张兴敢[1]2001年在《逆合成孔径雷达成像及目标识别》文中认为逆合成孔径雷达(ISAR)是一种高分辨成像雷达，能够获取更多的目标信息。国际上对ISAR的研究已经取得很多成果，但真正投入应用的报道很少。雷达目标识别是国防上急需解决的一个重要问题，解决途径之一是用ISAR对目标进行二维成像，基于目标像进行目标识别。ISAR是大带宽雷达，制造成本高，在短期内大规模应用比较困难。将ISAR技术用于窄带相参雷达，实现高的横向距离分辨(横向一维成像)，可以解决目前国防上尚待解决的目标架次分辨的问题。本文研究一维ISAR成像处理，二维ISAR实时成像以及基于ISAR二维像的目标识别，有利于推动ISAR的应用，不仅在国防上有非常重要的意义，在航空管制、港口监视等民用领域也有广阔的应用前景。 文中一维ISAR成像处理、二维ISAR实时成像、基于ISAR二维像的目标识别研究均用外场数抓进行了验证，给出了结果。论文共有七章和一个附录，内容如下： 第一章介绍ISAR二维成像和实时成像，ISAR一维成像以及目标自动识别的基本概念，并概述全文内容。 第二章研究一维ISAR成像方法，包括距离对准、相位补偿的几种计算方法、单目标成像和多目标成像。给出用相位差分计算相位补偿参数的方法。分析了近似刚性多目标成像和非刚性多目标成像的差别，给出了成像方法和外场数据成像结果。 第叁章研究ISAR目标运动参数估计。提出横向一维像快速定标方法和切向速度计算方法。研究用目标移动速度和多普勒频移相结合克服测速误差大和速度模糊的矛盾。通过定标，能够准确估计目标尺寸，有利于分辨单目标和多目标或目标识别。 第四章研究目标架次识别。提出横向动态一维像的概念及其计算、显示方法，介绍基于横向动态一维像的目标架次识别方法及其相关问题。 第五章研究ISAR实时二维成像、图像后处理。讨论ISAR二维像实时成像的概念及其与SAR实时成像的差别。研究用软件实现非重迭实时成像方法。图像后处理包括图像连通处理、干扰条纹抑制、图像质心归一化等。其结果有利于图像特征提取，也符合光学图像的观察习惯。 第六章研究基于ISAR目标二维像的自动目标识别问题，研究了四种特征及其提取方法，人工神经网络的识别过程。外场数据验证表明，所述目标识别方法效果良好。 第七章对全文进行了总结，提出有待深入研究的工作 附录介绍384雷达用作一维ISAR的外场数据采集方案。研究数据采集系统正交误差、直流偏移、系统干扰和噪声的计算方法。给出外场数据分析结果。
李丽亚[2]2009年在《宽带雷达目标识别技术研究》文中提出逆合成孔径雷达(ISAR)图像是目标在距离-多普勒平面上的投影,包含了目标的二维结构信息,基于ISAR图像的目标识别是宽带雷达自动目标识别领域的重要组成部分。极化是描述目标散射特性不可或缺的一部分,极化和宽带高分辨技术相结合是宽带雷达自动目标识别极具潜力的发展方向。因此,本论文围绕ISAR雷达目标识别和极化雷达目标识别这两个问题对干涉ISAR(InISAR)叁维成像、干涉ISAR目标识别、多极化雷达高分辨一维距离像(HRRP)识别和基于极化散射矩阵(PSM)的极化雷达目标识别进行了分析和研究。本论文的主要内容概括如下:1.分析了干涉ISAR叁维成像的原理,利用了目标体上强散射点处信噪比较高的特性,提出了一种新的基于特显点的干涉ISAR成像方法,该方法能有效地解决相位解缠绕问题和在低信噪比传统干涉ISAR成像方法无法正确成像的问题;并且对斜视情况下的干涉ISAR成像问题进行了研究。2.对干涉ISAR叁维成像中的一些问题进行了分析和研究。第一个问题是干涉ISAR叁维成像中的天线布阵方式和基线的设置,包括两种布阵方式、横向分辨率与基线的关系、基线去相关和最优基线;第二个问题是角闪烁,分析了角闪烁产生的机理、特征和解决办法;最后一个问题是超分辨算法在干涉ISAR成像中的应用,给出了两种经典的超分辨干涉ISAR成像方法。3.提出基于干涉ISAR像的雷达目标识别方法。给出了干涉ISAR图像的预处理方法,接着使用极化映射提取具有旋转不变性和尺度不变性的特征,最后设计叁种分类器对目标进行识别。