高灵敏度多倍冗余综合孔径辐射计

针对给定空域亮温成像的辐射计在成像时间受限条件下温度灵敏度难以提高的问题,在分析典型辐射计成像体制温度灵敏度基础上,提出了通过增大阵列稀疏比提高综合孔径辐射计温度灵度的方法.设计了一种具有多倍冗余基线的稀疏阵列配置,阵面单元可构成多个T型稀疏子阵,每个T子阵独立实现综合孔径辐射计亮温图像重构,并通过多幅亮温图像平均提高...     

综合孔径辐射计空中隐身目标探测性能分析

微波辐射信号是"似噪"的随机信号,综合孔径辐射计反演图像具有随机特性。建立了综合孔径辐射计反演图像的统计分布模型,提出了基于综合孔径辐射计反演图像的目标检测概率计算方法,给出了综合孔径辐射计的最大探测距离方程。并以100单元T型天线阵列为例,分析了综合孔径辐射计用于空中隐身目标探测的性能,通过仿真进行了实验验证。论文研究结果将为综合孔径辐射计技术在隐身目标探测中的应用提供理论依据。     

综合孔径微波辐射计顺轨方向亮温反演算法的研究

本文利用卷积理论对综合孔径微波辐射计在顺轨方向的孔径综合进行了理论分析,给出了在一定条件下的基线设计,并且分别利用矩量法和基于Backus-Gilbert理论的线性算法两种数值方法进行了顺轨方向地物亮温的反演.数值模拟结果表明,在顺轨方向有效稀疏天线阵设计的基础上,亮温反演达到了很高的精度.     

基于拉普拉斯算子的综合孔径辐射计成像算法

成像反演是综合孔径辐射计的一项关键内容.然而,综合孔径辐射计成像反演是病态的反问题.虽然传统的正则化方法能有效克服其病态性,但依然存在较大的重构误差.为了进一步降低重构误差,提出一种基于拉普拉斯算子的综合孔径辐射计成像算法.与传统的单参数正则化不同,该算法通过引入拉普拉斯算子项,对差分亮温构造拉普拉斯混合正则化,并利用...     

基于NUFFT 算法的综合孔径辐射计图像反演方法

圆形阵列和旋转阵列排布方式的提出是为进一步降低综合孔径辐射计成像系统的复杂度和成本,然 而其缺陷在于过于复杂的亮温图像反演过程,因为该阵列排布方式下的采样样本不是均匀分布于整个采样平面,常 规的标准傅里叶变换不能直接运用于此反演过程。提出了一种非标准快速傅里叶变换(NUFFT)算法,用于非均匀 采样样本的综合孔径辐射计图像反演计算,该算法结合了高斯栅格算法和对过采样样本的快速傅里叶变换算法,仿 真结果表明该算法能够准确地得到反演图像。     

基于先验信息的综合孔径辐射计误差校正方法

误差会严重影响综合孔径微波辐射计的成像性能,需要进行校正.但是,随着系统工作频率的提高和阵列尺寸的扩大,校正难度越来越大.文中提出一种基于先验信息的综合孔径微波辐射计误差校正方法.该校正方法包括一个基于先验信息的校正矩阵以及一种基于先验信息的CLEAN算法.首先,该校正方法将含有误差的系统响应作为先验信息构造校正矩阵,并校正得到初步的反演图像;然后,利用上述先验信息估计系统的阵列因子并代入基于先验信息的CLEAN算法,校正图像中剩余的误差.仿真和实验结果表明该校正方法能有效提高综合孔径微波辐射计的成像质量.该校正方法可以在图像反演过程中全面校正综合孔径微波辐射计的误差,降低对校正系统的硬件性能要求,适用于大阵列毫米波综合孔径微波辐射计的校正误差.     

