朱维杰[1]2003年在《宽带水声阵列信号处理的原理及方法研究》文中研究表明宽带阵列信号处理是水声信号处理的一个主要研究方向，但是宽带水声信号的处理远比窄带信号复杂的多。本文将致力于研究宽带阵列信号处理中关于宽带相干干扰的抵消、宽带基阵设计和宽带方位估计等问题。 提出了叁元阵及多元阵的信号相位匹配原理，推导了利用信号相位匹配原理的空间信号估计公式，给出了信号相位匹配原理的物理意义及几何解释，分析了信号相位和噪声幅度起伏对信号估计性能的影响。 提出了利用信号相位匹配原理的宽带相干干扰的抵消方法，推导了存在相干干扰时的信号估计公式，推导了阵元间距必须满足的条件。对抵消相干干扰的性能做了详细的分析。理论及仿真结果表明，该原理在抵消宽带的、未知方位的相干干扰时具有优异的性能。 提出了一种简单、易于实现的恒定束宽波束形成器设计方法，该方法对阵形和阵元指向性没有任何限制；分别提出了基于阵列接收数据重采样、基于DFT插值和自适应综合的叁种具有频率不变波束图的宽带波束形成器设计方法，对于每一种设计方法都给出了一个设计实例并做了性能分析；提出一种基于DFT插值的简化线性约束最小方差宽带自适应阵列算法，该方法可以大大降低自适应阵列的运算量。 提出了利用信号相位匹配法的宽带信号方位估计方法并从仿真和实验两方面对其进行了验证；提出了基于DFT插值的和基于频率不变响应波束域的两种宽带信号高分辨方位估计算法，这两种方法在进行方位估计时均不需要进行方位预估，从而避免了因角度预估可能带来的估计偏差；最后提出了一种提高均匀线列阵方位估计性能的时空平均法，该方法可适用于多数窄带或宽带的特征结构类高分辨方位估计算法中。
张小蓟[2]2001年在《运用信号相位匹配原理的高分辨方位估计算法的研究》文中提出近年来，随着基阵信号处理技术的发展和国防建设的需要，高分辨方位估计算法越来越受到人们的重视，各类高分辨算法应运而生。但这些高分辨算法或者所需阵元数较多计算量太大、或者在求解相干源时算法失效和精度降低。针对高分辨算法中存在的这些问题，本文提出了一种新的相关源方位估计方法—信号相位匹配高分辨方位估计算法，它基于叁元线列阵，在常规波束形成技术的基础上，用信号相位匹配方法对小空间间距的相干源进行方位估计。 论文介绍了信号相位匹配高分辨方位估计算法的基本原理和计算模型，分析了算法在叁元线阵上所形成波束的指向性，讨论了曲线平滑、相干积累等算法仿真的方法和过程，并给出了大量的仿真结果。同时，在相同条件（如信噪比、阵元数）下，用另一种相干源高分辨算法—IMP算法与信号相位匹配高分辨算法作了性能比较。 理论分析与仿真结果表明，信号相位匹配高分辨算法可以利用简单的叁元线列阵形成指向性尖锐的、旁瓣很小的波束；在单源输入时，波束的极大值即是空间信号的方位；在相干源输入的情况下，波束也不会出现双峰；且波束的极大值始终对准双源方位的平均值处，基阵输出幅度的1／2处对应了相干源的方位。与其它可解相干源的高分辨算法相比，本算法具有基阵结构简单、算法不需要反复迭代，计算量小，稳定性好，适用性强等种种优点，对相干源的分辨可达到0.2~0，特别适合于空间间距小的相干源的分辨。 研究表明，信号相位匹配高分辨算法将会在相关源的高分辨方位估计方面得到广泛的应用。
孙进才, 肖卉, 侯宏, 赵俊渭, 刘理[3]2006年在《利用信号相位匹配原理的声源方位估计实验研究》文中研究表明为了验证信号相位匹配原理的正确性,利用自制的16元线列阵,在水库进行了声源定向实验研究。分析了信号相位匹配原理的方位估计性能,并与MUSIC方法和常规波束形成方法的方位估计结果进行了比较;实验表明:由该原理定向的指向性半功率点开角是常规波束形成方法半功率点歼角的1／4-1／7和MUSIC方法的1／2-1／3。利用船舶航行噪声的多目标定向仿真和高分辨方位估计仿真结果表明:信弓相位匹配原理方位估计算法用于多目标方位估计和高分辨方位估计是可行的。
