基于特征提取的ISAR成像欺骗干扰评估方法研究

雷达成像欺骗干扰是雷达对抗装备的一种重要干扰手段,在弹载、机载等多种武器平台上具有广泛应用。在分析ISAR成像欺骗干扰技术的基础上,研究了ISAR图像特性的提取方法,提出了一种基于ISAR图像特征提取的雷达成像欺骗干扰效果评估方法,解决了雷达对抗装备成像欺骗干扰能力评估难题,可为相关雷达干扰对抗试验及评估等提供参考。

某型舰载机目标的ISAR成像算法研究

逆合成孔径雷达(ISAR)成像技术因其能够提供目标的高分辨率二维图像,已经成为军事侦察、地球观测和灾害监测等领域的重要工具,但是,由于目标的复杂运动,传统的ISAR成像方法往往会出现图像模糊和失真的问题。距离多普勒(RD)算法通过对雷达回波数据进行二维傅里叶变换,可以有效地抑制目标的复杂运动对ISAR图像的影响,从而获得更清晰、更精确的图像,然而,在处理目标加速度和微动方面存在局限性。文中首先说明了ISAR的成像原理,介绍了运动补偿中的包络对齐,在此基础上,提出一种改进的包络对齐方法,通过某卫星成像对该算法进行验证,证明了该方法的适用性和灵活性,运用改进的包络对齐方法对某型舰载机成像,发现该方法可以有效地提高ISAR图像的质量和分辨率。

空间目标ISAR图像三维基元表示方法

空间卫星目标的逆合成孔径雷达(ISAR)图像由离散的散射点构成,具有弱纹理、高动态、非连续的特性,造成传统算法对空间目标ISAR图像进行三维重建时,得到的点云结果稀疏,无法覆盖目标整体外形轮廓,进而导致难以精确提取目标结构、姿态参数。针对上述问题,并考虑到空间目标通常由特定模块化部件组成的特点,该文提出一种从空间目标ISAR图像中抽取参数化基元来表示其三维结构的方法。首先利用能量累积算法从ISAR图像中得到目标的稀疏点云,进而利用参数化基元对点云进行拟合,最后将基元投影至ISAR成像平面,并最大化与目标图像的相似度来优化基元参数,得到最优的目标三维基元表示。相比于传统点云三维重建,该方法能够获得对目标三维结构更完整的描述,且所得到的基元参数即代表目标的姿态及结构,可直接支撑后续的目标识别、分析研判等任务。仿真实验证明该方法能够根据ISAR序列图像,有效实现对空间目标的三维表示。

基于ISAR图像序列的目标三维重构技术

从目标逆合成孔径雷达(ISAR)图像序列中获得目标的三维位置及结构信息,对目标识别与解译、空间目标监视等技术十分重要;通过对散射点特征提取与匹配及三维重构算法的研究,实现基于ISAR图像序列对目标的三维重构;首先利用LoFTR特征匹配算法提取目标强散射点关联位置信息,通过粗匹配与精匹配获得特征点二维坐标并生成观测矩阵;然后利用正交因式分解法计算目标强散射点三维位置信息,并通过重构结果融合实现较好重构效果;通过对序列ALOS卫星图像的处理,得到了目标强散射点的三维位置及形状的重构结果;结果表明,该方法能够有效地从ISAR二维图像信息中获得目标的三维空间信息。

基于PSO联合运动补偿的ISAR成像算法

在传统的逆合成孔径雷达(ISAR)成像中,目标的运动补偿通常需要先进行包络对齐实现一维距离像对准,再进行相位校正,这种补偿方法称为级联运动补偿。低信噪比下的级联运动补偿容易增加误差积累,最终导致图像模糊散焦,严重影响成像质量,针对该问题文中提出了一种基于粒子群优化(PSO)联合运动补偿的ISAR成像算法,该算法分解目标的运动模型,通过高阶次展开,设置参数向量,通过图像的锐化度作为代价函数,寻找向量参数的最优值进行目标的联合运动补偿,使得ISAR成像得到最佳效果。在最优参数求解过程中,本文采用PSO算法,运算时实现更快收敛,该算法提高了模型的求解速度,得到聚焦效果更好的ISAR成像。通过仿真数据和外场实测数据验证了算法的有效性。

