeXt-YOLOv5表现出优良的识别性能.尤其是对PVC管的识别精度提升明显.与YOLOv4、YOLOv5、YOLOv7和Faster R-CNN模型相比,其平均精度均值分别提高了3.83%、2.82%、1.9%和3.72%.同时,三维探地雷达图像更直观的还原了地下管线信息.

基于激光雷达扫描的料仓原料储料量测量方法

为提高仓内原料储料量测量自动化和智能化水平,设计了一种基于二维激光雷达扫描的储料量测量装置与系统。本系统采用RPLIDARS1型二维激光雷达扫描获取不同储料量物料的原始点云数据,通过坐标变换、重叠点提取、滤波、分割等方法对原始点云进行预处理,采用贪婪投影三角化算法将预处理后的点云进行三维重建,获得仓内原料的三维模型,结合物料三维模型和物料的容重获得仓内原料的储料量,从而实现储料量的自动测量。以玉米为试验对象,测量小型储料塔内玉米储料量并对玉米不同储料量进行扫描测量,验证模型的准确性,结果显示:测量结果的平均绝对误差为8.05kg,平均相对误差为1.52%。研究结果表明,基于二维激光雷达扫描的储料量测量方法是可行的,具有较好的稳定性和测量精度,能够满足实际生产需求。

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。

探地雷达在白洋淀湖底地层结构探测中的技术攻关与实践

白洋淀湖底地层调查对于白洋淀生态地质调查、湖底生态清淤及湿地生态保护具有非常重要的现实意义。为系统探明白洋淀湖底地层结构,从区域尺度对湖底地层实现完整刻画,为钻探调查提供精确的靶区数据支撑,创新了探地雷达应用范围,采用船载方式,透过水体开展了湖底地层勘查。剖析白洋淀湖底结构探地雷达勘探技术难点,分析了含底泥和不含底泥2种情形下水上勘探电磁波的传播特征和湖底原生地层的地球物理响应条件,建立了淀水+淤泥层+湖底原生地层的湖底简化结构模型。通过对比国内外主流探地雷达系统不同硬件设备的勘探能力与适应条件,优选出双皮划艇搭载50 MHz低频组合天线的工作模式,结合适用于水下电磁波弱信号提取的数据处理技术,获得了白洋淀湖底15 m深度范围的地层结构数据。结果表明,此种工作模式适用于湖区水深小于5 m的水域,原生地层电磁波整体呈现弱反射特征,湖底15 m深度范围内存在2~3组砂层反射界面。淤泥层会大大削弱湖底原生地层的电磁波反射强度。存在厚砂层的水域,电磁波会形成强反射波组,砂层展布形态刻画清晰,砂层厚度变化在0~3 m之间。本项研究实现了湖底地层结构建模分析、天线勘探模式优选、数据处理过程优化等技术集成。该技术成果为白洋淀淀区地下水与地表水三维地质建模提供了基础依据,为湖底地层钻探勘查提供了靶区支撑,有力推动了白洋淀湿地水-陆一体化探测技术方法体系的构建。

隧道轮廓激光雷达点云线特征共面约束标定方法

地铁隧道断面轮廓参数测量过程中,需要对高速激光雷达点云进行高精度系统标定。特别是大场景隧道环境,对标定模板要求高,标定过程复杂,检测精度影响大。针对此问题,本论文提出了一种新颖的适用于地铁隧道轮廓点云的标定方法,并基于双激光雷达测量系统,进行了算法研究。本方法设计了专用的手推行便携式标定系统,利用由点云数据提取的标定板线特征,建立目标函数,通过混合了遗传算法和Levenberg-Marquardt算法的非线性优化方法,寻找全局最优解从而实现对激光雷达的标定。实验结果表明:本方法对于两侧钢轨顶轨的标定误差在±1.5 mm以内;静态测量精度X误差在±1 mm内、Y误差在±4 mm内;当采集系统以5 km/h的速度进行数据采集时,动态测量精度X误差在±4 mm内、Y误差在±6 mm内。本方法能够实现激光雷达的高精度标定,算法鲁棒性强,具有易操作、环境适应性强的特点。

合成孔径雷达快速后向投影算法综述

后向投影(BP)算法是合成孔径雷达成像算法发展的重要方向之一。然而,由于BP算法具有较大的计算量,阻碍了其在工程应用上的发展。因此,近年来如何有效地提高BP算法的运算效率受到了广泛的重视。该文讨论了基于多种成像面坐标系的快速BP算法,包括距离-方位平面坐标系、地平面坐标系和非欧氏坐标系。该文首先简要介绍了原始BP算法的原理和不同坐标系对加速BP算法的影响,并对BP算法的发展历程进行梳理。然后讨论了基于不同成像面坐标系的快速BP算法的研究进展,并重点介绍了作者所在研究团队近年来在快速BP成像方面完成的研究工作。最后介绍了快速BP算法在工程上的应用,并展望了未来快速BP成像算法的研究发展趋势。

AF-CenterNet:基于交叉注意力机制的毫米波雷达和相机融合的目标检测

对于自动驾驶领域而言,确保在各种天气和光照条件下精确检测其他车辆目标是至关重要的。针对单个传感器获取信息的局限性,提出一种基于cross-attention注意力机制的融合方法(AF),用于在特征层面上融合毫米波雷达和相机信息。首先,将毫米波雷达和相机进行空间对齐,并将对齐后的点云信息投影成点云图像。然后,将点云图像在高度和宽度方向上进行扩展,以提高相机图像和点云图像之间的匹配度。最后,将点云图像和相机图像送入包含AF结构的CenterNet目标检测网络中进行训练,并生成一个空间注意力权重,以增强相机中的关键特征。实验结果表明,AF结构可以提高原网络检测各种大小目标的性能,特别是对小目标的检测提升更为明显,且对系统的实时性影响不大,是提高车辆在多种场景下检测精度的理想选择。

雷达信号与遥感地图融合的深度学习低慢小目标检测算法

雷达复杂环境低慢小目标检测是一项具有挑战性的任务,而利用深度学习以及数据特征融合等方法是解决这一难题的有效手段。本文在雷达地图融合检测网络(Radar Map fusion Detection Network,RMDN)的基础上进行了优化,主要优化方向为将雷达与地图信息在检测过程中进行重要性程度区分,具体优化内容为减少地图特征提取模块的网络深度,加入通道注意力机制,让神经网络自主学习雷达信息与地图信息特征的权重,使神经网能够更好地利用地图信息对雷达目标进行辅助检测。在此优化基础上,本文重新设计出了雷达地图融合检测网络RMDN-V2。算法的主要思想为利用卫星遥感地图来提供背景环境信息,作为雷达信号检测的辅助,通过将目标背景中的特征信息融入检测决策中,提高目标检测的准确性和鲁棒性,减少对强杂波和移动物体的干扰敏感性,改善目标检测算法在复杂环境下的表现。最后的无人机雷达实测数据实验结果表明,本文所做的针对性优化是有效的,RMDN-V2的检测性能优于原始的RMDN,同时本文算法检测性能远超传统的雷达检测算法,同时也优于目前主流的一些深度学习雷达目标检测算法。本文为解决当下低慢小目标检测的难题提出了新的算法。