吴敏[4]2016年在《逆合成孔径雷达提高分辨率成像方法研究》文中认为逆合成孔径雷达(Inverse Synthetic Aperture Radar, ISAR)成像具有全天候、全天时、作用距离远和分辨率高等优点,在军事和民用领域发挥着巨大的作用。ISAR可实现空间目标、空中目标和海面舰船等非合作目标成像和识别,随着应用需求的日益增加,ISAR系统的数据录取方式向多功能、多模式、多视角、多极化的方向发展。复杂的工作方式对高分辨成像提出了更高的要求,现有高分辨ISAR成像面临着运动补偿、极化信息融合以及目标后向散射场建模等问题。本文旨在利用压缩感知(Compressive Sensing, CS)和电磁散射理论提高全极化ISAR、正交频分复用(Orthogonal Frequency Division Multiplexing, OFDM) ISAR的图像分辨率。论文围绕国家"973"计划课题“基于电磁散射机理的XXX方法研究”、国家“973"计划课题“稀疏微波成像的理论、体制和方法研究”以及国家自然科学基金“空间目标全极化逆合成孔径雷达成像和特征提取”等项目,对提高各工作模式下的ISAR成像分辨率进行了较为深入的研究。全文内容主要概括为以下四个方面：1.短孔径有限带宽数据ISAR超分辨成像宽带ISAR在短孔径、有限带宽的数据录取模式工作下,非合作目标运动近似平稳,成像信号处理简单,可有效解决多功能雷达对单一目标时间和频率资源分配有限的问题,但短孔径有限带宽观测会对图像分辨率产生制约,在成像处理中需要加以克服。本文第叁章第一部分将基于CS的短孔径超分辨ISAR成像扩展为二维联合超分辨成像,该方法充分有效地利用了回波信号二维耦合信息,通过将二维超分辨成像建模为l1范数优化问题,超分辨图像可通过结合快速傅里叶变换(Fast Fourier Transform, FFT)、共轭梯度法(Conjugate Gradient Algorithm, CGA)和Hadamard乘积的快速迭代法重构。结果表明,基于CS的二维ISAR超分辨成像除了可利用二维耦合信息重构超分辨ISAR图像外,还具有较强的噪声鲁棒性。2.极化ISAR超分辨成像与自聚焦极化ISAR成像是指利用全极化雷达对卫星、航天飞机、飞机、导弹等人造功能目标进行高分辨雷达成像,由于电磁波的矢量特性使目标不同极化通道信号间存在丰富的信息冗余与互补,通过极化散射机理分析目标后向散射特性可提取目标的重要特征信息,论文开展了全极化ISAR超分辨成像与自聚焦研究。首先,第叁章第二部分将二维联合超分辨算法推广到极化雷达中,针对散射点在极化通道各向异性的问题,研究了极化信息保持的二维ISAR超分辨成像,通过对各通道回波联合处理,保证了散射点在各极化通道间的连续性,有助于后续极化散射矩阵提取。接着,本文第五章提出了针对稀疏孔径信号的全极化自聚焦算法,在自聚焦阶段联合全极化数据进行相位误差估计,提高了全极化ISAR自聚焦精度和对噪声容忍性。Backhoe数据实验结果表明,全极化ISAR超分辨和自聚焦算法利用了各通道间冗余的极化信息,有效提高了全极化成像分辨率和相位补偿精度。3.属性散射中心模型超分辨成像ISAR成像可精细描述目标在某些方位角度和频率下的电磁散射场分布,在一定的观测条件下,目标的几何形态和信号中的电磁散射分布有着明确的对应关系。第四章将可精确描述这种对应关系的属性散射中心模型进行简化,并提出一种快速的属性散射中心模型参数估计方法反演目标的几何形态和特征。接着利用估计出的散射中心参数进行频谱外推,突破分辨率的理论极限,并在方位维超分辨时选取合理的中心角度,使信号能量集中于主瓣,取得良好的聚焦效果。最后的实验证明了算法除了超分辨效果明显外,还可克服传统的基于点散射中心模型超分辨方法目标结构不完整和形变的问题,保留目标的几何特征。4. OFDM-ISAR成像与运动补偿常规脉冲压缩技术会造成ISAR成像距离旁瓣偏高,也即产生目标散射点回波信号能量到相邻距离单元的泄露,对ISAR成像分辨率产生影响。针对此问题,第六章提出了OFDM-ISAR成像方法,基于OFDM信号特殊的时频结构,在发射OFDM序列时插入足够长度的CP,可有效抑制距离旁瓣。与常规非合作目标ISAR成像一样,运动补偿是OFDM-ISAR成像的关键,第六章第二部分提出了适用于OFDM-ISAR的包络对齐和自聚焦方法,包络对齐对目标平动造成的包络偏移进行补偿,在补偿的同时保证了重构OFDM-ISAR距离向低旁瓣的特点,自聚焦处理补偿了包络对齐中引入的偏差以及平动引起的相位误差。最后的仿真实验表明,OFDM-ISAR通过发射插入足够长度CP的OFDM波形可获取距离低旁瓣ISAR成像,从而提高ISAR成像分辨率。
