新体制民用雷达与实时信息处理研究

随着天线制造技术、超宽带技术、合成孔径技术和信息处理技术的发展,雷达的体积不断减小,探测精度和成像分辨率大大提升,雷达开始在民用领域中活跃起来,尤其是应用于穿透成像、微波遥感成像、滑坡监测和机场异物检测等领域的民用雷达发展十分迅速。为了让民用雷达在复杂的自然环境中具有更高、更稳定的性能,雷达信息处理技术一直在不断创新。本文介绍了民用雷达的新趋势和新技术,以及探墙雷达、微型SAR、边坡雷达和异物检测(Foreign object debris,FOD)雷达实时信息处理的关键问题和解决方案。

星载SAR在轨成像高效处理系统硬件实现设计

星载合成孔径雷达(Synthetic Aperture Radar,SAR)在轨成像技术是灾害检测、军事侦察等高时效遥感应用场景的关键手段,以现场可编程门阵列(Field-Programmable Gate Array,FPGA)+数字信号处理器(Digital Signal Processing/Processor,DSP)为处理核心是一种搭建星载SAR在轨成像系统的典型方案,在异构算力、能效比、灵活度等方面综合评价良好。但现有的FPGA+DSP系统在算法支持、大粒度处理、片上并行加速、复杂矩阵转置方面仍研究不足,成像性能仍然有较大提升空间。本文对支持大斜视、高分辨成像的非线性调频变标算法(Nonlinear Chirp Scaling Algorithm,NCS)算法进行分析,根据运算复杂度和类型将算法划分为主流程和辅助路程,以此为依据提出NCS算法在FPGA+DSP系统中的异构映射方案;针对多通道快速傅里叶变换(Fast Fourier Transform,FFT)处理后数据存储形式发生变换、难以流水处理的问题,提出基于时频抽取切换的多通道FFT协同处理方法,保证多通道FFT处理高效进行;针对不同粒度、不同并行度场景下转置需求复杂多变的问题,提出基于X-直接存储器访问(X-Direct Memory Access,XDMA)+片上分割转置的通用交叉转置方案。本文采用2片VX690T FPGA和2片FT6678 DSP为核心处理器研制了星载SAR成像板卡,实现了提出的系统设计方案。同时,本文搭建了基于模拟源+地检的验证环境,对条带/扫描/聚束/滑聚/TOPS模式的仿真点阵数据和条带/滑聚模式的实测数据进行处理。点阵数据的二维峰值旁瓣比约为-13.2 dB,二维积分旁瓣比约为-10.1 dB,成像质量良好;以条带模式为例,图像尺寸为32K×16K,基于NCS算法的平均成像时间为7.81 s,成像速度较现有方案大幅提升。

合成孔径雷达高分辨率成像虚拟仿真实验平台设计

合成孔径雷达(synthetic aperture radar,SAR)系统组成复杂,搭载于飞机、卫星等运动平台上才可实现数据获取,难以开展基于SAR雷达实物的实验教学。为解决此问题,设计并搭建了SAR高分辨率成像虚拟仿真实验平台。该虚拟仿真实验平台将系统设计技术、实验设计技术、数据采集过程、信号处理技术、图像评估技术等SAR实验的完整流程进行了高展示度、高保真度、高交互性的计算机模拟。一方面,该虚拟仿真实验可以帮助学生理解SAR设计、工作和应用的流程,巩固相关课程基础知识,激发学习雷达信号处理知识的兴趣;另一方面,可以考查学生对相关知识的综合应用能力,增强学生解决实际问题的技能。该仿真平台已成功应用于虚拟仿真教学课程实践,教学效果良好,对培养新工科技术型人才具有重要意义。

嵌入式GPU滑动聚束SAR实时成像方法

针对SAR实时成像系统的传统计算平台实时性不足与功耗过高的问题,研究了一种基于嵌入式GPU的实现方法.为了充分利用嵌入式GPU中有限的内存资源,提出一种内存分割与重配置方案,采用页锁定内存和zero-copy技术,实现数传计算并行化处理;为解决实时性问题,在算法并行计算环节,利用共享内存、寄存器等资源实现大规模数据并行.结果表明,在TX2上完成16384×8192点滑聚SAR成像处理时间为12.66 s,功耗为15 W.该优化方法也适用于其他模式的雷达处理算法,并可为未来嵌入式实时成像处理提供参考.

