基于微动特征提取的太赫兹雷达目标检测算法研究

微多普勒现象是微动目标在极高频雷达照射下重要的特征属性之一,已广泛应用于雷达目标成像与识别方面。但是,目标微多普勒现象可能会在一定程度上导致雷达检测概率的降低,这在太赫兹频段尤为明显。本文结合目标微动特征,建立了一种新的信号检测模型,在原有常规目标检测模型的基础上,考虑了微动特征参数,该参数由时频分析算法提取。仿真结果显示,基于微动特征提取的信号检测模型可有效的提高雷达检测概率,在13dB的信噪比下,针对一定的虚警概率,检测概率可提高13%左右,对太赫兹雷达系统设计具有重要的理论意义。     

海面舰船目标微多普勒周期快速估计方法

提出一种海面舰船目标微多普勒周期快速估计方法。受海情影响,舰船目标处于微动状态中,导致雷达回波产生微多普勒调制。舰船微多普勒参数与舰船结构、目标动力等密切相关,是舰船目标识别的重要依据。在建立海面舰船目标雷达回波模型的基础上,分析了回波的调制特性,并提出一种微多普勒周期快速估计方法。该方法首先基于最小熵方法实现舰船目标主体平动的补偿,然后根据微多普勒区域与噪声区域的熵差异实现目标多普勒区间定位,最后计算截取区域的时频相关系数实现微多普勒周期的估计。其中微多普勒区间的定位降低了时频相关系数的计算量,使该方法的运算效率相比原有算法有较大的提升。在典型场景和雷达参数下,该方法计算效率获得2.5倍的提升。     

基于 A-DResUnet 的语音增强方法

为了更精确地从语谱图中提取特征信息,提出了一种基于 A-DResUnet 的语音增强方法。 A-DResUnet 模型在 ResUnet 模型的基础上融合了空洞卷积,提升捕获语音上下文信息的能力;同时在编码器中加入卷积注意力模块(CBAM),提高对噪声 谱图特征的关注。 实验结果表明,与模型输出目标为干净语音语谱图相比,用噪声谱图作为模型输出目标时,该模型对未知噪 声具有更强的分离能力;相较 ResUnet 模型,提出的 A-DResUnet 模型减少了语音细节信息的损失;对比基于 DNN、GAN 的语音 增强方法,PESQ 平均提升了 22. 81%、33. 11%,STOI 平均提升了 9. 62%、15. 33%,为复杂环境下的语音增强提供了一种更有效 的方法。     

基于S-Method分布的微多普勒特征分析

微多普勒特征是雷达目标所具有的独特特征之一,对目标的分类、识别具有特殊的意义.研究高精度时频分析方法在分析目标微动特性中的作用,可以为后续目标识别提供很好的支撑.S-Method分布作为一种新型的时频分析方法,它基于短时傅里叶变换来实现,减少了分析过程中的运算量,同时能较好地解决交叉项问题.首先对弹道导弹弹头的微动模型进行建模,推导得到微动模型的理论微多普勒频率,然后采用S-Method分布对回波信号进行时频分析仿真实验,获得弹头目标章动的高精度的时间-微多普勒频率图.通过比较其在分析过程中的时频分辨率、交叉项,具体阐述S-Method分布在时频分析中的优势.因此可以将S-Method分布应用于雷达目标微多普勒分析中,分析实时变化的微多普勒频率特征.     

基于动态RCS的风电机叶片多普勒特性

风电机叶片动态旋转对雷达信号产生的多普勒效应,是邻近雷达台站识别风电场杂波的重要依据。现有研究手段由于难以获得精准的风电机叶片雷达回波仿真信号,进而无法获取准确的多普勒频谱。为此,避开风电机叶片雷达回波精准仿真的难题,通过叶片多普勒效应的产生机理研究,提出了一种通过叶片动态雷达散射截面(RCS)求解多普勒频谱的思想,即基于成熟的电大尺寸目标动态RCS精确求解技术,采用准静态法,运用物理光学法(PO)和等效电磁流法(ECM)构成的混合算法,获得叶片运动状态下的RCS时域曲线,最后利用短时傅里叶变换(STFT)得到叶片的多普勒频谱。基于该方法,计算并分析了风电机叶片在旋转、变矩、挥舞及倾斜等工况下的多普勒特性,为风电机雷达目标信号的识别、雷达散射截面的缩减,以及雷达侧风电场杂波的抑制提供参考。     

基于IR方位信息的多普勒盲区跟踪方法研究

机载脉冲多普勒雷达存在多普勒盲区,对处在多普勒盲区内的目标跟踪容易出现跟踪中断或重新起批的问题.针对这一问题,提出了一种基于雷达与红外传感器的数据融合方法.目标未进入多普勒盲区前,通过雷达与红外融合跟踪获取目标运动的先验信息;目标进入多普勒盲区内,利用红外传感器获取的方位信息,结合盲区前融合跟踪获取的先验信息实现目标的连续跟踪.仿真结果表明本文提出的方法能够对处于多普勒盲区内作机动转弯的目标进行连续跟踪,弥补了雷达在盲区内对目标跟踪过程中出现的跟踪中断与重新起批问题.     