刘记红[5]2012年在《基于压缩感知的ISAR成像技术研究》文中提出高分辨ISAR成像技术对于雷达目标识别和特征提取具有重要意义。本文针对传统ISAR成像系统面临的采样率高、数据量大、回波数据有限及目标复杂运动条件下方位向采样不均匀时成像困难等问题，充分利用雷达目标散射率分布的稀疏性和压缩感知信息处理的巨大优势，围绕基于压缩感知的ISAR成像技术展开研究，重点研究了基于压缩感知的转台目标成像技术、高速运动目标成像技术和复杂运动目标成像技术。第一章阐述了课题研究背景及意义，介绍了高分辨成像雷达的发展概况和ISAR成像技术研究现状，概述了压缩感知理论的发展及其应用，对基于压缩感知的雷达成像技术进行了归纳总结和分析，最后介绍了本文的主要研究工作。第二章为基础理论研究。首先介绍了压缩感知的基本原理，对压缩感知的数学模型及关键要素进行了分析和讨论；然后从光学区散射中心理论、雷达成像根本原理的角度分析了雷达回波数据的稀疏性机理；最后从系统实际出发，提出了基于随机卷积的压缩感知雷达成像方法，该方法能够在少量观测数据条件下获得较好的成像结果，便于物理实现，且不受雷达发射波形的限制。第叁章研究了基于压缩感知的转台目标成像技术和快速重构算法。针对宽带线性调频雷达直接采样面临的数据采集和存储压力，构造了一种包含Stretch处理和傅里叶变换信息的稀疏字典，据此提出一种基于压缩感知的成像算法，所提方法省略了解线频调步骤，在实现高分辨成像的同时大大降低了雷达成像系统的数据率。针对频率步进雷达数据利用率低的问题，提出了基于压缩感知的二维联合和二维解耦成像算法。两种算法均可利用少量测量数据获得清晰的ISAR图像，并由于将相干混频处理过程融入稀疏字典中，简化了雷达系统的硬件设计。针对压缩感知成像算法复杂度高的问题，根据稀疏字典及测量矩阵的二维可分离特性，研究了压缩感知成像的快速重构算法，并提出一种改进的贪婪算法用于雷达图像重构，大大降低了存储量和计算量，提高了成像效率。第四章研究了不同雷达信号体制下基于压缩感知的高速运动目标成像技术。针对线性调频雷达，根据解调后高速目标回波在分数阶傅里叶域的稀疏性，提出采用模拟信息转换方式对回波进行压缩测量，通过非线性优化重构雷达目标图像，并以重构一维距离像的稀疏性为准则，采用黄金分割法搜索最佳变换阶数来确定稀疏字典。所提方法无需额外的速度补偿步骤，同时解决了成像模糊和宽带雷达数据量过大的问题。针对频率步进雷达数据利用率低，且敏感于多普勒的问题，利用相位对消技术和脉冲重复间隔设计原理，提出一种基于随机频率步进波形设计的压缩感知成像方法，能够在降低数据率的同时克服多普勒效应的影响。针对线性调频步进雷达总数据率较高，且脉间压缩敏感于多普勒的问题，提出了基于随机调频步进波形设计的压缩感知成像方法，能够在降低总数据率的同时，获得运动目标的高分辨距离像。实验结果表明，对于高速运动目标，利用所提CS成像方法能够获得高质量的ISAR图像。第五章研究了基于压缩感知的非匀速旋转目标、高速自旋目标和弹道中段进动目标成像技术。针对稀疏孔径和短孔径条件下非匀速旋转目标的ISAR成像问题，根据运动补偿后目标回波在匹配傅里叶域的稀疏性，提出了基于压缩感知的成像方法，并基于稀疏表示和优化搜索实现相对旋转参数的估计。所提方法解决了有限脉冲数据与方位分辨率之间的矛盾，且成像效果优于现有方法。针对高速自旋目标的二维/叁维成像问题，提出了基于轨道运动的二维成像方法，利用压缩感知思想有效降低了所需采集的脉冲数。在此基础上利用自旋信息通过后向投影变换或压缩感知方法进行二维投影切片成像，从而得到目标叁维散射点的相对位置分布。该方法通过预先获得散射点的高度维信息，大大降低了叁维成像的复杂度。针对弹道中段进动目标的ISAR成像问题，通过对旋转对称目标回波模型的线性化处理，引入压缩感知思想，基于少量回波数据实现了进动目标的高分辨成像。所提方法相比现有方法改善了成像质量，提高了对进动参数的稳定性。第七章总结了论文的研究工作和主要创新点，指出需要进一步研究的问题。