基于ISAR成像的非合作航天器位姿识别网络

非合作航天器缺乏合作信息,无法直接利用传感器获得位姿数据,提出一种基于ISAR图像的位姿识别网络.相比于空间摄影卫星拍摄的图像以及仿真数据,该图像更易获取、成本更低,但存在分辨率低、面板成像不完整等问题.因此,该网络在图像预处理时,通过对YOLOX-tiny的调整,将其作为航天器裁剪网络,避免图像中标记的数据影响后续网络的训练,使网络仅关注航天器所在区域.利用增强的Lee滤波滤除图像噪声,提升图像的质量.在骨干网络中,加入STN模块,使网络选择最相关的区域注意,将U-Net网络设计成密集残差块结构并结合CBAM模块,减少下采样期间的特征损失,提高模型的准确性.此外,引入了多头自注意力来捕获更多的全局信息.实验结果表明,该模型最小、最大、平均误差较于目前的一些主流模型均有所提升,误差缩小了0.5-0.6,从而证明该网络具有更好的位姿识别能力.

基于变分模态分解与优选的超高分辨ISAR成像微多普勒抑制方法

逆合成孔径雷达(ISAR)在对空中目标成像时,目标自身的转动、振动等局部微动将产生微多普勒效应,回波将附加额外的多普勒调制,造成频谱展宽。在超高分辨条件下,这一微动特性将会影响主体散射点的聚焦,导致目标图像局部散焦模糊,严重影响成像质量。并且,微多普勒相位还具有时变非平稳特性,难以从ISAR目标回波中准确估计或分离出微多普勒。为了解决上述问题,该文利用目标主体回波和微多普勒分量的时频分布差异,提出一种基于变分模态分解(VMD)与优选的非参数化方法抑制了回波中的微多普勒分量,消除了微多普勒对成像的影响,获得超高分辨率的无人机ISAR成像结果。该文首先引入VMD算法并将其扩展到复数域,将ISAR目标回波数据沿方位向分解为若干个中心频率均匀分布于多普勒采样带宽中的模函数,在此基础上利用图像熵指标优化分解参数和筛选成像模态,以保证微多普勒的良好抑制和主体回波的较完整保留。与现有基于经验模态分解(EMD)和局部均值分解(LMD)的方法相比,所提方法在超大带宽条件下对旋翼微动引起的微多普勒干扰有着更为出色的抑制效果,而且对机身部分的保留更为完整。最后,通过仿真对比和超宽带微波光子ISAR无人机实测数据处理,证明了该文所提方法的有效性和优势。

结合最近邻图模型的稀疏ISAR成像方法

逆合成孔径雷达(Inverse Synthetic Aperture Radar,ISAR)稀疏成像方法可提供图像对比度高、旁瓣干扰少的成像结果 .稀疏成像以场景或目标散射率分布具有稀疏性为前提,待成像目标场景的稀疏特性决定了最终成像质量. ISAR目标场景的自然稀疏特性着重刻画点状特征,变换域稀疏表示可增强目标图像的纹理等通用特征.通过学习获得的稀疏变换字典,可自适应于待成像的ISAR目标场景,找到面向ISAR目标图像块的特有稀疏表示.但是,图像块的特有稀疏表示中忽略了待成像目标场景中目标的几何特征信息.最近邻图模型可建立给定数据的几何特征描述算子,刻画出给定数据的几何特征信息.本文利用最近邻图模型来刻画待成像目标场景中目标的几何特征信息,并映射到待成像目标场景的特有稀疏表示中;提出结合最近邻图模型的ISAR稀疏成像方法,用于不同类别实测ISAR数据成像.相比已有的ISAR稀疏成像方法,所提成像方法可获得目标轮廓更清晰的成像结果,成像所需时间平均减少10.4%.