一种复合微动空间目标窄带成像方法

提出一种复合微动空间目标窄带成像方法。由于窄带雷达在目标检测和跟踪等方面的优势,窄带雷达被广泛用于空间目标探测中。对空间微动目标,微动产生时变多普勒调制,蕴含了目标的重要结构信息,通过对时频图像应用逆约旦变换方法可获取目标各散射点的位置,实现窄带成像。窄带成像降低了对雷达带宽的要求,在空间目标探测上具有优势。然而,在实际探测场景中,目标运动表现为微动和平动的复合叠加,使窄带成像方法失效。在建立复合微动空间目标雷达回波模型的基础上,分析目标的时变多普勒调制特性,提出一种复合微动窄带成像方法,该方法首先基于时频相关系数估计微动周期,利用多普勒相消方法去除平动影响,估计目标平动参数,进而实现平动补偿,最后基于逆约旦变换方法实现窄带成像。所提方法不受目标平动影响,能有效实现复合微动空间目标的窄带成像。     

脉冲多普勒雷达探测的速度盲区仿真系统

脉冲多普勒雷达是一种利用多普勒效应检测目标信息的脉冲雷达。本文介绍了一种基于MATLAB实现的机载脉冲多普勒雷达速度盲区动态仿真系统的设计与实现。该系统借助MATLAB强大的计算功能,可以任意设置、保存、删除脉冲多普勒雷达载机、配试目标机的航线等飞行参数以及雷达的探测参数,在任何航线条件下都可以粗略预览和动态模拟机载脉冲多普勒雷达的探测情况;该系统克服了基于MATALB实现的软件界面单一的缺点,具有良好的人机交互功能,实现了丰富、动态的可视化效果。     

太赫兹频段目标微多普勒信号特征分析

微多普勒运动是近年来高分辨雷达目标观测的重要研究内容之一,对微动目标的运动特征提取与识别已成功的应用于雷达研究的诸多领域。本文首先对典型的微动模型进行数学建模,并在对几种典型微动形式的微多普勒信号进行理论推导的基础上,对太赫兹频段和X频段的微多普勒现象进行了仿真比较,从仿真结果中可以看出,在微动特征较小的情况下,基于X频段的雷达观测手段已几乎失效,很难对运动特征提供有用的观测信息,同时,仿真结果验证了太赫兹雷达系统对厘米或及毫米量级微动观测的有效性,为进一步开展太赫兹频段下高分辨率目标观测及成像研究提供理论依据。     

PD雷达基本信号处理的快速原型设计方法

为了克服传统手动编写代码费时费力且易出错的缺点,本文提出了一种新的基于MATLAB/Simulink/RTW的脉冲多普勒(PD)雷达基本信号处理的快速原型设计方法.利用Simulink快速构建了一个简单PD雷达信号处理系统原型,通过RTW自动生成代码,使用Tornado将由RTW程序创建工具产生的目标文件下载到VxWorks目标CPU中,实现了雷达信号处理从系统设计、算法设计、软件开发、实时性验证各阶段工作的无缝连接,大大缩短了开发周期,提高了系统设计的可靠性,并验证了此方法在雷达信号处理中的可行性.     

基于半监督生成对抗网络的毫米波雷达跨域手势识别

基于深度学习的毫米波雷达手势识别以其免接触、保护隐私和环境依赖性低等特点受到越来越多的关注。但是目前的学习方法大都采用全监督方法,其性能受限于雷达数据的获取和标注,且其学习样本都来源于单一环境,极大的影响了不同场景下的迁移能力,因此本文提出了一种基于半监督生成对抗网络的跨域手势识别方法。首先,通过数据预处理,提取动态混合特征时间图（DFTM）以消除环境干扰,并且对手势动态特征进行更加全面的表征;其次,结合毫米波信号特点进行数据增强,进一步扩充数据量,提高模型泛化能力;第三,针对实际应用中可获得的标记数据通常较少的问题,提出并构建了一个改进半监督生成对抗网络,在原始GAN的基础上增加了分类器,通过生成数据帮助提高分类器辨别能力,同时利用源域中的少量标记数据和目标域中的大量未标记数据,实现域无关的手势识别。实验结果表明,对于新用户、新环境和新位置的平均手势识别准确率分别达到 98.21%、95.23%和97.6%。与现有其他手势识别方法相比,本文所提方法在只有少量标记数据的情况下也能达到较高的跨域手势识别准确率,为后续毫米波雷达人机交互提供了新的研究思路。     