对影响干涉ISAR成像和识别的四个因素:俯仰角度、目标转速、天线孔径(也称基线)和目标与雷达的距离进行了分析,实验结果验证了理论上的分析。4.多极化HRRP包含了比单极化HRRP更多的目标结构特征信息,因此采用多分类器融合多极化信息可以提高雷达目标识别性能。提出了基于度量层的特征加权融合算法和基于决策层的加权投票融合算法,它们使用不同的准则对多极化HRRP进行融合分类,取得了较好的识别性能。5.将核方法引入多极化HRRP识别中,提出了两种基于多极化HRRP的核函数,将这两种核函数应用到核主分量分析(KPCA)中提取特征,进而使用分类器对目标进行识别。该方法可以在不丢失极化信息的情况下,将多极化HRRP作为一个整体进行识别,降低了识别算法的复杂度。6.针对基于PSM的目标识别中极化特征提取困难的问题,提出了基于核函数的识别方法。定义了两类基于PSM的核函数,将其应用到KPCA中提取特征,对目标进行识别,并取得了良好的识别效果。将提出的两类基于PSM的核函数应用到一种依赖数据的核函数优化中,得到优化的对数据自适应的核函数,提取KPCA特征作为分类器的输入,进而对目标进行分类识别。
于小燕[3]2011年在《逆合成孔径雷达成像与定标技术研究》文中提出逆合成孔径雷达(Inverse Synthetic Aperture Radar,ISAR)是一种重要的高分辨率雷达,可以全天候、全天时、远距离的获取运动目标的高分辨率图像,具有重要的军事和民用价值。为了满足实际应用中进行目标识别的需要,本论文针对ISAR成像及ISAR图像处理中的一些技术进行了研究,包括机载雷达对舰船成像,最优成像时刻选择和方位向定标等。论文第一章为绪论,概述了ISAR成像的发展历史后,阐述了本文的研究背景及论文的主要内容。第二章简要介绍了ISAR成像的基本概念及距离-多普勒(Range-Doppler,RD)成像算法原理,重点阐述了机载雷达对舰船成像的原理,全面分析了舰船叁维摇摆(横滚、俯仰、偏航)对成像的影响,并对其进行了仿真实验。鉴于舰船目标的运动复杂性,利用RD算法对所有观测数据进行简单成像,很难得到清晰的目标图像。第叁章介绍了一种基于转动矢量估计的舰船最优成像段时间选择方法,并进一步选择出高质量舰船俯视图和侧视图的成像时刻,以便于后续舰船目标的识别。针对ISAR图像方位向定标这一技术难题,论文第四章给出了一种完全基于已有目标图像的定标方法,不需要目标跟踪信息和目标散射点位置分布等信息,就可以有效实现ISAR舰船俯视图像和ISAR飞机图像定标。
吕文涛[4]2015年在《基于压缩感知的雷达成像方法研究》文中研究指明获取高分辨率成像是雷达系统的一个重要任务。在传统的成像体制下,需要提高发射信号的带宽。根据Nyquist采样定理,这需要大量的采样数据,给雷达系统的数据存储、处理和传输带来了很大压力。压缩感知(Compressed sensing,CS)是一种新的信号采样理论。压缩感知理论与传统采样定理不同,它指出,如果信号本身具有稀疏特性,或在某一变换域中可以被稀疏化表示时,通过特定的非线性最优化问题的求解,信号可以从远低于Nyquist率所采集到的信号测量值中,进行近似或精确地重建。根据这一理论,可以有效地降低雷达成像系统的原始数据率,以解决系统所涉及的大数据量采集、存储和传输等问题。基于此,把压缩感知理论应用到雷达成像技术中,会给高分辨率雷达成像带来巨大变革。本文以两种典型稀疏场景的雷达目标为背景,包括舰船目标和弹道导弹中段目标,深入开展了基于压缩感知的雷达成像方法研究,并探讨在稀疏成像体制下的目标特征提取和识别等具体应用问题。为此,本文做了如下工作。研究了压缩感知的测量矩阵优化问题。根据压缩感知理论,为了获取更精确的重构结果,要求测量矩阵的列向量之间有较低的线性相关性。本文基于最小互相关值的原则,提出了两种算法来对测量矩阵进行优化。首先,使用一个完全正交的矩阵来替换随机测量矩阵的部分列向量,构造一个半随机矩阵来加强列向量之间的线性无关性;然后,通过引入收缩因子,使得在每一步迭代过程中,测量矩阵的列向量之间的互相关值接近理论上的最低值。