多视角观测的ISAR融合成像技术综述

针对基于稀疏表示的多雷达信号互相干处理和相关领域的研究现状,利用多部逆合成孔径雷达(inverse synthetic aperture radar,ISAR)对目标进行探测以提高成像效率的方法。阐明多雷达成像存在的线性误差和夹角估计误差,提出基于信号稀疏表示的多雷达信号互相干处理方法;利用幅度和相位补偿参数的稀疏特性,通过信号稀疏重构方法来估计补偿参数,并对下一步研究方向进行展望。结果表明,该方法能够提高稀疏条件下ISAR多雷达的实用能力。

基于Multitask⁃YOLO网络的卫星帆板ISAR图像快速分割

随着空间技术的飞速发展,空间态势感知能力需求不断增加。与传统光学传感器相比,逆合成孔径雷达(Inverse synthetic aperture radar,ISAR)具有全天候、远距离高分辨率成像的能力,且成像不受光照条件的影响。此外,空间态势感知系统需要对周围航天器进行准确的评估,因此对空间目标部件识别能力的需求日益迫切。本文提出了一种基于YOLOv5结构的Multitask⁃YOLO网络,用于卫星ISAR图像中卫星帆板的识别和分割。首先,本文添加了分割解耦头来实现网络的分割功能。然后用空间金字塔池快速算法(Spatial pyramid pooling fast,SPPF)和距离交并比算法(Distance intersection over union,DIoU)代替原有结构,避免图像失真,加快收敛速度。通过在通道中引入注意机制,提高了分割和识别的准确性。最后使用模拟卫星的ISAR图像进行实验。结果表明,所提出的Multitask⁃YOLO网络高效、准确地实现了部件的识别和分割。与其他的识别和分割网络相比,该网络的平均精度(mean Average precision,mAP)和平均交并比(mean Intersection over union,mIoU)提高了约5%。此外,该网络的运行速度高达16.4 GFLOP,优于传统的多任务网络的性能。

基于调频率微调的压缩感知ISAR抗欺骗干扰技术研究

有源欺骗干扰是针对逆合成孔径雷达(ISAR)的一种较成熟的干扰技术,但抗欺骗干扰技术研究尚有欠缺。文中在分析欺骗干扰信号生成原理的基础上,采用脉间调频率微调的方法,使得虚假目标信号与雷达解线频调脉压参考信号的调频率失配,以降低虚假目标的脉压增益。但由于调频率脉间随机变化,会造成成像积累时间内不同调频率回波信号无法相参积累,难以进行方位向高分辨成像的问题。为解决这个问题,提出了采用压缩感知技术,对调频率相同的稀疏回波进行信号重构,以获取真实目标的ISAR图像。此外,利用干扰信号调频率失配时的距离像特性,文中还提出基于距离像熵值的智能化干扰感知方法,能够准确判断雷达是否遭受干扰,为雷达决策采用抗干扰工作模式提供依据。仿真结果表明所提方法可以准确感知干扰,能够在有源欺骗干扰情况下抑制假目标回波,得到真实目标清晰的ISAR像。