基于SVA的斜视SAR图像旁瓣抑制算法

针对已有的空变切趾滤波(SVA)算法不能有效抑制斜视合成孔径雷达(SAR)图像旁瓣的问题,提出一种基于斜视谱矫正的斜视SVA算法,提高了SVA算法对斜视SAR图像的旁瓣抑制效果.首先分析了斜视SAR图像的频域支撑形状,给出SVA算法对于斜视SAR图像旁瓣抑制效果不良的原因;然后提出了斜视SVA算法,该算法通过斜视SAR图像的频谱矫正,将方位向旁瓣矫正到与雷达运动方向平行的轴向上,分别对距离向和方位向旁瓣进行SVA处理,得到旁瓣抑制之后的结果;最后通过仿真数据处理结果的验证了斜视SVA算法的有效性.     

基于灰度共生矩阵纹理特征的局部放电模式识别

传统的统计参数特征,因放电次数及放电相位分布等因素的影响,会出现无效信息,降低局部放电识别率。为了减少这些因素的影响,引入灰度共生矩阵纹理特征对局部放电进行模式识别。首先通过实验构造局部放电相位-放电量-放电次数(j-q-n)三维图谱,获得放电分布矩阵。其次计算其对应的灰度共生矩阵,并提取出相应纹理特征。最后利用聚类分析对不同放电缺陷进行了有效判别分类。实验结果表明:基于放电分布灰度共生矩阵的纹理特征可以有效辨识不同局部放电类型,为局部放电模式识别提供了一种新思路。     

基于多重分形谱和支持向量机的风电机组行星齿轮箱故障诊断与研究

风电机组行星齿轮箱振动信号是一种典型的非平稳、非线性信号,传统故障检测方法对于此类信号处理能力有限。为了克服传统方法的不足,提高故障诊断能力,提出了一种基于多重分形谱和支持向量机相结合的故障检测方法。首先通过多重分形定义求取信号的多重分形谱。然后在多重分形谱中提取八个特征量。最后将特征量作为支持向量机的输入向量,实现了在不同转速情况下对正常信号和四种太阳轮故障信号的分类与识别。实验结果证实了所提方法对行星齿轮箱信号特征进行提取是有效的,在不同转速情况下均提高了故障识别率。     

基于点迹时空关系的雷达目标航迹识别

雷达目标航迹的识别有助于指挥员判断对方作战意图和作战任务,从而为战场决策提供协助作用,但目前少有文献研 究目标航迹识别问题。 根据雷达检测到的目标物体的时间、距离和方位等时空数据,研究目标航迹识别问题,并提出了一种基 于雷达点迹数据时空关系的目标航迹识别算法(TRST)。 该算法首先对雷达点迹数据进行属性选择,然后挖掘点迹数据在空间 关系上的间距值特征,最后构建递归神经网络进一步捕捉点迹数据的时空关系特征,实现对目标航迹的分类识别。 实验结果表 明,TRST 算法能够有效提高目标航迹识的准确率、精确率、召回率和 F1-Score 性能。     

微多普勒通道间特性对SAR GMTI性能影响分析

现实环境中,地面目标在具有平动的同时常会叠加周期性的微动,如汽车的怠速抖动等.传统的合成孔径雷达地面运动目标检测技术(SAR-GMTI)主要集中于目标匀速、匀加速等平动形式,无法对微动造成的非线性相位历程进行处理.而目标微动产生的微多普勒会在SAR成像中使目标沿方位向出现等间隔的散焦点——"鬼影点".按照传统的GMTI理论,目标平动速度很小时,其多普勒很难与杂波区分,从而无法实现目标检测.通过对机载多通道SAR"一发多收"模式下地面振动目标运动建模,推衍出了地面振动目标在不同通道内的图像域回波表达式及通道间各鬼影点的干涉相位.通过仿真验证了该干涉相位的正确性,并量化分析了随载频、振动角频率、径向平动速度变化时,各鬼影点空域导向与杂波导向的正交区分度,从而证明即使目标的平动多普勒很小甚至为零时,利用微多普勒带来的空域信息检测地面运动目标仍具有充分的可靠性.     

改进的SAR图像干扰抑制算法

合成孔径雷达(SAR)图像中出现干扰条纹是由电视、广播和各类通信系统辐射源的频率在系统带宽内,造成接受的信号中混有干扰信号。由于这些干扰通常具有高于系统背景噪声的功率电平,会对SAR造成不同的影响。在某些系统中SAR信号在距离频域沿着距离向相邻的点会具有一定的相关性。如果某些频谱值被干扰信号污染,则可以利用它周围的点估计出该频段的信息。基于这一想法,提出一种干扰抑制算法,能有效的估计出被干扰影响的频谱信息。当频谱中干扰信号所污染的频段的个数较多时,相比传统方法,这种方法能更为有效地估计出原始信号。