基于压缩感知的双通道SAR地面运动目标检测方法研究

针对目前双通道SAR地面运动目标检测(GMTI)方法采样数据量过大的问题,该文提出一种基于压缩感知的双通道SAR运动目标检测方法。该方法首先沿方位向进行随机稀疏采样得到双通道原始回波数据,然后通过匹配滤波方法实现距离向聚焦,并利用压缩感知技术实现方位聚焦,最后运用传统相位中心偏置天线(DPCA)技术进行杂波抑制。通过公式推导从理论上分析了该算法利用双通道方位稀疏采样数据实现杂波抑制的可行性,同时详细分析了运动参数对目标成像的影响。仿真与实测数据实验表明该算法在方位向欠采样情况下仍具有良好的杂波抑制性能。     

穿墙雷达扩展目标自聚焦稀疏成像方法

实际场景中穿墙雷达成像的墙体参数大多是未知的,采用现有的穿墙稀疏成像算法会出现目标位置偏移和图像模糊,提出一种基于结构化贝叶斯压缩感知的自聚焦稀疏成像方法。该方法首先把墙体厚度和介电常数视为字典的参数,建立了参数化字典稀疏表示模型,并且充分考虑扩展目标像素间的结构信息,然后对未知墙体参数的字典矩阵在墙体参数上进行一阶泰勒级数展开,采用变分法进行分层交替迭代优化相应的隐变量和参数。仿真和实验结果表明,该方法通过修正墙体参数偏差,有效消除了目标位置偏移和图像模糊,实现了未知墙体参数下的高分辨自聚焦成像。     

基于原子范数的无网格动目标参数估计

针对现有参数稀疏恢复空时自适应处理中动目标参数估计方法在字典失配条件下性能下降的问题，提出一种基于原子范数无网格稀疏恢复技术的动目标参数估计方法，该方法利用目标回波在角度-多普勒域的稀疏特性，根据连续压缩感知和低秩矩阵恢复理论实现了运动目标方位角和速度的高精度估计，避免了基于固定离散字典模型进行参数稀疏恢复时遇到的字典失配问题，有效提高了动目标参数的估计性能。仿真结果证实了所提方法参数估计性能优于已有基于字典网格的稀疏恢复参数估计方法。     

基于随机PRI压缩感知雷达的速度假目标识别方法

当存在有源速度假目标干扰时,随机脉冲重复间隔（Random Pulse Repetition Interval,RPRI）压缩感知雷达的回波稀疏性将被破坏,其目标检测与测速性能无法正常发挥.考虑到干扰机通常无法保证在相位调制时实时准确地更新雷达随机脉冲重复间隔,这将导致其生成的虚假目标信号与真实目标信号在不同的字典上稀疏.本文利用这一特性,在压缩感知框架下提出速度假目标识别算法,该算法通过建立联合字典实现真/假目标的稀疏表示与分离.通过分析不同随机模式下联合字典的自相干性及其对分离结果的影响,给出了本算法的适用范围,仿真结果验证了本算法的有效性.     

压缩感知SAR成像中的运动补偿

由于其具有压缩采样特性,压缩感知在高分辨SAR成像技术中得到了广泛应用。然而作为一种参数化的成像方法,基于压缩感知的成像方法对位置误差非常敏感。位置误差会造成图像偏离真实位置、散焦、甚至根本不能成像。该文针对SAR压缩成像系统中存在的运动误差,分析了平台非理想运动对回波信号的调制机理和运动相位误差对信号稀疏表征的影响,提出了基于传感器测量数据进行运动补偿的压缩感知SAR成像方法,通过在稀疏矩阵中引入附加项完成空不变运动误差的补偿。该方法不仅能以少量的测量孔径和测量数据获得重建目标空间的足够信息而且能有效降低运动误差对成像质量的影响,实现高分辨成像。     

一种改进的基于K-SVD字典学习的运动目标检测算法

提出了一种基于字典学习的运动目标检测方法.该方法首先使用多帧平均方法从训练样本中得到初始背景,再通过BP算法建立背景的初始稀疏表示模型;然后利用视频序列中当前时刻的近邻五帧图像,通过K-SVD方法自适应更新背景数据字典中的原子,使背景稀疏表示模型最优逼近近邻帧背景的观测值;最后将当前帧图像与背景模型进行差分,完成前景运动目标的检测.仿真和对比实验结果表明,对图像信号进行稀疏表示可以有效降低数据的冗余度,减小运行时间,同时在字典更新阶段利用近邻帧图像的相关性特性,能获得鲁棒性较好的背景字典,自动排除伪前景的干扰,从而提高视频序列中的运动目标检测的准确率.     