一种基于元学习的稀疏孔径ISAR成像算法

稀疏孔径逆合成孔径雷达(ISAR)成像的目标是从不完整的回波中恢复和重建高质量ISAR图像,现有方法主要可以分为基于模型的方法和基于深度学习的方法两大类:一方面,基于模型的稀疏孔径ISAR成像方法往往具备显性的数学模型,对雷达回波的成像过程有清晰的物理建模,但算法有效性上不如基于学习的方法。另一方面,基于深度学习的方法通常高度依赖训练数据,难以适配空间目标ISAR成像任务中高实时、高动态的现实应用需求。针对上述问题,该文提出了一种基于元学习的高效、自适应稀疏孔径ISAR成像算法。所提方法主要包含基于学习辅助的交替迭代优化和元学习优化两部分。基于学习辅助的交替迭代优化继承了ISAR成像机理的回波成像模型,保证了方法数学物理可解释性的同时避免了方法对数据的依赖性;基于元学习的优化策略通过引入非贪婪优化策略,提高了算法跳出局部最优解的能力,保证了病态非凸条件下的算法收敛性能。最后,实验结果表明:该文方法可以在不依赖训练数据、不进行预训练的情况下实现高效、自适应的稀疏孔径ISAR成像,并取得优于其他常规ISAR成像算法的性能。

基于自适应权重GPSR算法的ISAR成像

为了提高ISAR成像运算效率,本文提出一种自适应权重GPSR(AW GPSR)算法,并用于ISAR成像。该算法为加快参数重构的收敛速度,给ISAR图像中每个散射点都赋予正则化权重系数。对于幅度较小的散射系数,赋予较大的权重,使其快速减小为0;对于幅度较大的散射系数,给予较小的权重,使其在迭代中保持不变。在梯度下降迭代过程中,不断更新散射系数和正则化权重。本文采用仿真信号和实测信号进行ISAR成像实验,实验结果表明,相比常规GPSR算法,AW GPSR算法达到收敛的速度更快,成像时间降低了约23%。在成像效果方面,AW GPSR算法与常规GPSR算法相当,但明显好于传统的R-D算法和ESPRIT算法。

基于相位调制表面角反射器的ISAR图像调制方法

针对空中目标对抗逆合成孔径雷达(inverse synthetic aperture radar,ISAR)成像侦察的无源防护手段防护面积有限和灵活性不足的问题,提出了一种基于相位调制表面(phase-switched screen,PSS)角反射器的ISAR图像调制方法.分析了互旋角反射器结构在施加PSS周期调制前后的ISAR成像特性,揭示了其对ISAR图像的干扰特点;基于距离向干扰的扩展需求,分析了PSS双极性调制波形和三角阶梯相位调制波形的频谱特性,并据此制定了不同的干扰策略;设计仿真实验,分析了在互旋PSS角反射器上加载不同的调制信号的干扰效果.仿真结果表明:未施加PSS调制时,互旋角反射器结构的距离向干扰范围仅受限于其物理尺寸;施加PSS调制之后,根据不同的策略可使距离向干扰范围扩展至3~7倍,上述仿真结果与理论分析一致.本文方法结合了有源干扰与无源干扰的优势,具有结构简单、成本低廉、隐蔽性好、使用灵活的优点,可使空中目标采用较小尺寸的无源防护装置即可灵活对抗ISAR成像侦察.

ISAR双站雷达融合成像回波生成方法研究

针对双站ISAR雷达融合成像回波生成方式不能真实反映双站雷达数据特点,难以验证后续融合成像算法的实际成像性能等问题,提出一种将两部雷达不同位置同时采样转化为同位置不同时间的采样模型。考虑了两部雷达间采样不同步性、载频不一致性、初始相位的非相参性等实际问题,以两部雷达融合成像回波生成为典型实例,说明ISAR多雷达融合成像回波生成方法的通用性和可扩充性。

舰船目标实时ISAR分辨率评估及成像方法

实时逆合成孔径雷达(Inverse Synthetic Aperture Radar,ISAR)分辨率评估是判断舰船目标成像质量的关键,其评估结果直接决定了是否需要重复成像和应用于目标分类与识别的价值。介绍舰船目标ISAR成像原理,提出基于实时成像数据的分辨率计算和误差评估方法,进而给出基于误差评估结果的自适应ISAR成像方法。所提的计算方法和分析结果对于工程应用具有一定的参考价值。