王怀军[6]2010年在《MIMO雷达成像算法研究》文中研究表明作为一种新兴雷达技术,多输入多输出(MIMO)雷达受到国内外科研人员的广泛关注。该雷达综合利用阵列与分集技术,能够引入远多于实际物理阵元数目的观测通道和自由度,并在信号层联合进行多通道回波数据处理,从而在目标检测、参数估计和成像识别等多方面性能上,相对于传统雷达得到了改善与提高。因此,MIMO雷达具有广阔的应用前景。论文针对MIMO雷达应用中的对空中(空间)目标的成像探测问题,开展了MIMO雷达成像算法研究,主要工作分为四个部分:MIMO雷达成像基础、MIMO雷达成像反向投影(BP)算法、MIMO雷达成像距离偏移(RM)算法和MIMO雷达成像旁瓣抑制与超分辨算法。MIMO雷达成像算法研究的前提条件是要弄清楚MIMO雷达成像的数据获取方式、天线布阵及阵列特性等基础性问题。因此,第一部分工作首先对MIMO雷达成像的数据获取方式进行了分析,进而讨论了MIMO雷达成像技术的天线布阵方式。然后,对比分析了MIMO雷达阵列、合成孔径阵列和实孔径阵列的空间采样能力,并讨论了它们的分辨性能,从理论上给出了MIMO雷达阵列的分辨率表示式。最后根据上述理论分析,构建了一套MIMO雷达成像原理性实验系统,利用实验数据进行了MIMO雷达成像性能评估。复杂的多收发阵列结构使得现有许多常用成像算法难以直接应用于MIMO雷达成像,这就需要探寻合适的MIMO雷达成像算法。第二部分工作首先将传统的BP算法推广应用于MIMO雷达成像,导出了MIMO雷达标准BP算法,它具有不受MIMO雷达阵列形式限制的优点。而后,基于时延曲线校正原理,提出了MIMO雷达TCC-BP算法,该算法大大降低了标准BP算法的运算量。综合传统的距离多普勒(RD)算法和BP算法,提出了MIMO雷达RD-BP算法,在保证成像质量的同时,RD-BP算法相比于标准BP算法和TCC-BP算法大大提高了成像处理的运算效率。最后通过MIMO雷达外场实测数据对上述所提算法的有效性进行了验证。第叁部分工作则结合MIMO雷达阵列设计,在SAR RM算法的基础上,从空间谱域角度研究了MIMO雷达成像算法。首先,通过分析雷达成像与空间谱域填充的基本关系,提出了基于谱域填充的MIMO雷达SF-RM算法,并通过谱域支撑区分布分析对MIMO雷达的成像性能进行了评估。而后根据相位中心近似原理,进行了MIMO雷达天线阵列设计,进而提出了基于均匀等效线阵处理的MIMO雷达UELA-RM算法,该算法通过等效相位中心误差校正后可以方便地完成MIMO雷达成像。最后,结合收发正交线阵设计,提出了MIMO雷达OLA-RM算法,该算法能够有效实现窄带MIMO雷达二维“方位—方位”向成像。MIMO雷达成像BP算法和RM算法都是为了重建目标图像,它们不能够解决成像系统固有的高旁瓣和分辨率受限问题。以提高MIMO雷达的成像质量为目的,第四部分工作进一步研究了MIMO雷达成像旁瓣抑制和超分辨算法。首先基于空间频谱支撑区变形原理,提出了一种不损失分辨率且简单、有效的MIMO雷达成像旁瓣抑制算法—SRSR算法。在SRSR算法的基础上,分析了旁瓣抑制与频谱外推的内在关系,提出了MIMO雷达成像谱变形超分辨算法—Super-SRSR算法,与常规的超分辨率成像算法相比,Super-SRSR算法具有简单、高效、对噪声不敏感和非参数化的优点。最后,为了解决MIMO雷达空间频谱缺失情况下的超高旁瓣问题,提出了一种基于AR模型谱估计的MIMO雷达成像超高旁瓣抑制算法,该算法可以有效改善频谱缺失情况下成像结果的旁瓣性能。
苏伍各[7]2015年在《基于稀疏贝叶斯重构方法的雷达成像技术研究》文中研究指明稀疏贝叶斯重构方法是当前稀疏信号处理领域的研究热点问题之一,该方法不仅考虑了信号的稀疏特性,还考虑了信号的先验统计信息,即基于贝叶斯基本定理通过赋予稀疏信号某一稀疏促进项的先验分布,从而通过贝叶斯推理的方法来求解稀疏信号参数。稀疏贝叶斯重构方法是一种参数学习方法,其在贝叶斯推断过程中,能够自动地估计信号参数,且性能受人工参数干预很小。另外,稀疏贝叶斯重构方法考虑了信号的噪声统计信息,在低信噪比条件下可获得较好的重构性能。由于当雷达成像场景中存在强散射点时,雷达目标的回波信号在高频段可看做是少数几个散射中心回波信号迭加的结果,因此雷达成像问题可转化为稀疏信号表示问题,鉴于稀疏贝叶斯重构方法优良的重构特性,本文主要研究在稀疏贝叶斯理论框架下的雷达成像新技术、新方法。具体地,本文研究内容主要包括以下几个方面:第一章阐述了课题研究背景与意义,归纳了当前稀疏重构方法并深入介绍了稀疏贝叶斯重构方法研究现状,从中指出了稀疏贝叶斯重构方法的优越性。