经过一系列的迭代,使得优化后的测量矩阵的列向量之间的线性无关性达到最小,以获取更精确的重构结果。研究了压缩感知在微波成像领域中的应用,提出了一种高效的、盲的、基于二维压缩感知的合成孔径雷达(Synthetic aperture radar,SAR)成像算法。首先,对目标场景的原始雷达回波,作用传统的SAR成像算法,获取目标场景的复数图像;然后,应用贪婪算法于该复数图像,重构出目标场景中的强散射系数。该算法主要包括峰值的搜索,迭代程序的阈值设计,以及点扩散函数的估计。因为基于二维CS,所以该算法可以充分利用目标场景的空间稀疏度。通过把贪婪算法应用于复数图像域而不是原始回波域,而且通过把峰值搜索过程限制在一个有限集合中而不是整幅复数图像,该算法能高效地对目标场景进行重构。此外,因为点扩散函数直接从原始数据中估计求得,所以该算法具有盲的性质,即在雷达系统参数未知的情况下,算法依然有效。研究了弹道导弹中段目标一维距离像的回波仿真技术,提出了一种有效的回波仿真方法。首先,通过专业的电磁计算软件,获取弹道目标散射特性的频率响应,然后,再进一步对该频率响应进行处理,得到当雷达系统发射Chirp信号或其它波形信号时的目标的回波。该方法可以用来构造目标的回波数据库,众多目标的数据库可以用来训练和测试分类器,用于目标的识别。研究了基于一维距离像的弹道导弹中段目标识别技术。通过提取一维距离像的双峰特征,构造二维特征空间,设计基于统计特性和序列性的分类器,在仿真数据和目标稀疏条件下,获取了较高的识别率。考虑到实际应用中,雷达系统发射信号的带宽限制,本文把压缩感知技术应用到目标一维距离像的识别中。通过从降采样数据中重构强散射系数,获取分辨率提升的一维距离像。由此可以在较低带宽条件下,获取接近于传统较高带宽成像体制下的目标识别结果。实验表明,在目标稀疏条件下,本文提出的算法是有效的。通过研究,本文探讨了基于压缩感知技术的雷达成像和目标识别方法,以期在降采样数据条件下,获取近似于传统满采样条件下的结果,这在军事和民用领域,有一定的应用价值和实用意义。最后,本文对研究工作做了总结,并指出了本课题后续的研究方向。
蔡朝东[5]2017年在《复杂场景下的稀疏SAR目标成像》文中研究指明合成孔径雷达成像(Synthesis Aperture Radar,SAR)是对地观测中的一种重要手段。借助平台的运动,雷达向目标发射脉冲信号同时不断接收目标反射的回波,根据回波信号计算目标的复散射系数来完成成像,成像过程不会受到恶劣天气的影响,具有全天候、全天时成像等诸多优点。由于高分辨的雷达影像能够提供更多的目标信息,提高雷达的分辨率一直是SAR技术发展的主要方向之一。为了能够在有限的计算和存储资源下获得高分辨的雷达影像,基于压缩感知(Compressed Sensing,CS)理论的稀疏成像已经成为当前研究的热点。压缩感知理论指出:对于稀疏信号,通过求解非线性稀疏约束优化问题,能够用较少的观测值精确恢复出高分辨信号。因此,稀疏场景下的压缩感知成像技术得到快速发展。然而,实际场景是包含各种地物及目标的复杂场景且具有独特的斑点噪声,较难对雷达回波信号实现理想的稀疏表示。首先,SAR接收回波信号是两路正交的复数信号,现有的稀疏重构算法对复数信号的恢复都不够理想。同时,在线性模型下现有的字典表示方法如DCT等正交字典对复数数据的稀疏表示也存在问题。另一方面,由于字典训练的样本有限,信号的稀疏性在线性模型下并没有得到充分的挖掘,因此在线性模型下极少数成像区域能获得稀疏的描述,使得重构所需的观测值也就更多。此外,合成孔径雷达的成像范围较广覆盖很大的区域,但真正感兴趣的目标区域可能只占一小部分,如果都进行高分辨成像无疑会浪费大量资源。研究基于目标驱动的成像模式就可以降低非感兴趣区域成像的复杂度。针对上述问题,本文研究了基于复杂场景的稀疏SAR目标成像,具体工作如下:(1))设计了基于字典学习与解耦联合OMP的复杂场景稀疏SAR成像算法。合成孔径雷达收到的回波信号为复数数据,无法直接采用现有的稀疏重构算法。