基于频域信息融合和稀疏贝叶斯学习的高分辨ISAR成像

为了在ISAR成像中更好地压制噪声,消除条纹干扰,提高成像分辨率,本文提出一种基于双向插值处理和频域信息融合的稀疏贝叶斯学习算法,称之为BI-FF SBL算法。该方法首先对回波信号分别进行径向和横向插值预处理,将预处理得到的两份数据通过LA-VB算法进行ISAR成像;然后将得到的两幅ISAR图像通过二维傅里叶变换进入频域,并将两个二维频谱进行信息融合处理,以消除噪声和条纹干扰的相关信息并保留目标结构信息;最后对融合处理后的频谱进行二维傅里叶逆变换,得到最终的ISAR图像。为了验证BI-FF SBL算法的ISAR成像效果,本文进行了基于仿真数据和实测数据的成像实验,并将实验结果与R-D算法、L1-BP算法、LA-VB算法进行对比,发现BI-FF SBL算法在压制噪声和去除条纹干扰方面具有明显的优势,且能提供分辨率更高的ISAR图像。当实验数据信噪比降到0 dB时,BI-FF SBL算法依然能够提供清晰的ISAR图像,明显优于其他三种算法。测试超分辨重构误差的实验结果表明,相比于L1-BP算法和LA-VB算法,BI-FF SBL算法的重构误差更低,在实验数据信噪比为0 dB时,重构信噪比可以达到13.55 dB。

一种基于感知哈希的ISAR序列像分块匹配算法

ISAR序列图像匹配是寻找ISAR序列图像像素点间关系的图像处理技术,是获取空间非合作目标姿态、三维结构等信息的重要环节,对获取目标特性、分析目标能力、推理目标意图具有重要的支撑作用。提出一种基于感知哈希的ISAR序列像分块匹配算法方法,利用感知哈希算法对分块的图像块进行匹配,完成局部图像块的粗匹配,在此基础上采用基于SIFT算子的图像匹配算法对匹配的图像块进行精细匹配,达到ISAR序列图像准确匹配的目的,匹配精度得到进一步提升。

基于CNN的高速运动目标ISAR成像方法研究

在高速运动目标逆合成孔径雷达(ISAR)成像中,基于传统线性调频(LFM)信号参数估计进行相位补偿的方法存在计算复杂和误差大等问题,对此提出一种基于卷积神经网络(CNN)的线性调频信号调频斜率估计方法。首先采用Wigner-Ville分布的时频分析方法对一定范围调频斜率的线性调频信号生成时频图像构建训练集;其次将高速运动目标回波信号经Wigner-Ville分布处理的时频图输入到卷积神经网络中,对回波信号调频斜率进行识别;接着通过识别的调频斜率对目标速度进行反演,进而构建补偿信号并对回波信号进行相位补偿;最后通过距离多普勒成像算法处理后可得到清晰的ISAR像。仿真实验结果表明了所提方法的有效性。

一种基于SPWVD-WVD的高质量时频分析方法及ISAR成像应用

交叉项干扰抑制与高时频聚集度是准确反应信号的时频分布特征的重要因素。传统的魏格纳-维尔分布(Wigner-Ville Distribution,WVD)算法虽能获得较高的时频分辨特征,但分析多成分信号时存在严重的交叉项干扰问题,限制了其实用性;而平滑伪魏格纳-维尔分布(Smoothed Pseudo Wigner-Ville Distribution,SPWVD)算法虽在一定程度上抑制交叉项干扰,但降低了时频聚集度。为了解决上述问题,提出了基于SPWVD-WVD的时频分析方法。该方法利用SPWVD与WVD之间的滤波互消效应,将SPWVD二值化结果与WVD结果进行矩阵运算,最终得到高质量的时频分析结果。实验结果表明,所提出的算法能够有效去除多分量信号的交叉项干扰,提高信号分析结果的时频聚集度,还原多分量信号的真实时频分布。最后将该算法成功应用于逆合成孔径雷达成像中。