综合孔径辐射计亮温反演算法研究

综合孔径辐射计通过干涉测量技术反演目标辐射亮温图像,属于空域傅里叶变换范畴,其中相关运算中由各阵元之间传输延时造成的空间解相关效应,对亮温反演结果具有重要影响.文章从空域频率采样的角度分析了反演算法,同时探讨了G矩阵相关性以及空间解相关效应对亮温反演的影响.在传统的BG(Backus-Gilbert)算法基础上,提出了补偿空间解相关效应的方法,利用去相关矩阵对带宽、通道不一致性造成的误差进行了补偿.     

Ka波段毫米波综合孔径辐射计成像研究

华中科技大学电磁场与微波技术中心已经设计并研制出一套工作于Ka波段的16阵元一维毫米波综合孔径辐射成像系统HUST-ASR,样机采用了最小冗余稀疏直线阵列以及先进的数字相关技术。阵列幅相误差对综合孔径辐射计成像会产生严重影响,文中提出一种不增加系统硬件复杂度、易于实现的单外部辅助源校正方法,给出在辐射计低信噪比条件下的校正算法,并进行了成像试验验证。试验结果表明,该校正方法能够有效校正毫米波综合孔径辐射计的幅相误差,经过校正后的成像系统对自然场景实现了非常清晰的毫米波综合孔径亮温图像,空间分辨率达到0.64°,证明该系统具有良好的成像性能。     

CGLS 算法在综合孔径微波辐射计中的应用

高效的反演成像算法是综合孔径微波辐射计的关键技术之一。由于综合孔径微波辐射计反演成像在数学上是病态的反问题,所以需要进行正则化处理以克服其病态特性而获得稳定的解。与直接正则化方法相比,共轭梯度最小二乘(Conjugate Gradients Least Squares, CGLS)迭代法具有无须明确正则化参数、无须对传递矩阵求逆等优点。提出将共轭梯度最小二乘法应用于综合孔径辐射计成像中,并基于全极化干涉式微波辐射计(Full Polarization Interferometric Radiometer, FPIR)系统,比较了其与经典的最小范数正则化的性能。仿真结果表明:与最小范数正则化相比,CGLS 正则化算法能有效降低FPIR 系统图像反演误差,以获取高精确度的观测场景的亮温分布满足FPIR 系统探测海面风场、海表面盐度和土壤湿度等应用需求。     

基于截断奇异值的镜像综合孔径亮温重建方法

镜像综合孔径(MAS)辐射计的图像重建是由余弦可见度函数到场景亮温的图像反演过程,余弦可见度函数由转移方程求解得到.而转移方程为不适定方程组,相关输出中一个较小的误差,都可能引起求解的余弦可见度函数存在较大偏离.因此,对这个不适定方程组的求解是整个亮温重建算法成功的关键.该文基于镜像综合孔径的基本原理,分析转移矩阵的病态性,将截断奇异值分解应用于转移方程的求解问题中.仿真与实验表明,该方法可以有效降低噪声,提升图像质量.     

利用块间耦合稀疏贝叶斯学习的建筑物布局成像方法

该文针对现有穿墙雷达建筑物布局成像中扩展目标稀疏成像方法未能有效利用墙体反射信号的结构稀疏性,导致成像中出现墙体不连贯和墙体轮廓不明显的问题,提出一种利用稀疏信号块间耦合的建筑物布局成像方法。该方法在块稀疏信号特性的高斯分层先验模型的基础上,利用块间耦合系数进一步表征场景中墙体反射信号的结构稀疏性,然后将其引入到控制稀疏信号先验概率分布的超参数中,从而把稀疏信号的结构性转化为超参数的耦合关系,最后利用期望最大化(EM)算法求解超参数的最大后验(MAP)估计。仿真和实验数据处理结果表明,该方法有效改善了墙体的成像质量。     