分布式地基雷达深空探测技术

地基雷达深空探测可以获得天体的轨道、形貌、材质等信息,可用于深空的科学研究。地基雷达深空探测的回波信噪比极低,需要增大天线口径、提高发射功率,由于口径、体积等方面的因素,单台套雷达天线不能无限制地扩大,发射功率也不能无限制地提高,因此需要研究可扩展性强的雷达体制。分布式雷达是一种由多部单元雷达和中心控制处理系统组成的新体制雷达,通过增加雷达单元数量,可以实现口径的空域扩展和能量合成,等效形成一部大口径、高功率的雷达,结合长时间积累技术,分布式地基雷达将实现更远距离和更高分辨的深空目标探测,看到更加遥远的天体。

面向嵌入式平台的车道线检测方法

车道线检测在自动驾驶和高级辅助驾驶中起着举足轻重的作用,然而,传统的车道线检测技术鲁棒性较差,而大多数基于深度学习的方法复杂度又较高,难以在嵌入式平台实时应用。提出一种面向嵌入式平台的轻量级车道线检测网络,将车道线检测转化为语义分割问题,该网络借鉴U-Net与Segnet网络结构,使用了小尺度卷积等轻量化组件设计计算高效的语义分割网络。在检测车道线的基础上,计算车辆距离两侧车道线的距离,以及车道线的曲率,同时当车辆偏离车道线或检测出现异常时进行预警,最后将整个系统移植到海思平台。实验结果表明:该系统具有较高的检测精度以及检测速度,准确率达到97.5%,速度达到50 FPS,满足实时性要求,因此该系统能够用于面向嵌入式平台的实时车道线的检测、测距、曲率计算以及预警。

车载分布式雷达相参处理方法研究

城市道路环境中行人、路障等弱目标回波信噪比低,传统车载雷达对其探测能力有限。本文将分布式体制应用于车载雷达,通过对多雷达回波相参积累,以期提高目标信噪比,改善雷达探测能力。相参参数估计是实现车载分布式雷达相参积累的关键,本文针对车载分布式雷达脉间相位编码波形非理想正交,导致传统相参参数估计方法精度低的问题开展研究,提出了一种时延参数与相位参数分步估计的高精度相参参数估计方法。首先根据回波正交性分离各通道回波,随后根据目标时空位置估计通道间时延参数,然后利用时延参数补偿回波,在各通道目标位置对齐后,估计各通道相位参数。仿真与实测结果表明,相比于传统相参参数估计方法,本文方法有效提升了脉间相位编码波形的相位参数估计精度。

天气雷达空中生态监测

每年数以亿计的昆虫、候鸟和蝙蝠等空中动物在全球范围内远距离迁飞,显著影响空中生态系统的结构和功能。随着全球气候和环境的不断变化,空中生态环境也在迅速恶化,对人类的生命和健康构成了严重威胁。为了保护空中生态环境,首要任务是对其进行有效监测。天气雷达具有大范围、全天时、全天候监测能力,可覆盖百千千米空间尺度,是监测和研究宏观空中生态的有效工具。十余年来,天气雷达空中生态监测领域取得了突破性的进展,极大提高了对空中迁飞动物的探测能力,可有效弥补传统监测手段存在的覆盖范围小和时间分辨率低等技术局限。天气雷达已在全球范围内的生物多样性保护、迁飞性虫害监测、疫源疫病传播防控等重大空中生态议题中发挥着日益重要的作用,有效填补了宏观生态研究空白。目前,美国、欧洲和中国分别建立了全球三大天气雷达网,为空中生态研究提供了重要的基础设施和数据支持。本文详细阐述了当前全球天气雷达空中生态监测的科学研究进展,以及通过天气雷达揭示的空中动物迁飞科学规律。然后,对天气雷达生态监测中迁飞动物的电磁散射建模、雷达回波提取、群体参数反演、雷达观测验证实验,以及宏观迁飞模型等关键技术进行了梳理和总结,并详细介绍了中国天气雷达空中生态监测的进展情况。最后,对未来发展方向进行了展望,指出针对中国当前农业迁飞性害虫和鸟类宏观迁飞等重大监测需求,需要在扩维探测、多参反演、多源预测等方面深入研究和探索,以进一步解读重大动物迁飞事件、分析宏观迁飞规律、揭示空中生态对气候变化的响应。