针对该问题,提出了对复数回波信号进行解耦操作后的联合OMP稀疏重构算法。该算法解决了实数重构算法获得的目标质量不高的问题,同时在点目标重构中有更好的成像质量和更高的TBR。此外,针对复杂场景SAR提出了改进的KSVD字典训练方法。实验效果表明,基于字典学习与解耦联合OMP的成像算法在复杂场景下可以获得高质量的成像结果。(2)设计了基于非线性模型的复杂场景稀疏SAR成像算法。在线性压缩感知中,由于字典训练的样本有限,信号的稀疏性在线性模型下并没有得到充分的挖掘,信号的采样率在线性模型下虽有所降低,但在一些特定背景下,如数据存储空间十分有限、平台计算能力不是很高等情况下需要进一步降低信号的采样率来满足特定的要求。基于非线性压缩感知的成像方法通过将原信号变换到高维的特征空间中来进行稀疏表示,在高维的特征空间中信号可以有更好的稀疏度,从而可以更充分地挖掘信号本身的稀疏性,更为有效的降低信号的采样率,同时高质量地重构原信号。本文通过非线性压缩感知框架,研究了非线性模型下影响信号恢复的因素,设计了针对SAR成像的观测矩阵,当信号的采样率降低到10%时,在非线性框架下可以获得很好的成像结果。在线核字典学习方法可以实时获得更好的过完备字典,更好地对信号进行稀疏表示,但由于雷达平台往往存储空间有限,需要控制训练字典的大小同时还要在原有的训练样本基础上不断增加新的训练样本,本文通过设计新的样本稀疏化和剪枝策略,实现了较好的成像结果。(3)设计了目标驱动的复杂场景稀疏SAR两步成像算法。随着合成孔径雷达分辨率的提高,对目标区域细节的要求也越来越高,但合成孔径雷达的区域一般较大,对整幅区域高分辨成像会带来资源的浪费。因此,第一步成像中先对区域低分辨率成像,之后采用分割算法确定候选目标区域,使用自适应判别字典学习方法进行目标识别,准确定位出感兴趣目标;第二步对目标区域进行高分辨成像。该算法不仅有效节省了采样资源,而且增强了目标信息,有益于后续的目标处理。
许仕海[6]2005年在《高分辨ISAR的成像和检测技术研究》文中认为随着雷达技术的发展,现代雷达的最显着特点之一就是对目标的分辨能力的提高,以宽带微波技术和先进的信号处理技术为基础的逆合成孔径雷达(ISAR),作为一种高分辨率的雷达,它能够对观测目标进行全天候、全天时、远距离的成像,因而ISAR 无论在军事还是在民用领域都有着广阔的应用前景。传统的ISAR 成像算法的分辨率受到许多因素的限制,尤其是方位向分辨力受到成像角度大小的限制,为了提高方位向的分辨力,很多学者采用各种方法来改善雷达成像的分辨率。这些方法主要是采用单极化数据来获得雷达图像,但是单极化数据不能提供目标的空间走向、分布等重要信息,而使用全极化数据可以分辨出未知目标的大多数散射中心,获取目标的细微结构、目标的方向、形状等更多的信息,从而提高成像的分辨率。因此,本文把全极化信息和超分辨技术相结合,对ISAR 成像技术进行了分析,并用仿真数据进行了验证。同时,本文还对ISAR 图像的目标检测方法、ISAR 运动目标的特征估计方法以及基于ISAR 图像的目标识别方法进行了分析和研究。本文的主要贡献可归纳如下:1.介绍了ISAR 成像的基本原理和典型成像算法。给出了其中两种成像算法的仿真数据成像结果,并做了对比分析。2.研究了全极化ISAR 的超分辨成像技术。基于雷达的极化理论,推导了全极化散射模型,分析了基于线性预测(LP)超分辨技术的全极化ISAR 成像算法,同时分析了采用旋转不变参数估计(ESPRIT)超分辨技术的全极化ISAR 成像算法,对仿真数据分别使用了LP 和ESPRIT的超分辨技术,其全极化ISAR 成像结果证实了两种算法的有效性。3.研究了ISAR 图像中目标的检测方法。由于传统的双参数恒虚警检测器是对每个象素单元进行检测,忽略了目标本身的分布特性,因此检测性能受到限制。为此本文改进了传统检测方法,推导了基于目标分布的恒虚警目标检测方法,把它应用于ISAR 图像,首先分析了目标与背景的分布,然后采用广义最大似然比方法,经过推导,得到了基于目标分布的恒虚警检测器。通过理论分析和仿真实验,结果证实其检测性能大大提高。4.研究了ISAR 运动目标的特征估计方法。着重考虑了在具有强平稳杂波背景、且空间距离很近的散射体环境下,ISAR 运动目标的一维