低空小型无人机贝叶斯学习超分辨ISAR成像

本文针对低空小型无人机在雷达探测中散射截面积小、相干积累时间短等问题,提出一种基于贝叶斯统计机器学习的逆合成孔径雷达超分辨成像方法。利用无人机相对空域背景的稀疏性先验知识引入重尾的拉普拉斯先验概率分布,并基于观测系统噪声高斯分布假设建立贝叶斯后验推理模型。针对先验分布的非共轭性,引入分层贝叶斯模型。最后应用变分贝叶斯期望最大算法,解析求解目标后向散射系数后验概率密度函数,并校正目标非系统性平动误差及其造成的成像散焦。与传统方法相比,该方法能够有效解决无人机目标雷达散射截面积较小带来的成像信噪比低以及相干积累时间较短带来的成像分辨率低等问题。仿真实验结果证明了本文所提方法的有效性和优越性。     

雷达成像中稀疏孔径外推新算法

该文提出一种由稀疏孔径数据外推全孔径估计算法,这种算法对于稀疏孔径存在大的空缺的情况,可以利用已知稀疏孔径用参数化方法得到准确的稀疏孔径频域能量分布估计,把稀疏孔径功率谱估计作为先验信息,以最小加权范数为约束进行外推估计空缺孔径,得到完整孔径估计。该算法可有效应用于合成孔径雷达稀疏孔径成像,仿真与实际数据处理结果证实算法的有效性。     

联合感知矩阵优化的穿墙MIMO阵列稀疏成像方法

采用压缩感知理论的穿墙稀疏成像恢复算法需要感知矩阵满足有限等距性质(RIP),最直接的验证方法是判定感知矩阵的相干系数是否较小。针对现有的穿墙多输入多输出(MIMO)阵列稀疏成像方法没有验证感知矩阵是否满足RIP 性质而容易出现重构失败并导致成像模糊的问题,提出一种联合感知矩阵优化的穿墙MIMO阵列稀疏成像方法。该方法首先依据配置指标将阵元配置为两端发中间收和分时复用的模式,既能使感知矩阵的相干系数最小,又能获得均匀而不冗余的等效虚拟阵元;然后,从中选取部分能够满足感知矩阵相干系数最小的虚拟阵元组合,使用可分离逼近结构稀疏恢复算法充分考虑扩展目标信号的结构稀疏先验信息对其进行稀疏成像重构;最后,选取成像性能指标较好的一组作为成像结果。仿真和实验结果表明,该方法降低了运算量和虚拟阵元间的干扰,节约了硬件成本,提高了算法的稀疏重构性能,获得了高分辨的穿墙扩展目标成像。     

基于稀疏贝叶斯学习的无源雷达高分辨成像

针对无源雷达压缩感知成像,该文提出一种基于稀疏贝叶斯学习的高分辨成像算法。基于一次快拍模式下的无源雷达回波模型,文中首先考虑目标散射系数的统计特性及其对微波频率的依赖关系,将无源雷达成像转化为MMV(Multiple Measurement Vector)联合稀疏优化问题;然后对目标建立了级联形式的稀疏先验模型,并利用稀疏贝叶斯学习技术进行求解。相比之前基于目标确定性假设的稀疏恢复方法,所提算法更好地利用了目标的统计先验信息,具有能够自适应调整参数(目标模型参数和未知噪声功率)和高分辨反演目标等优点。仿真结果验证了该算法的有效性。     

A new phase correction method in NMR imaging based on autocorrelation and histogram analysis

A new statistical approach to phase correction in NMR imaging is proposed. The proposed scheme consists of first-and zero-order phase corrections each by the inverse multiplication of estimated phase error. The first-order error is estimated by the phase of autocorrelation calculated from the complex valued phase distorted image while the zero-order correction factor is extracted from the histogram of phase distribution of the first-order corrected image. Since all the correction procedures are performed on the spatial domain after completion of data acquisition, no prior adjustments or additional measurements are required. The algorithm can be applicable to most of the phase-involved NMR imaging techniques including inversion recovery imaging, quadrature modulated imaging, spectroscopic imaging, and flow imaging, etc. Some experimental results with inversion recovery imaging as well as quadrature spectroscopic imaging are shown to demonstrate the usefulness of the algorithm.     