深入阐述了目前基于稀疏贝叶斯重构方法的雷达成像研究现状,并指出了进一步研究基于稀疏贝叶斯重构方法的雷达成像技术的必要性。第二章重点研究了稀疏贝叶斯学习(SBL)方法在雷达成像中的应用。首先,介绍了稀疏信号表示模型及压缩感知理论,并深入分析了SBL基本理论。其次,建立了ISAR Tomography稀疏成像模型和ISAR进动目标稀疏成像模型,并基于该模型利用SBL理论进行了仿真实验,验证了SBL的有效性。随后,针对理想点属性散射中心模型,将SBL与常用的其它稀疏重构算法进行了SAR稀疏成像性能分析,通过仿真实验深入探讨分析了各算法参数的设置对成像性能的影响,从中验证了SBL的优越性。本章研究结果为稀疏贝叶斯重构方法在雷达成像中的应用奠定了理论基础并提供了依据。第叁章针对SBL存在时效性较差及对噪声较敏感的缺点,首先验证了在SBL模型基础上发展的方差成分扩张压缩(ExCoV)方法在ISAR Tomography稀疏成像模型下具有较优越的成像性能。其次,一方面在线性调频ISAR稀疏成像模型下,分析探讨了基于ExCoV方法的ISAR稀疏成像性能;另一方面分析了捷变频ISAR回波信号,指出了现有成像方法的不足之处,并在此基础上首次建立了捷变频ISAR稀疏成像模型,通过与现存的成像方法进行仿真验证对比,验证了基于ExCoV方法成像方案的有效性。最后,基于混合散射中心模型,建立了SAR地面运动目标(Ground Moving Target Imaging,GMTI)与SAR微动目标(Micro-Move Target Imaging,MMTI)稀疏成像模型,并基于ExCoV方法进行了SAR动目标成像,仿真实验通过与传统方法对比验证了本文提出的成像方案能较为精确地估计动目标参数,并且在低信噪比条件下具有较好的成像性能。当前基于稀疏表示方法的雷达成像模型大都假设雷达观测模型非常精确的前提下进行雷达成像,然而实际情况下由于雷达成像模型的不确定性,在雷达回波信号中存在一定的相位误差,第四章基于ExCoV方法深入研究探讨了在雷达成像中存在相位误差条件下的雷达成像性能。首先,针对由于相位误差的引入而产生的ISAR自聚焦稀疏成像技术,提出了ExCoV-MLE算法,该算法通过在目标散射系数与相位误差之间迭代计算来进行稀疏信号重构和相位误差估计,仿真实验在不同相位误差条件下与现存方法对比验证了该算法的有效性;其次,针对ISAR成像中目标旋转参数未知的情况下,基于ExCoV方法提出了联合相位误差与旋转参数估计的ISAR成像方案,并在不同的相位误差条件下,利用仿真实验验证了该方案的有效性;最后,针对聚束SAR模型,建立了存在观测位置误差条件下的SAR稀疏成像模型,并提出了联合位置误差估计的SAR成像算法,该算法先由ExCoV方法估计目标散射系数,然后利用共轭梯度算法估计位置误差,通过在这两步骤中迭代进行直到算法收敛,仿真实验在随机误差条件下验证了该算法能够获得高分辨的聚束SAR图像。第五章基于块稀疏贝叶斯重构方法,主要研究了成像场景中具有连续散射特性的块目标雷达成像技术。首先针对块稀疏信号通过仿真验证了块稀疏贝叶斯重构算法PCSBL具有较好的重构性能,随后进行了基于块稀疏贝叶斯重构方法的距离像分析,实验证明了由PCSBL算法获得的距离像能够较好的反映具有块特性的目标距离像信息。其次,基于ISAR Tomography稀疏成像模型,进行了不同块目标结构ISAR成像,仿真实验表明在该情形下,PCSBL算法仍具有良好的成像性能。最后,文章建立了条带SAR稀疏成像模型,探讨了基于块稀疏贝叶斯重构方法的SAR成像性能,采用仿真数据验证了随着目标结构复杂性的增强,目标散射点的增多,PCSBL算法在此种情况下相比较于其它的块稀疏重构算法能够获得更高精度的SAR图像。第六章对本文的主要工作进行了概括总结,并指出了文章研究的不足之处和下一步的研究方向。