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。

最优字典选择多频段雷达信号宽带融合

多频段雷达带宽融合外推是一种提升雷达带宽、解决小目标高分辨成像的有效手段。然而,现有多频段融合算法仍面临运算慢、精度低等问题。为此,该文提出基于最优字典选择正交匹配追踪的多频段融合外推雷达超分辨距离成像方法。首先,对多频段信号进行参数化建模,提出基于蛇优化的信号相参配准方法,实现多频段信号高精度相位对齐;然后,利用几何绕射模型,提出基于最优字典选择正交匹配追踪的多频段信号模型估计方法,实现多频段信号融合外推,估计未知频段频谱,获取大带宽信号;最后,通过仿真和实测数据,验证了该方法的可行性。该方法在保障高精度的前提下,通过简化模型粗估计与完整模型精估计结合,有效降低了运算量,实现了快速精确多频段融合外推处理。

基于残差网络高分辨距离像的无人机识别

基于微波暗室测量的无人机宽带雷达回波数据,开展基于高分辨一维距离像的微小无人机型号识别方法探索研究,提出残差注意力金字塔池化网络(RAPPNet)模型,验证了利用高分辨一维距离像进行无人机识别的可行性。针对不同带宽的回波数据对比实验表明:更大的带宽可有效提高基于一维距离像的无人机识别正确率;在6 GHz带宽下,所提方法对无人机的识别准确率可达90.63%。

DRFM间歇采样转发式干扰辨识算法研究

基于数字射频存储器(DRFM:Digital Radio Frequency Memory)的间歇采样转发式干扰与雷达发射信号相参,可以获得部分脉压增益,同时具有压制与欺骗两种干扰效果,对现代雷达极具威胁。干扰辨识是进行有效干扰抑制的前提。本文提出一种滑动截断匹配滤波(STMF:Sliding-Truncation Matched Filter)方法,通过对匹配滤波器的参考窗宽度和延时进行二维搜索,输出脉压后的二维幅度分布;然后,基于该幅度分布对干扰切片宽度和转发周期进行估计;并通过分析切片宽度与转发周期之间的关系,实现典型转发式干扰的辨识。仿真结果显示该方法在干噪比(INR:Interference to Noise Ratio)大于5 dB时,正确辨识率不低于90%。

星载高分辨频率步进SAR成像技术

星载合成孔径雷达(SAR)是一种2维高分辨率微波成像雷达。它通过发射大带宽信号实现距离向高分辨,通过合成孔径技术实现方位向高分辨。随着人们对分辨率需求的不断提升,星载SAR正朝着分米级分辨率发展。一方面,受限于现有器件水平,可以通过频率步进技术实现大带宽信号发射,需要研究高精度子带拼接技术、子带间幅相误差对成像的影响与补偿技术;另一方面,受限于有限的波束宽度,可以使系统工作在聚束模式或滑聚模式实现长合成孔径,此时需研究轨道弯曲、“Stop-go”假设误差、电离层与对流层传输误差等非理想因素对成像的影响与补偿技术。因此,该文详细介绍了频率步进信号时序设计与子带拼接,研究星载高分辨率频率步进SAR成像算法与非理想因素补偿方法,最后给出成像算法的仿真验证和性能分析。

基于参数化运动补偿的地基雷达对月成像技术

地基雷达对月成像可以获得月球表面的电磁散射特性、地形地貌特征等,可用于月球的科学研究。地基雷达对月成像技术是将合成孔径技术应用到天文探测当中,延迟多普勒技术是地基雷达天文成像应用最为广泛的技术,其关键在于运动补偿。目前,国外在地基天文雷达领域的研究上已趋于成熟,而我国正处于起步阶段。为解决地基雷达对月成像中的难点问题,本文首先基于地月运动几何模型分析了延迟多普勒成像理论的关键问题,包括成像原理、分辨率和模糊问题。接着,本文提出了一种参数化运动补偿算法,该算法以图像熵值为评价指标进行参数搜索,并采用布谷鸟搜索算法提升参数搜索效率。最后,通过仿真验证了算法的有效性,为将来开展试验验证提供了技术支撑。