一种基于多普勒信息的雷达目标跟踪方法

机载预警雷达采用脉冲多普勒体制,具有良好的低空探测性能,但其存在不可忽略的多普勒盲区问题。在目标跟踪的过程中,该盲区容易造成目标中断和重起批。针对多普勒盲区条件下的目标连续跟踪问题,文中提出了一种基于多普勒预测的扩展卡尔曼滤波算法(Doppler Prediction EKF,DP-EKF),该方法将多普勒盲区的先验信息并入到扩展卡尔曼滤波算法中,通过状态预测判断目标在未来时刻是否落入多普勒盲区,从而自适应地调整跟踪滤波规则,解决多普勒盲区条件下目标连续跟踪问题。仿真结果表明,该算法对于运动模型已知的航迹不连续目标具有较好的跟踪效果,能够维持其航迹的连续性。     

基于GPD的稳健贝叶斯压缩感知ISAR成像方法

现有贝叶斯压缩感知(Bayesian Compressed Sensing,BCS)-逆合成孔径雷达(Inverse Synthetic Aperture Radar,ISAR)成像算法中先验分布模型不能很好地满足可压缩性,导致成像精度随脉冲数目的减小、高斯噪声的增强而急剧下降。为此,提出了一种基于广义Pareto分布改进BCS成像方法(Improving BCS imaging based on GPD,IGPCS)。该方法主要在BCS框架下利用广义Pareto先验分布替代传统的广义Gaussian先验分布,以增强模拟信号的稀疏先验和可压缩性。进一步地,为了克服后验概率模型计算困难等问题,采用最大后验(Maximum A Posteriori,MAP)方法对超参数进行估计。通过对Mig-25小型飞机的ISAR模拟实验表明,与传统方法相比,IGPCS方法能够获取极高的成像精度,并且对低脉冲数、强高斯噪声环境具有较强的鲁棒性。     

基于稀疏贝叶斯正则化的阵列SAR高分辨三维成像算法

阵列合成孔径雷达(Linear Array Synthetic Aperture Radar, LASAR) 3维成像技术是一种具有重要潜在应用价值的雷达成像新体制,但受线阵天线及平台尺寸限制,传统匹配滤波成像算法难以实现LASAR高分辨3维成像。该文利用LASAR回波信号及观测目标的先验分布特性,提出了一种基于快速稀疏贝叶斯正则化重构的LASAR高分辨3维成像算法。该算法先结合贝叶斯估计准则及最大似然估计原理,构造LASAR目标重构的稀疏贝叶斯最小化代价函数;再利用迭代正则化方法求解联合范数最优化问题实现LASAR稀疏目标高分辨3维成像。另外,针对稀疏贝叶斯正则化成像运算量大的问题,结合位置预测快速成像思路,利用阈值分割算法对稀疏粗成像进行强目标提取,进而提升算法运算效率。仿真数据和实测数据验证了该文算法的有效性。      

基于稀疏采样传播数据和决策树算法的蒸发波导反演

蒸发波导的超视距传播特性是影响海上无线电系统性能的重要因素,准确预测蒸发波导是进行系统 评估的基础。文中提出一种基于稀疏采样传播数据和决策树轻量梯度提升机(Light Gradient Boosting Machine, LightGBM)算法的蒸发波导反演方法。首先,采用抛物方程方法仿真得到稀疏采样传播数据并构建训练集和测试 集;其次,使用决策树LightGBM 算法搭建反演模型,通过不断调参改进模型的精度以达到较高的反演准确度;最后, 调用训练好的LightGBM 模型进行蒸发波导反演,并对反演结果的概率分布进行了分析。结果表明,基于稀疏采样 传播数据的蒸发波导反演方法能够有效且快速地实现蒸发波导反演,为海上蒸发波导预测提供了一种新途径。