盛佳恋[8]2016年在《ISAR高分辨成像和参数估计算法研究》文中提出随着国民经济的提升和现代战争形式的转变,雷达成像技术凭借其远距离、全天时、全天候高分辨成像的独特优势,在民用和国防遥感领域发挥着不可替代的作用。作为对空间、空中及海洋观测最重要的手段之一,逆合成孔径雷达(Inverse Synthetic Aperture Radar,ISAR)成像是非合作目标识别的关键技术。为了满足日益增加的应用需求,ISAR正朝着多功能、多维度和协同网络等方向发展。工作模式和数据获取方式的多样化,以及目标运动的复杂性,使得现有的ISAR成像体制面临着高分辨成像和目标参数提取等挑战。在国家“973”计划课题等多个项目支持下,本文针对现有ISAR成像中存在的短孔径低分辨成像、非相干的稀疏孔径以及平稳或机动目标定标等问题开展研究,旨在增强ISAR图像分辨率和探讨稳定的参数估计方法,以提高雷达自动目标识别能力。研究内容主要包括以下几方面:(1)ISAR短孔径数据的稀疏高分辨成像由于雷达的多模式工作状态或目标的机动性,短孔径数据在ISAR成像中普遍存在。尽管成像方法简单高效,但同时限制了图像分辨率,影响目标识别性能。在分析ISAR回波模型和典型运动补偿算法的基础上,本文第二章基于压缩感知理论介绍了稀疏ISAR信号的重构方法。该方法重点从统计的角度提出了一种基于数据的稀疏约束参数估计方法。通过推导重构高分辨图像的正则化问题,稀疏约束参数可由最大似然估计得到解析形式。其中,噪声方差由粗图像中大量的噪声单元估计,权值由预处理的降噪图像进行初始化。利用优化求解的高分辨图像,再对稀疏约束参数进行更新并重新估计图像,多次循环提升算法性能。结果表明,迭代估计的稀疏约束参数能在重构高分辨图像过程中,较好地权衡信号逼真度和稀疏性。(2)稀疏孔径的相干化处理和高分辨成像除了雷达多样化的工作模式外,外界或系统的干扰也会造成数据的缺损,形成稀疏孔径。对于块状稀疏分布的子孔径,经过独立的包络对齐和自聚焦处理后,残余的线性相位和复幅度将在观测孔径之间存在差异。针对这种稀疏孔径之间的非相干性,本文第叁章提出了一种相干化处理方法。将子孔径的包络按质心对齐后,对各子图像中的特显点单元建立全极点模型,并由求根MUSIC算法估计极点,计算子孔径间的多普勒偏移。以其中一个子孔径作为基准校正线性相位后,通过最小二乘(Least Square,LS)方法求解各子孔径的模型系数。由估计的极点和系数,将频偏校准后的子孔径分别进行前向和后向外推至整个孔径长度。再利用LS估计复幅度偏差并进行校正。在相干化处理后,构造部分FFT基作为观测矩阵,通过稀疏信号处理的方法对缺失孔径进行恢复。从实验结果可看出,经过相干化处理和空缺孔径重构后,成像效果得到了明显提升。(3)匀速转动目标的定标方法目标识别除了需要高分辨图像之外,还需要精确的目标尺寸参数。因此,本文的第四章和第五章针对匀速转动目标提出了两种不同的定标方法。第四章先分析了平动补偿过程引入的残余平动相位对不同定标方法的潜在影响。重点提出了一种利用散射点调频率相消的有效转动速度(Effective Rotaional Velocity,ERV)估计方法,该方法几乎不受残余平动的影响。通过选取散射点单元,并将其时域信号看作时变自回归模型。对短时数据段估计瞬时极点后,滑窗获得整个孔径的多普勒历程。根据关系式,ERV可以从不同距离单元的散射点调频率解算。转动相位补偿后,再进行自聚焦处理提高图像聚焦度。由于该方法依赖于提取的散射点质量,在信噪比(Signal-to-noise ratio,SNR)较低时估计性能会下降。为了提高定标算法的稳定性,第五章针对匀速转动目标提出了基于图像整体性能的ERV估计方法。该方法考虑残余平动的影响,将其作为参数联合ERV估计。通过迭代补偿二次相位误差,直到补偿后的图像幅度平方锐化度(Intensity-squared Sharpness,ISS)达到最大值,同时获得聚焦图像和ERV估计值。在此基础上,再对聚焦图像进行自聚焦处理,进一步聚焦图像。其中,ISS最大化问题是典型的非线性最小二乘问题,利用高斯牛顿的方法可实现高效求解。与多种方法的对比结果说明,这种从图像性能角度估计ERV的方法虽然效率中等,但具有较高的精度和鲁棒性。(4)非匀速转动目标的定标和高分辨成像方法由于匀加速转动引起的距离-方位二维耦合,增加了转动参数估计的难度。针对此类目标,本文第六章首先提出了一种基于匹配傅里叶变换(Matched Fourier Transform,MFT)的图像ISS最大化的定标方法。该方法将RD成像中FFT线性变换替换为参数化的MFT变换。通过对二维耦合相位迭代补偿,使得MFT图像的ISS最大,估计得到MFT调频率和ERV参数。该定标方法能在信噪比较低的条件下保持较好的估计性能。但强噪声或低分辨率仍影响目标识别,因此,利用部分MFT基和稀疏信号处理的方法进一步完成了高分辨图像的重构。