基于地形辅助的无人机载InSAR图像分区配准方法

小型化、轻量化的无人机(UAV)为合成孔径雷达(SAR)提供了更加灵活、机动的观测平台,无人机载干涉SAR(InSAR)逐步应用于干涉测量领域。无人机小而轻,易受气流扰动的影响,采用多航过模式进行干涉测量时,飞行航迹非线性且不平行。非线性、不平行的飞行轨迹导致两幅图像之间存在几何畸变。在复杂地形条件下,无人机载InSAR的干涉图像对之间的偏移量大且具有明显的空变特性,给图像配准带来了很大的技术挑战,常规的基于多项式拟合的配准方法不再适用。该文提出了一种利用地形辅助分区的图像配准方法。首先基于航迹信息生成高程门限,利用外部地形对测量区域进行图像分区处理,然后对区域内的偏移量构建多项式变换模型,对各区域边界处的偏移量施加约束,并进行联合求解,最后获得连续的全局偏移量拟合面,通过对辅图像进行重采样实现精配准。基于P波段无人机载InSAR获取的实测数据,初步验证了该方法的有效性。

Ku波段实验雷达海杂波实测数据分析

利用高分辨雷达进行海面目标探测具有独特优势,但此时的海面回波不再服从高斯分布,基于经典理论的检测方法存在一定性能损失。因此,需要在充分了解海杂波特性的基础上,进行检测算法的优化。文章基于实测数据,对海杂波幅度分布、功率谱及空时相关性等特性进行分析;在此的基础上,对传统CA CFAR与OS CFAR检测器的性能进行了分析与比较;最后,针对处理结果中的虚警问题,提出一种子帧积累的工程处理方法,可以在SCR满足检测要求的前提下,有效降低虚警率。

采用深度学习的遥感图像花生种植区域分类技术研究

近年来,深度学习在图像处理和数据分析等方面取得了巨大的进展。针对传统遥感估计农作物种植面积统计方法时效性差、依赖人工操作经验、耗费人力资源等问题,以Sentinel-2卫星遥感影像为数据基础,提出了一种基于深度学习的农作物种植区域分类方法。实验以从背景中提取出花生种植区域为目标,首先对Sentinel-2遥感影像数据进行预处理,然后用人工目视解译的方法标注遥感影像中种植花生的区域,将标注后的图像输入到图像分割网络中进行训练,最后将测试图像输入到训练好的分割网络,获得测试结果:检测准确率为89.20%,检测召回率为79.22%。

多模式CORDIC算法结构改进与实现

本文对计算反正余弦函数的CORDIC算法的迭代结构进行了改进,并在此基础上完成多模式CORDIC算法的实现.通过重新设定初始旋转向量避免了前两级迭代,通过修改向量旋转方向的判决条件对原算法的误差进行了校正,在增加了很少资源的情况下将正余弦运算和反正余弦运算统一到同样的迭代结构中并予以实现.实现结果表明改进后的算法反正余弦运算结果有更高的运算精度,在两种运算函数都需要的应用中能够有效减少的硬件资源占用.

面向星上目标提取的卷积神经网络优化技术

针对卷积神经网络规模庞大、参数数量众多、在资源受限的在轨场景中难以应用的问题,提出了一种基于知识蒸馏的剪枝压缩改进方法。该方法对训练好的网络进行基于权重和基于通道的混合参数剪枝,在保留网络重要连接的同时剔除冗余信息;采用知识蒸馏法,用原始网络学到的知识指导剪枝后网络的再训练过程,以恢复损失的精度;在遥感数据集上对VGG-16分类网络进行实验。结果表明:所提方法可以实现16~18倍的压缩效果,并且网络精度下降不到1%。这使得卷积神经网络的在轨应用成为可能,具有理论及现实意义。

螺旋轨迹SAR极坐标格式算法研究

螺旋轨迹SAR作为更一般化的CSAR成像模式,减少了平台必须在同一高度平面的限制,提高了平台的机动能力,具有较高的研究价值。用于圆迹合成孔径雷达( Circular Synthetic Aperture Radar,CSAR )成像的极坐标格式算法( Polar Coordinate format Algorithm, PFA )通过两步相位补偿操作校正了波数二次相位误差,改善了平面波假设带来的成像场景大小限制。由于螺旋轨迹SAR其斜距一直在变化,其波数二次相位变得更加复杂并且难以补偿,本文算法首先对螺旋轨迹SAR回波数据进行距离向对齐,然后基于PFA算法中的两步补偿操作,建立了新的相位补偿函数以及补偿策略,精确补偿了螺旋轨迹几何成像中的波数二次相位误差,获得了较大的有效成像范围。最后,点目标仿真验证了算法的有效性。