基于阴影检测的单幅高分辨SAR图像动目标检测方法

本文根据合成孔径雷达(SAR)运动目标的成像特点,提出了一种基于单幅高分辨率SAR图像的动目标检测方法。运动目标所成SAR图像是散焦的,同时偏离其真实位置,并在其真实位置处留下与目标大小近似的"阴影"区域。通过该阴影区域来实现运动目标的检测,没有盲速的限制,这种独立于回波的检测方法,使检测过程简单化。再结合道路辅助信息,可以完成运动目标的检测,精确定位以及参数的估计。     

结合稀疏表示与图像压缩融合的目标检测

针对单光谱图像用于目标检测时信息量不足的缺点,提出了一种可见光图像与红外图像基于压缩域融合检测的方法。该方法首先使用合适的模型构造目标原子,得到超完备字典,再对待测图像在字典上分解所得稀疏系数进行融合,最后通过稀疏度指标对融合系数进行判定,得到目标所在位置。实验结果表明,与单帧图像检测方法相比,该方法使得待检测图像信息更加丰富,提高目标的检测率。     

基于多尺度自适应稀疏字典的小弱目标检测方法

针对单尺度固定函数的滤波器难以有效剔除杂波和提高小弱目标检测性能的不足,文中研究建立多尺度自适应稀疏字典,提出了一种多尺度自适应形态稀疏字典检测小弱目标方法。首先根据图像信号内容建立多尺度自适应形态稀疏字典,并将图像信号在多尺度稀疏字典中进行稀疏分解;然后在分析小原子稀疏表示系数的基础上建立稀疏表示系数直方图,并利用指数函数拟合小尺度原子的稀疏表示系数直方图;最后,根据指数函数拟合参数在杂波、噪声和目标表现出的差异检测小弱目标。该多尺度稀疏字典利用大尺度原子描述图像背景杂波,小尺度原子捕获图像细小特征。实验结果表明,与小波算法和Contourlet 算法相比,文中方法能更为有效地抑制背景杂波,减少背景残留,从而提高小弱目标检测性能。     

基于压缩感知的SAR图像压缩与重构方法

结合合成孔径雷达(SAR)图像特点,提出了一种基于压缩感知的SAR图像压缩与重构方法,并给出了具体的方法及详细流程.该方法首先将原始SAR图像进行分块处理,同时,利用离散小波变换(DWT)对分块结果进行稀疏处理,利用近似QR分解后的随机高斯矩阵对稀疏处理结果进行低维线性观测,实现了SAR图像的稀疏化表征与压缩.文中讨论的改进的正交匹配追踪(OMP)算法,与传统的OMP算法相比,改进的OMP算法在保证重构精度的前提下,可有效提高收敛速度.最后,通过离散小波反变换等处理获得最终的SAR图像重构结果.仿真实验结果证明所提方法的有效性与可行性.     

A fast multichannel SAR raw data simulator of clutter and moving targets

Accessibility of a fast and accurate multichannel synthetic aperture radar raw data generator of stationary clutter and moving targets has high importance, especially in the application of ground moving target indication. In this paper, a fast four-stage algorithm for generating the raw data of each channel stationary clutter and moving targets, has been proposed respectively in the frequency and the hybrid time–frequency domain. Using this simulator, in different conditions in terms of target motion speed, acceleration and direction, for each of the channels, after generating the raw data, its final image has been extracted by the range-Doppler algorithm. Then, using clutter suppression techniques such as DPCA, ATI and hybrid DPCA–ATI, the multichannel SAR final image has been obtained in ideal and nonideal conditions. Finally, the obtained images of the first channel have been studied using the extracted formulas for predicting the effects of target motion parameters on the SAR images as well as analyzing the multichannel SAR final image. The results show that the proposed algorithm for generating the raw data of each channel stationary clutter and moving targets has better performance in terms of speed and accuracy than the other existing simulators and the proposed multichannel SAR simulation method has high quality.     