郭伟[9]2011年在《水下监测系统中目标探测若干关键技术研究》文中研究说明水下监测系统是布放在浅海海底的水文环境参数监测平台,用于实时监测当地海域的海流、温度、声速和海洋环境噪声等参数。水下监测系统由基座和浮体两部分组成,其中基座上面安装了声纳线阵和声学多普勒海流剖面仪(ADCP),内部设计有浮体运动控制系统和电子信息子系统;浮体顶部安装了电子罗盘和温度、深度、声速测量仪(SVTP),四周安装了圆柱形声纳基阵。正常工作时,基座内部的控制系统控制浮体出舱,以进行水文参数的剖面测量。为了确保浮体安全,在浮体出舱前,利用装在基座顶部的主动声纳线阵检测周围是否存在危险目标(渔船、商船和舰艇等),以决定浮体是否出舱;在浮体出舱后,则利用浮体上的圆柱形被动声纳基阵实时监测浮体周围的远程目标,以决定是否应立即收回浮体。由此可见,危险目标的检测是水下监测系统不可或缺的功能之一。论文以此为应用背景,重点研究水下监测系统中的主、被动声纳检测技术——波束形成、目标方位估计、谱线检测等算法及其实现技术,并利用计算机仿真技术验证文中研究的各种算法。本文的具体研究内容如下:1.针对均匀线形声纳基阵发射窄带扫描信号的延时问题,研究和比较了多种延时滤波算法及其效果。研究结果表明:基于Lagrange插值的延时滤波器具有算法简单、应用方便、延时准确、精度较高且无任何附加时延的优点。2.针对目标信号入射方位估计问题,研究了基于载波相位角、相位二倍角和相位叁倍角叁种DOA(Direction of Arrival)估计算法,并分析了这些算法的估计性能。仿真结果表明:基于载波相位叁倍角的DOA估计算法的估计精度最高,且可估计的目标方位范围最大,故而适用于大方位目标探测。3.针对相干信号的入射方位估计问题,研究了基于载波相位的相干信号DOA估计算法。研究结果表明:该估计算法的分辨率和估计精度均比经典的空间平滑MUSIC(Multiple Signal Classification)算法高。4.针对目标辐射噪声的宽带特性,研究了基于均匀圆形声纳基阵的信号入射方位估计算法,并采用级联的插值-滤波-延时-抽取方法实现了该算法。此外,针对级联的插值-滤波-延时-抽取方法中存在的固定时延问题,研究了一种无附加时延的延时滤波算法。研究结果表明:圆形声纳基阵的DOA估计算法简单方便,可以有效地估计信号的入射方位,具有较高的DOA估计精度,而且无附加时延的级联插值-滤波-延时-抽取算法可以实现信号的准确延时,并且在圆形声纳基阵的DOA仿真估计中得到了很好的应用。5.针对回波信号的谱线检测问题,研究了一种频率波束域MUSIC算法,称为Frequency Beam MUSIC,建立了Frequency Beam MUSIC算法的信号模型,研究了Frequency Beam MUSIC算法的频率估计误差特性。仿真结果表明:Frequency Beam MUSIC算法可以有效地估计淹没在高斯白噪声中的正弦波信号频率。与MUSIC算法相比,Frequency Beam MUSIC算法和MUSIC算法的估计精度相当,但Frequency Beam MUSIC算法的频率分辨率更高,信噪比分辨门限更低,计算量更小,且更易于硬件实现。目标检测包括信号延时、方位估计和频率估计等问题,采用上述研究的算法减少了信号延时的计算量,简化了方位估计的复杂度,提高了频率估计的分辨率。这些理论算法和仿真结果为水下监测系统中的目标探测奠定了坚实的基础。
邱伟[10]2014年在《基于压缩感知的多维度雷达成像方法研究》文中研究说明成像雷达能根据目标的电磁散射回波反演目标的散射率分布,对于目标识别等应用具有重要意义。为了更全面精细地刻画雷达目标散射特性,多维度雷达成像方法,包括被动双站雷达成像、高分辨全极化雷达成像以及叁维雷达成像应运而生。新兴的压缩感知理论提供了全新的信号采集框架,能从欠采样数据中精确重构原信号。因此,将压缩感知理论应用于雷达成像,有望解决信号采样率高、数据量大以及不完整采样下成像等雷达所面临的问题。本文以提高雷达成像能力为目的,以基于压缩感知理论的雷达成像方法研究为主线,深入研究了被动双站ISAR成像、高分辨全极化ISAR成像以及叁维雷达成像的理论和方法。