雷达信号处理国家级重点实验室的建设与发展

回顾了雷达信号处理国家级重点实验室40多年来的建设和发展历程,介绍了实验室在雷达信号处理领域从事基础科学研究、人才培养和学术交流等方面所取得的显著成就与贡献。实验室的前身是1974年成立的数字信号处理研究小组,其成功研制出0.2μs数字动目标显示器(MTI),开创了我国雷达数字技术的先河。1980年发展成为电子工程研究所,1991年在此基础上建立了雷达信号处理国家级重点实验室。雷达信号处理国家级重点实验室的起步与发展,不仅满足了专业基础性研究的基本要求,更为实验室的可持续发展以及建成"中国的林肯实验室"奠定了不可或缺的基础。

FSK-FMCW雷达通信一体化信号设计与处理方法研究

在未来的智能交通系统中,车载雷达通信一体化信号可使智能车辆同时完成雷达探测和通信信息传输功能,然而现有的基于调频连续波(Frequency Modulated Continuous Wave,FMCW)的车载雷达通信一体化信号的通信数据率较低,难以满足未来智能交通的需求。为了提高雷达通信一体化系统的通信数据率,本文提出了一种频移键控(Frequency-Shift Keying,FSK)FMCW雷达通信一体化信号设计方法,该方法通过在每个线性调频(Linear Frequency Modulation,LFM)信号上调制多个通信符号,以提高一体化信号的通信数据率。此外,在雷达接收端,将差拍处理和二维快速傅里叶变换(Fast Fourier Transformation,FFT)相结合,对接收到的目标回波进行处理,以获取目标的距离与速度估计。在通信接收端,通过差拍和一维FFT处理,对接收到的FSK-FMCW雷达通信一体化信号进行通信信息解调。最后,通过仿真实验验证了所提方法的有效性。

基于频率分集阵列的多功能一体化波形设计与信号处理方法

频率分集阵(FDA)是在相控阵基础上的一次体制革新,其通过在发射天线阵元间进行频率步进,得到的发射方向图是角度、距离、时间的多维函数,显著提升了波束控制能力与信号处理维度,经过收发联合处理后,可应用于多维参数联合估计、主瓣欺骗式干扰抑制、模糊杂波抑制、高分宽幅成像等方面。该文从系统层面出发,研究基于FDA的多功能一体化波形设计与信号处理方法,重点对其在检测与估计一体化、解模糊与抗干扰一体化、合成孔径雷达(SAR)成像与动目标检测一体化的信号处理新方法进行综述、评述及研究,并对FDA多功能一体化系统的应用前景进行展望。

混合MIMO-相控阵雷达目标高分辨成像

为了兼顾相控阵雷达成像和多输入多输出雷达成像的优势,提出一种基于混合MIMO-相控阵技术的多目标高分辨成像方法。将传统MIMO雷达中的每个单阵元发射天线都用一个工作在混合MIMO-相控阵模式的发射阵列(TA)来代替,每个TA根据目标数量和目标方向划分为多个子阵(SA),每个SA内部阵元工作于相控阵模式并形成指向某个方向目标的发射波束,而各个SA之间发射彼此正交的波形,从而工作在MIMO模式。对各SA的回波信号进行波束形成处理以获得更高的信噪比和信干比增益。在此基础上,结合字典优化、正交匹配追踪和参数化稀疏表征方法,分别提出单次快拍高分辨成像和多次快拍高分辨成像方法。仿真结果表明:所提方法能够获得更好的成像性能和成像实时性。

视频合成孔径雷达双域联合运动目标检测方法

视频合成孔径雷达(SAR)具有高帧率成像能力,可作为地面运动目标探测的重要技术手段。经典SAR地面动目标显示(SAR-GMTI)依靠目标回波能量来实现动目标检测,同时动目标阴影亦可作为视频SAR动目标检测的重要途径。然而,由于动目标能量和阴影的畸变或涂抹,依靠单一方式难以实现稳健的动目标检测。该文基于目标能量和阴影的双域联合检测思想,分别通过快速区域卷积神经网络和航迹关联两种技术途径实现了视频SAR动目标联合检测,给出了机载实测数据处理结果,并进行了详细分析。该文方法充分利用目标阴影与能量的特征及空时信息,提升了机动目标检测的稳健性。

波形分集阵列雷达抗干扰进展

现代战场电子环境日趋复杂,主瓣欺骗式干扰对雷达的生存能力构成严重威胁。传统阵列雷达无法对抗与目标角度相同的干扰,而以频率分集阵为代表的波形分集阵列雷达,通过发射端调制而具有额外距离维自由度,增加了系统设计与信号处理灵活性,为解决主瓣欺骗式干扰抑制难题提供了有效途径。本文总结了波形分集阵列雷达波束形成抗干扰的方法,指出其在对抗主瓣欺骗式干扰上的优势,并对波形分集阵列雷达抗干扰技术的难点与趋势进行了梳理。

逆高斯纹理复合高斯杂波对异常样本稳健的三分位点估计方法

逆高斯纹理的复合高斯分布(IG-CG分布)是描述高分辨率海杂波常用的模型,其参数估计在高分辨海用雷达自适应目标检测中起着关键作用。由于参数估计中数据不可避免地存在来自海面目标、岛礁的异常样本,对异常样本稳健的双分位点估计是近年来提出的有效方法之一。该文提出一种对异常点稳健的IG-CG分布三分位点参数估计(Tri-per)方法,其是对双分位点估计的改进。改进来自两个方面,通过双分位点位置优化提高逆形状参数的估计精度;通过第3个分位点的引入和位置优化提高尺度参数的估计精度。最后,用仿真和实测数据检验了提出估计方法的有效性和稳健性。