代大海[7]2008年在《极化雷达成像及目标特征提取研究》文中研究表明本论文紧密结合973国家安全重大基础研究项目“雷达自动目标识别新机理新方法研究”、国家自然科学基金重点项目“雷达极化信息获取与处理”以及国防预先研究项目“雷达目标高分辨极化特性研究”等,针对高分辨极化雷达体制,深入开展了极化雷达成像及目标特征提取方法的研究工作,主要内容包括全极化测量条件下高分辨成像、目标散射中心特征参数估计及其性能分析、典型有源干扰下的SAR成像方法等。需要特别指出的是,本文提出的基于相干极化散射模型的高分辨极化矢量信号处理的思想与方法,突破了传统的多极化分通道进行处理的思路,不仅能更加准确地估计目标的特征参数,而且有效解决了传统方法中的散射中心位置、极化的关联处理等难题,处理效率更高、效果更优。考虑到未来战场越来越复杂的电磁环境,论文还研究了随机极化压制干扰和有源假目标欺骗干扰两种典型干扰条件下的极化SAR(PolSAR)成像方法。第一章首先概述了雷达极化学的发展历程、研究内容和发展趋势,重点介绍了极化雷达成像及目标特征提取方法的研究现状,归纳了高分辨极化信息处理的特点和优势,简要阐述了论文的主要研究内容。第二章研究了目标全极化散射中心特征参数估计及其性能分析问题。针对相干极化理想点散射模型,首次推导并得到了模型参数(包括散射中心位置、散射矩阵元素的幅度、相位、相位差等)估计的极限性能,得出了极限估计精度与带宽、信噪比、极化等因素的解析关系,证明了在散射中心参数估计方法的极限精度方面,全极化处理优于任意单极化处理;提出了极化多重信号分类方法(P-MUSIC)和极化旋转不变子空间方法(P-ESPRIT)两种性能优良的全极化散射中心参数估计方法,并分别利用仿真和实测数据进行了验证和阐释。第叁章研究了色散条件下目标全极化散射中心参数估计与性能分析问题。首先建立了雷达目标的相干极化几何绕射理论(CP-GTD)模型,该模型能够同时描述目标散射中心的频率色散特性和极化特性;提出了基于CP-GTD模型的目标散射中心特征提取与参数估计方法,从非相干性和相干性两个角度评估了其估计性能,通过仿真和实测数据实验,验证了CP-GTD方法的优越性;推导得到了CP-GTD模型参数估计的极限性能,分析了模型各参数估计性能与带宽、信噪比、极化等因素的约束关系,其结果可用于指导系统参数设计以及算法性能评价等方面;最后结合弹道导弹攻防的应用背景,提出一种新的弹道中段目标结构和微动特征提取方法。第四章研究了极化SAR/ISAR超分辨成像与目标特征提取问题。首先针对极化ISAR体制,建立了雷达目标的二维CP-GTD模型,提出了基于该模型的全极化ISAR超分辨成像及特征提取方法;从极化复图像域出发,提出了基于理想点散射模型的极化SAR超分辨成像与目标散射中心特征提取方法。利用仿真数据、暗室测量数据和实测PolSAR复图像数据,验证了这两种方法的有效性,其突出优点是不需要进行散射中心位置及极化的关联,并可以实现相干极化散射矩阵元素的同时估计。第五章研究了随机极化有源压制干扰和有源假目标欺骗干扰两种典型干扰下的极化雷达成像方法。在对抗随机极化有源压制干扰的成像方法中,提出了级联极化变换的概念和方法,研究了时变随机极化干扰的统计特性,提出了基于极化变换滤波的抗干扰方法,突破了“传统极化滤波对随机极化干扰在功率上得益有限”的结论,利用实测SAR数据得到了满意的抗干扰成像效果。在对抗有源假目标欺骗干扰的成像方法中,提出了在多普勒域通过相位补偿来实现PolSAR有源假目标干扰鉴别和对消的成像方法,并利用实测SAR和仿真数据得到了有源假目标干扰下的良好成像结果。