第一章阐述了论文的研究背景及意义,总结和归纳了压缩感知理论以及压缩感知雷达成像方法的研究现状,在此基础上指出了多维度雷达成像所需解决的问题,最后介绍了本文的主要工作和内容安排。第二章描述了基于压缩感知的ISAR成像基本原理。首先对压缩感知理论的数学模型进行了简要回顾,其次采用频率步进信号推导了雷达目标二维ISAR成像的回波模型,然后将压缩感知方法应用于ISAR成像,探讨了两种稀疏采样方案,并选用合适的重构算法以及字典加密倍数,最后利用稀疏性先验实现高分辨图像重构,仿真数据和实测数据结果验证了压缩感知ISAR成像方法的有效性,为后续章节的研究提供了理论和方法基础。第叁章针对被动双站ISAR成像中的栅瓣问题和图像分辨率不高的不足,研究了基于压缩感知的被动双站ISAR成像方法。首先基于Batches算法思想推导了基于机会照明源的被动双站ISAR成像信号模型,指出从统计平均的角度看,最终的成像模型同样能表达成适于压缩感知处理的二维矩阵形式;在目标稀疏性的先验信息约束下,通过求解最优化问题得到目标的散射中心参数,进而计算完成缺失频带补偿的完整数据,然后利用距离-多普勒成像算法获得最终的ISAR像。进一步地,在获得的散射中心参数基础上,根据信号模型人为地外推测量数据,使得ISAR成像的分辨率得到增强。仿真数据和实测数据处理结果表明该方法能有效降低栅瓣的影响,并且能够提高成像结果的分辨率。第四章针对传统单极化处理方法不能保证散射中心在不同极化下数量、位置的一致性,研究了基于压缩感知的高分辨全极化ISAR成像方法。首先指出全极化下的ISAR像具有相同的稀疏性支撑,也就是联合稀疏性,从而将全极化ISAR成像问题转化为二维多测量稀疏恢复问题;然后为了表征这种联合稀疏性,定义了两类混合范数,并且用连续的高斯函数近似该混合范数;最后求解由混合范数约束的最优化问题,得到ISAR成像结果。仿真数据、暗室实测数据及外场实测数据的实验结果表明,两种基于混合范数优化的全极化ISAR成像方法不仅能利用欠采样数据获得高分辨ISAR像,而且成像结果中散射中心是对齐的,有利于后续的目标识别等应用。第五章研究了基于压缩感知的叁维雷达成像方法,包括干涉ISAR成像和转台叁维ISAR成像两部分。在干涉ISAR成像中,借鉴第四章的研究思路,认为基线对应的两幅ISAR像有相同的稀疏性支撑,进而定义两类全局稀疏性,并以此为约束求解优化问题,获得高质量的ISAR像,进一步作干涉处理即可得到目标的叁维重构结果。对于叁维转台ISAR成像,针对传统向量化压缩感知计算复杂度高、内存消耗大的不足,利用叁维数据的结构特性提出了降维压缩感知方法和张量压缩感知方法,前者将叁维观测数据展开为矩阵形式处理而后者直接对叁维数据进行处理,两种方法均大大提高了算法的运算效率,并能够明显降低内存消耗,有望将其应用到大尺寸目标成像中。点目标仿真实验和电磁软件计算数据结果表明所提方法能有效获得目标叁维像。最后在第六章对全文进行了总结,并展望了下一步的研究工作。
参考文献：
[1]. 宽带水声阵列信号处理的原理及方法研究[D]. 朱维杰. 西北工业大学. 2003
[2]. 运用信号相位匹配原理的高分辨方位估计算法的研究[D]. 张小蓟. 西北工业大学. 2001
[3]. 利用信号相位匹配原理的声源方位估计实验研究[J]. 孙进才, 肖卉, 侯宏, 赵俊渭, 刘理. 声学学报. 2006
[4]. 逆合成孔径雷达提高分辨率成像方法研究[D]. 吴敏. 西安电子科技大学. 2016
[5]. 基于压缩感知的ISAR成像技术研究[D]. 刘记红. 国防科学技术大学. 2012
[6]. MIMO雷达成像算法研究[D]. 王怀军. 国防科学技术大学. 2010
[7]. 基于稀疏贝叶斯重构方法的雷达成像技术研究[D]. 苏伍各. 国防科学技术大学. 2015
[8]. ISAR高分辨成像和参数估计算法研究[D]. 盛佳恋. 西安电子科技大学. 2016
[9]. 水下监测系统中目标探测若干关键技术研究[D]. 郭伟. 国防科学技术大学. 2011
[10]. 基于压缩感知的多维度雷达成像方法研究[D]. 邱伟. 国防科学技术大学. 2014
标签：电信技术论文; 压缩感知论文; 仿真软件论文; 孔径分布论文; 稀疏表示论文; 技术原理论文; 成像原理论文; 天线极化论文; 雷达论文; 重构论文; 算法论文;