基于CSI-MD的地面动目标聚焦成像技术

对于合成孔径雷达(SAR)图像,地面静止场景中同时存在运动目标;由于其运动参数未知,动目标在SAR图像上呈现方位向偏移和散焦;而在高分辨条件下,运动目标更可能会存在跨距离单元徙动现象,从而影响运动目标的聚焦成像。文中结合多通道合成孔径雷达-地面动目标显示技术,提出了基于杂波抑制干涉(CSI)和子视图相关法(MD)的动目标聚焦成像技术。该方法结合多通道SAR图像信息,在CSI抑制杂波后进行动目标检测,根据动目标散焦范围挑出包含动目标的区域;然后,用MD算法估计动目标所在距离单元的方位调频率,重新设计方位匹配滤波函数,对该区域内散焦的运动目标聚焦成像。仿真数据和实测数据的处理结果均证明了该方法能较好地实现动目标的聚焦成像。     

一种基于SAR稀疏采样数据的动目标运动参数估计方法

该文针对地面动目标运动参数估计问题进行研究,提出一种利用单天线合成孔径雷达(SAR)稀疏采样数据的动目标2维速度估计方法。首先以目标2维速度为参数构建一个等效参数化模型将动目标回波数据转化为小斜视回波数据,然后利用改进的迭代阈值算法实现不同参数条件下的动目标2维成像,最后以成像结果的图像熵值为优化准则对初始模型参数进行搜索,从而获得准确的动目标运动参数。该方法以稀疏采样数据为输入,可以减少所需数据量,并且能够有效避免多普勒模糊问题,在较低信杂比条件下仍然能够准确估计出目标运动参数。仿真实验结果验证了所提动目标参数估计方法的有效性。     

基于稀疏孔径的联合稀疏约束干涉ISAR机动目标三维成像

InISAR系统能够实现对目标的3维几何估计,更加有利于目标的分类和识别。同时多功能ISAR/InISAR系统针对的多是机动性很强的目标,在某些情况下对单个目标仅能获取稀疏孔径观测,尤其是在目标存在机动特性的情况下,更是增加了ISAR成像的难度,这些对传统的ISAR成像算法提出了挑战。为了解决上述这些问题,该文针对机动目标提出一种基于稀疏孔径的联合稀疏约束InISAR 3维成像方法。对匀加速转动的目标,回波的多普勒调制可以建模成线性调频的形式,并用chirp-傅里叶字典来表征其机动性。接着将联合的多通道InISAR 2维成像转化为联合稀疏约束的最优化求解问题,并用改进的OMP算法进行求解。然后利用各个通道估计的ISAR图像和调频参数实现对目标的3维几何重构。相比于单通道独立成像,联合多通道稀疏约束成像能获得更好的2维和3维成像结果。最后,进行实测数据实验以验证该文算法的有效性。     

一种单通道SAR地面运动目标成像和运动参数估计方法

根据单通道高分辨SAR(Synthetic Aperture Radar)运动目标的回波包络和多普勒频谱的特性,本文提出一种利用二阶Keystone变换校正回波数据的距离弯曲,然后估计回波包络的斜率进行走动校正,再对运动目标的多普勒频谱进行分析得到运动目标的多普勒参数,进而对地面运动目标进行成像,同时完成对运动目标的定位,使运动目标在SAR图像中的正确位置上显示.另外,根据地面运动目标的多普勒参数和运动参数的关系,可以估计出运动目标的关键运动参数.结合仿真和实测数据的处理结果表明该方法可有效地对地面运动目标成像和运动参数估计.     