刘红超[8]2014年在《高分辨ISAR成像新方法研究》文中研究指明逆合成孔径雷达(Inverse Synthetic Aperture Radar, ISAR)具有全天时、全天候的特点，并且能够在远距离的情况下得到目标的ISAR图像，对雷达获取目标形状信息具有重大意义，因此在军事和民用中具有重大的应用价值。随着对ISAR的实时成像、超分辨、方位定标的不断需求，ISAR成像技术的研究不断深入。为了提高雷达的成像能力，更有利于后续基于ISAR图像的目标识别工作的展开，本文对有限脉冲、快速、自适应的ISAR成像算法做了一些研究。本文的主要内容概括如下：（1）基于稀疏贝叶斯学习的超分辨ISAR成像技术本文第叁章首先介绍了刚体和微动目标ISAR成像模型，然后通过理论和公式的推导，提出了基于稀疏贝叶斯学习的超分辨ISAR成像算法。针对快速成像和自适应ISAR成像开展了以下研究工作：提出了一种基于稀疏贝叶斯学习(Sparse Bayesian Learning, SBL)ISAR超分辨成像算法。近年来,压缩感知已经成功应用到ISAR成像中。由于压缩感知方法将稀疏约束L0松弛到L1范数，导致最终解的稀疏度下降。另外，正则化参数需要手动调节，限制了其在实际ISAR成像的应用。由于SBL算法采用独立高斯分布，更能表征最终解的稀疏度。此外，利用该算法还可以通过置信最大化程序的得到相应的参数，不用人为干预，提高了算法的实际应用价值。飞机和舰船实测数据处理实验验证了基于稀疏贝叶斯学习ISAR超分辨成像算法的有效性。提出了一种基于多稀疏贝叶斯学习的微动目标ISAR成像算法。首先对微动目标的回波信号模型进行分析，得到目标图像具有不规则图形(微动成份)和直线的规则图形(主体成分)。由于主体部分具有散射点位置不变和幅度有起伏的特性，通过多稀疏贝叶斯学习(Mutiple Sparse Bayesian learning, MSBL)得到目标主体成分图像。进而通过减去主体的ISAR图像得到微动成分的图像。最终得到清晰的主体ISAR图像和微动参数。仿真和实测数据处理验证了该算法的有效性。（2）基于置信框架的自适应ISAR超分辨成像算法本文第四章提出了一种基于置信框架(Evidence Framework)的自适应ISAR超分辨成像算法。在压缩感知ISAR成像模型基础上，通过对稀疏约束L1范数的近似，利用置信框架推导得到相应参数的近似闭式解。本算法在稀疏编码和参数求解交替迭代，直到算法收敛到指定的步数，提高了ISAR成像算法的自适应性。仿真和实测数据处理验证了该算法的有效性。（3）基于自适应字典的压缩感知的ISAR超分辨成像及定标一体化技术本文第五章主要针对ISAR图像的方位定标进行了研究。首先建立了调频率-压缩感知的超分辨ISAR成像模型，通过构造自适应字典得到目标代价函数。由于此信号模型多了一个调频率的干扰矩阵，原压缩感知重构方法不再适用。通过理论推导和实验验证，得出在一定条件下可以通过交替迭代算法高概率的恢复出稀疏的目标信号。迭代算法分为两步：1)固定调频率的值，通过稀疏重构算法得到目标的超分辨ISAR图像；2)固定超分辨ISAR图像，通过梯度算法得到调频率的值。最后，利用得到的调频率的值，对目标的旋转速度进行最小二乘估计，利用得到的目标的转速值对超分辨ISAR图像进行方位定标，最终得到目标的距离-方位距离超分辨ISAR图像。实测数据验证了该算法的有效性。（4）一种匀加速空间目标一维距离像补偿算法本文第六章从宽带线性调频雷达信号目标回波的模型出发，分析了处于匀加速状态的空间目标回波的特性，得到回波为立方相位信号，通过推导得到速度和加速度估计的克拉美-罗界，提出基于立方相位函数参数估计的运动补偿方法。该方法可以在较低信噪比下实现速度和加速度的估计以及高分辨一维距离像的运动补偿，更有利于后续的成像和目标识别，仿真实验表明，该算法可以有效的实现匀加速目标的高分辨一维距离像的运动补偿。