基于解耦表征变分自编码机的雷达目标识别算法

在雷达高分辨距离像目标识别任务中,数据表征对于分类器的性能影响巨大。针对传统法提取的数据表征可分性不强的问题,本文提出了一种解耦表征变分自编码机的方法。该方法通过对类间特性表征和类间共性表征分别建模的方式,优化网络模型参数,实现了高可分性雷达高分辨距离项数据的表征提取,并采用基于实测数据的实验验证了所提算法的有效性。

基于即插即用2D-FISTA的高分辨ISAR成像方法

基于即插即用框架,将二维快速迭代收缩阈值算法与深度去噪网络DnCNN相结合,提出对不同信噪比回波稳健的逆合成孔径雷达高分辨成像方法PnP 2D-FISTA。首先建立二维ISAR成像的信号模型与稀疏观测模型,给出2D-FISTA成像的迭代公式,然后用DnCNN作为去噪器代替软阈值收缩函数,获得良好的图像重构与去噪性能。仿真与实测数据实验结果表明,PnP 2D-FISTA能在不同信噪比条件下实现高效成像,并具有较好的重构性能与噪声鲁棒性。

基于图注意力网络的半监督SAR舰船目标检测

基于深度学习的合成孔径雷达(SAR)舰船目标检测近年得到了快速发展。然而,传统有监督学习需要大量的标记样本来训练网络。针对此问题,该文提出一种基于图注意力网络(GAT)的半监督SAR舰船目标检测方法。首先,设计了对称卷积神经网络用于海陆分割。随后,完成超像素分割并将超像素块建模为GAT的节点,利用感兴趣区域池化层提取节点的多尺度特征。GAT采用注意力机制自适应地汇聚邻接节点特征实现对无标记节点的分类。最后,将预测为舰船目标的超像素块定位到SAR图像中并获得精细检测结果。在实测高分辨SAR图像数据集上验证了所提方法。结果表明该方法可以在少量标记样本下,以低虚警率实现对舰船目标的可靠检测。

空间进动目标微动参数估计方法

该文提出了基于窄带雷达估计空间进动目标微动参数的新方法。该方法首先依据进动目标回波信号的微多普勒特性,应用傅里叶变换对目标的进动参数进行粗估计;然后根据回波信号的时频谱特性,通过相干积累的方法得到目标的高分辨率3维分布。最后,利用图像熵的概念在特定范围内对微动参数进行搜索,获得了较高的估计精度。使用仿真数据验证了算法的性能,证明了参数估计的高精度。

基于深度森林的多级特征融合SAR目标识别

大多数传统的合成孔径雷达(SAR)目标识别方法仅仅使用了单一的幅度特征,但是由于斑点噪声的存在,仅仅使用幅度特征会限制识别的性能。为了进一步提高SAR目标识别的性能,该文提出了一个基于深度森林的多级特征融合SAR目标识别方法。首先,在特征提取阶段,提取了多级幅度特征和多级密集尺度不变特征变换(Dense-SIFT)特征。幅度特征反映了目标反射强度,Dense-SIFT特征描述了目标的结构特征。而多级特征可以从局部到全局表征目标。随后,为了更完整、充分地反映SAR目标信息,借鉴深度森林的思想对多级幅度特征和多级Dense-SIFT特征进行联合利用。一方面通过堆叠的方式不断将多级幅度特征和多级Dense-SIFT特征进行融合,另一方面通过逐层的特征变换挖掘深层信息。最后利用得到的深层融合特征对目标进行识别任务。该文在MSTAR数据集上进行对比实验,实验结果表明所提算法在性能方面取得了提升,且其性能对超参数设置具有一定的鲁棒性。

基于堆叠式对抗变分循环神经网络的多维时间序列异常检测

为了建模多维时间序列(multivariate time series,MTS)中复杂的时序依赖性与随机性,并实现对它的无监督异常检测这一工业机器或互联网基础设施设备质量管理中的关键任务,本文提出了一种堆叠式对抗变分循环神经网络(stacked adversarial variational recurrent neural network,SaVRNN).SaVRNN是一个层次化概率动态模型,它将层次化概率生成模型、堆叠式循环结构和多层对抗优化方式整合到一个联合贝叶斯框架下.具体来说,SaVRNN核心思想是利用堆叠循环结构捕捉多层次与长距离的时序相关性,利用层次化的概率生成操作建模多层的结构特性,进而实现对多维时间序列正常模式的学习,最后通过重构的概率来判断异常模式.为了实现模型的高效推理,本文创新性地提出了一种向上–向下对抗变分推理方案,实现对隐层变量后验的准确估计.针对多层对抗网络中难以实现生成器与判别器的更新平衡导致的SaVRNN训练困难的问题,本文基于条件传输(conditional transport,CT)提出了一个新的优化方法.最后,基于Sa VRNN的层次化结构,本文将多层似然进行融合以改进传统的异常检测策略.在两个公共数据集和一个实测数据集上显示所提方法在F1-score指标上实现了相比目前主流方法的更优性能,证明了所提模型在时间序列在线异常检测任务上的有效性.

电磁空间分布式一体化波形设计与信息获取

分布式多功能一体化波形设计与信息获取是电磁环境认知与资源利用的重要途径,是掌握电磁空间主动权的关键,对我国社会经济发展和国防安全具有重要战略意义。目前,国内外在多功能一体化波形设计和信息获取方面已取得一定的进展,但仍存在电磁资源利用率不高、互干扰抑制能力不足、系统性能受限等问题。为解决这些问题,本文立足于分布式多功能一体化系统,分析现有一体化波形设计和处理的优缺点,探究分布式多功能一体化系统的关键科学问题,探讨其所面临的挑战并给出相关建议。