基于块稀疏贝叶斯学习的SAR图像目标方位角估计方法

提出了一种基于块稀疏贝叶斯学习的合成孔径雷达（Synthetic aperture radar,SAR）图像目标方位角估计方法。SAR图像具有较强的方位角敏感性,因此对于具有某一方位角的SAR图像仅能与其具有相近方位角的样本具有较高的相关性。方法基于稀疏表示的基本思想,首先对所有训练样本按照方位角顺序排列为全局字典。在此条件下,待估计样本在该字典上的线性表示系数具有块稀疏特性,即非零表示系数主要聚集在字典上的某一局部区域。求解得到的块稀疏位置包含的训练样本可以有效地反映待估计样本的方位角信息。采用块稀疏贝叶斯学习（Block sparse Bayesian learning, BSBL）算法求解全局字典上的稀疏表示系数,并根据具有最小重构误差的原则获得最佳的局部分块。在获取最佳分块的基础上,方位角计算方法采用线性加权的方式综合了该分块区间内所有训练样本的方位角信息从而获得更为稳健的估计结果。所提出的方法在充分考察SAR图像方位角敏感性的基础上,综合运用局部区间内样本的有效信息,避免了基于单一样本估计的不确定性。为了验证所提出方法的有效性,基于Moving and stationary target acquisition and recognition （MSTAR）数据集进行了方位角估计实验并与几类经典方法进行对比分析。实验结果验证了所提出方法的性能优势。     

二维压缩感知多投影矩阵特征融合的SAR目标识别方法

针对合成孔径雷达（synthetic aperture radar,SAR）目标识别问题,提出联合多层次二维压缩感知投影特征的方法。采用二维压缩感知投影作为基础特征提取算法,具有不依赖训练样本、效率高等显著优势。构建多个二维压缩感知投影矩阵提取原始SAR图像的多层次特征。不同投影矩阵获得的特征具有差异性,从不同方面描述SAR图像的灰度分布特性;同时,这些特征源自相同的输入图像,因此也具有一定的内在关联性。采用联合稀疏表示对提取的多个特征矢量进行表征分析,在内在关联性约束下考察不同特征的独立鉴别能力,从而提升每一类特征的稀疏表示精度。最终,根据求解的稀疏表示系数,分别在各个训练类别上对测试样本的多类特征进行重构,获得重构误差。根据最小误差的准则,判定测试样本所属目标类别。通过综合运用多层次二维压缩感知特征提取和联合稀疏表示分类,提高SAR目标识别的整体性能。利用MSTAR数据集中的多类目标SAR图像对方法进行测试验证,结果反映其在标准操作条件（standard operating condition,SOC）和扩展操作条件（extended operating condition,EOC）均可保持可靠的识别性能。     

Imaging of Moving Targets With Multi-Static SAR Using an Overcomplete Dictionary

This paper presents a method for imaging of moving targets using multi-static radar by treating the problem as one of joint spatial reflectivity signal inversion with respect to an overcomplete dictionary of target velocities. Existing approaches to dealing with moving targets in SAR solve the nonlinear problem of target scattering and motion estimation typically through decoupled matched filtering. In contrast, by using an overcomplete dictionary approach we effectively linearize the forward model and solve the moving target problem as a larger, unified regularized inversion problem subject to sparsity constraints. This unified framework allows estimation of scatter motion and reflectivity to be done in an optimal and global way. We show examples of the potential of the new method for sensing configurations with transmitters and receivers randomly dispersed in a multi-static geometry within a narrow forward cone around the scene of interest.      

基于图像稀疏表示的红外小目标检测算法

基于超完备字典的图像稀疏表示是一种新的图像表示理论,利用超完备字典的冗余性可以有效地捕捉图像的各种结构特征,从而实现图像的有效表示.针对红外小目标检测问题,提出了一种基于图像稀疏表示的检测方法,该方法采用二维高斯模型生成样本图像,继而构造超完备目标字典,然后依次提取测试图像的图像子块并计算其在超完备字典中的表示系数,背...     

Moving target detection in foliage using along track monopulsesynthetic aperture radar imaging

This paper presents a method for detecting moving targets embedded in foliage from the monostatic and bistatic synthetic aperture radar (SAR) data obtained via two airborne radars. The two radars, which are mounted on the same aircraft, have different coordinates in the along track (cross-range) domain. However, unlike the interferometric SAR systems used for topographic mapping, the two radars possess a common range and altitude (i.e., slant range). The resultant monopulse SAR images are used to construct difference and interferometric images for moving target detection. It is shown that the signatures of the stationary targets are weakened in these images. Methods for estimating a moving target's motion parameters are discussed. Results for an ultrawideband UHF SAR system are presented.