张磊[9]2012年在《高分辨SAR/ISAR成像及误差补偿技术研究》文中进行了进一步梳理高分辨合成孔径雷达和逆合成孔径雷达(SAR/ISAR)成像技术具有全天候、全天时和远距离成像的特点，有效提高了雷达的信息获取能力，具有重要的军用和民用应用价值。SAR/ISAR成像中，分辨率的提高对精细表征观测目标至关重要。距离分辨率通过发射带宽信号获得，方位分辨率则取决于合成孔径大小。在SAR/ISAR应用中，提高二维分辨率不仅受雷达体制的制约，也对合成孔径的阵列误差更加敏感，需要更为精确稳健的运动补偿。通过合理的频带和时间资源分配，结合相控阵技术的多功能ISAR具备广域、多目标成像的能力。但在多目标探测中，对单一目标的频带和孔径观测将是稀疏有限的，这在信号处理中需要加以克服。结合现代无人机等小型化平台的高精度SAR具有很强的灵活性和机动性，是现代SAR发展的一个重要方向，但低空小型平台对大气扰动更为敏感，且难以配备高精度惯性导航系统进行运动补偿，在成像处理中亟需稳健高效的自适应运动补偿技术。本论文旨在利用信号处理方法提高SAR/ISAR成像的分辨率、探测区域、灵活性和稳健性，研究内容主要针对目标超分辨成像、稀疏频带和稀疏孔径高分辨成像、精确稳健的自适应运动补偿和多通道SAR宽域高分辨成像四个关键点。论文围绕国家“973”计划课题“稀疏微波成像的理论、体制和方法研究”、国家自然科学基金重大项目“多维度微波成像基础理论与关键技术”以及“863”课题“空间目标雷达宽带特性测量与成像研究”等项目的研究任务，对高分辨SAR/ISAR成像和误差补偿方法进行了研究。全文内容主要针对目标超分辨成像、稀疏频带和稀疏孔径成像，稳健精确的SAR运动补偿自聚焦和多通道SAR成像四个方面，概括为以下四个部分：第一部分研究基于稀疏重建的目标超分辨成像。建立了基于稀疏重建理论的超分辨成像的一般模型，分析了影响稀疏重建超分辨的若干重要因素及其确定方法。针对低信噪比情况，通过构造加权因子以区分目标信号支撑区和背景，提出了基于改进压缩感知的超分辨重建方法。从贝叶斯压缩感知出发，建立了范数1正则化超分辨成像的一般模型，推导了正则化优化函数中范数权系数的含义及其最大似然估计表达。通过引入同分布和非同分布统计模型，分别提出了贝叶斯超分辨成像和改进贝叶斯超分辨成像算法。建立了分步迭代估计统计参数和超分辨成像重建的处理流程，建立了结合快速傅立叶变换的改进柯西-牛顿求解算法。在此基础上，结合稀疏重建的超分辨算法提出了短孔径ISAR成像、机动目标ISAR成像等多种实用方法，有效提高了ISAR目标成像质量。第二部分研究稀疏频率和稀疏孔径的高分辨成像。建立了稀疏步进调频信号的高分辨距离像重建优化求解算法。针对稀疏步进调频ISAR运动补偿，结合包络偏移估计、自聚焦以及多频多普勒速度估计等方法提出了稳健精确的统计参数和运动参数估计流程。从贝叶斯统计理论出发，建立了稀疏孔径ISAR成像算法。针对稀疏孔径间存在非连续运动误差，建立了联合高分辨成像和初相校正的优化求解方法，还提出了结合全极点信号模型的稀疏孔径相干化处理方法。所提出的方法改善了ISAR成像雷达的频带和时间资源利用率。第叁部分研究基于扩展相位梯度自聚焦的SAR自适应运动补偿方法。在传统的相位梯度自聚焦算法(PGA)的基础上，提出了局部最大似然-加权相位梯度自聚焦（LML-WPGA）算法，实现对距离空变运动误差精确估计。针对条带式SAR运动补偿，提出了基于WPGA和LML-WPGA的自适应运动补偿方法。该方法分步校正包络偏移误差、非空变相位误差以及空变相位误差，并结合重迭子孔径和低通滤波技术实现条带模式下的高精度全孔径自适应运动补偿，研究中算法还被推广到了大斜视SAR成像处理中。将LML-WPGA的思想推广到两种现有的自聚焦算法(PWE-PGA和WPCA)，建立了LML-PWE-PGA和LML-WPCA算法，极大改善了算法的运算效率和精度。第四部分研究多通道SAR宽域高分辨成像和通道均衡。在利用多接收通道对空域解多普勒模糊方法系统分析的基础上，提出了基于稳健波束形成的解多普勒模糊成像方法。相比传统的自适应解模糊，基于稳健波束形成的解模糊方法在抑制多普勒模糊分量的同时，实现自适应搜索目标信号的真实导向矢量，有效提高了解模糊算法对多通道SAR信号幅相误差的容忍性。针对存在较大通道误差的情况，提出了距离和方位分维误差校正的自适应通道均衡方法，建立了子空间信号处理的幅相误差估计方法，该方法可有效利用多个甚至所有多普勒单元信号联合估计方位维非空变和慢空变的幅相误差，并在子空间投影中利用天线方向图加权等技术，有效改善了通道误差估计的精度。
张祥坤[10]2007年在《高分辨率圆迹合成孔径雷达成像机理及方法研究》文中指出合成孔径雷达(SAR)是一种可以工作在全天候、全天时条件下,能够进行目标区域高分辨率微波成像的雷达。高分辨率一直是SAR研究的重要目标。经过条带SAR和聚束SAR的发展,SAR成像分辨率不断提高,但由于这两种模式的雷达是在直线路径上观测目标区域,限制了空间频率范围的扩展,进而成像分辨率受到局限。圆迹SAR利用圆周路径突破直线路径观测对空间频率范围的限制,从而实现在条带SAR和聚束SAR这两种直线SAR模式基础上继续提高雷达成像分辨率的目标。本文重点研究了圆迹SAR高分辨率成像的相关理论和技术问题,并从空间分辨率和空间频率范围的对应关系入手,从信号处理的角度讨论SAR高分辨原理。以一维的利用雷达信号带宽的距离向成像和利用合成孔径的方位向成像的基本原理的讨论作为开始,进而针对条带SAR与聚束SAR的构成合成孔径的不同点,指出聚束SAR在观测过程中利用波束始终照射成像区域从而获得较长的合成孔径,进而使得方位向空间频率范围大于依靠波束宽度获得合成孔径的条带SAR的方位向空间频率范围,最终获得较条带SAR方位向分辨率高的成像结果。文中总结了直线SAR的信号带宽决定距离向分辨率,合成孔径长度决定方位向分辨率的规律。对比直线SAR成像,分析圆迹SAR在距离向和方位向都获得更高分辨率的原理,并针对圆迹SAR与计算机断层成像(CT)的异同,借鉴CT成像的滤波逆投影法展开对圆迹SAR成像机理及算法的研究。通过时域相关法、逆投影法以及分段直线近似圆周轨迹法的算法实现,发现圆迹SAR成像的特点:在圆迹SAR全视角(360o)观测的条件下,对于聚焦区域内的理想点目标,其距离向和方位向的分辨率基本相同;圆迹SAR分辨率取决于信号波长,波长越短分辨率越高;圆迹SAR在最大信号频率不变时,信号带宽增加反而降低分辨率,并且信号带宽的作用更大程度上表现在降低副瓣上。圆迹SAR的圆周合成孔径使其能够在信号为单频的情况下也能对目标区域高分辨率成像,这种能力是其他形式的SAR所不具备的。论文在对圆迹SAR单频成像进行理论分析的基础上,研究信号带宽对圆迹SAR成像的影响,从而从理论上证明圆迹SAR成像特点的正确性。圆周合成孔径还使得圆迹SAR具备了叁维分辨能力,这也是普通合成孔径雷达所不具备的,文中分析了圆迹SAR的这种特殊能力。另外,文中还考虑了圆迹SAR的降低副瓣、运动补偿、动目标特征等与其性能相关的问题。最后给出圆迹SAR的地面实验方案,阐述了临近空间、星载平台应用的可行性。
参考文献：
[1]. 逆合成孔径雷达成像及目标识别[D]. 张兴敢. 南京航空航天大学. 2001
[2]. 宽带雷达目标识别技术研究[D]. 李丽亚. 西安电子科技大学. 2009
[3]. 逆合成孔径雷达成像与定标技术研究[D]. 于小燕. 西安电子科技大学. 2011
[4]. 基于压缩感知的雷达成像方法研究[D]. 吕文涛. 上海交通大学. 2015
[5]. 复杂场景下的稀疏SAR目标成像[D]. 蔡朝东. 西安电子科技大学. 2017
[6]. 高分辨ISAR的成像和检测技术研究[D]. 许仕海. 电子科技大学. 2005
[7]. 极化雷达成像及目标特征提取研究[D]. 代大海. 国防科学技术大学. 2008
[8]. 高分辨ISAR成像新方法研究[D]. 刘红超. 西安电子科技大学. 2014
[9]. 高分辨SAR/ISAR成像及误差补偿技术研究[D]. 张磊. 西安电子科技大学. 2012
[10]. 高分辨率圆迹合成孔径雷达成像机理及方法研究[D]. 张祥坤. 中国科学院研究生院（空间科学与应用研究中心）. 2007
标签：武器工业与军事技术论文; 电信技术论文; 合成孔径雷达论文; 压缩感知论文; 雷达论文; 图像融合论文; 图像分辨率论文; 运动估计论文; 孔径分布论文; 稀疏表示论文; sar雷达论文; sar论文;