基于两次异常检测的雷达HRRP杂波稳健目标识别方法

对地目标识别中,目标回波中将不可避免的含有大量杂波,严重影响识别性能。针对该问题,提出了杂波稳健识别方法,该方法首先采用基于球形假设聚类的异常检测方法,完成小簇杂波的抑制;然后利用参数非依赖局部异常因子异常检测法对剩余散射点进行异常检测,完成点杂波的抑制;最后利用杂波抑制后的高分辨距离像进行特征提取和目标识别。本文方法对目标是否运动无要求,算法涉及参数不需要人为设定。实测数据验证表明,所提方法的识别率优于传统方法,随着信杂噪比降低识别性能稳健,且运算量较小。     

三天线机载SAR动目标轨迹检测

在军事应用场合中,SAR除了能获得高分辨率图像外,还具有对地面运动目标进行探测、跟踪和定位的能力。结合试验用SAR/MTI雷达的具体情况,对采集的数据运用通道校正和均衡处理等技术,并在图像域进行杂波抑制干涉处理来提高系统的杂波对消能力。通过计算机仿真和三孔径SAR/MTI实测数据的处理,证明该处理方法能有效地从地杂波中检测出地面慢速运动目标的运动轨迹。     

基于稀疏采样的双基地机载雷达杂波谱补偿方法

在双基地机载雷达中,由于地面杂波存在距离依赖性,使得基于距离单元回波数据平均的杂波协方差矩阵估计存在误差,导致空时自适应处理的杂波抑制性能严重下降。基于配准的方法沿杂波空时分布曲线采样,补偿杂波距离依赖性,然而该方法由于采样点过多导致运算量巨大。针对该问题,利用双基地机载雷达杂波散射点的复幅度受收发天线调制,具有稀疏分布的特点,提出了一种基于稀疏采样的杂波谱补偿方法,该方法通过设置采样门限来降低采样点数,减小重构杂波数据的运算量。计算机仿真结果表明,该方法能够有效地降低重构杂波的运算量,减小双基地机载雷达杂波的距离依赖性,提高空时自适应信号处理的杂波抑制性能。     

基于可调Q因子小波变换的海杂波抑制算法

针对海杂波背景下弱目标检测中存在的信杂比低的问题，提出了改进的基于可调Q因子小波变换的海杂波抑制算法。由于海杂波能量远大于目标信号能量，提出选取与海杂波振荡特性相匹配的参数进行可调Q因子小波变换，得到各小波子带的系数，并对小波系数进行稀疏优化后重构海杂波信号。为了判断弱目标信号是否存在，提出一种自适应的阈值检测方法，将原始回波信号与海杂波重构信号的差作为检测样本，实现对弱目标信号的检测。该算法不依赖海杂波具体模型。最后对某实测海杂波数据集进行实验，验证了所提算法的正确性。     

稀疏字典学习海面微弱动目标检测

针对强海杂波背景下微弱动目标信号提取困难、雷达检测性能差的问题，在稀疏表示理论的基础上，提出利用字典学习算法抑制海杂波、重构目标信号。该算法通过K类奇异值分解（K-singular value decomposition，K-SVD）算法学习海杂波和目标的稀疏域主成分特征，得到相应的学习字典，抑制海杂波并对目标信号稀疏重建，解决了以往固定字典与高海况下雷达回波匹配度低、目标信号提取效果差的问题；并通过算法参数的分析和优化，进一步提高了算法性能和工程实用性。基于实测数据的实验结果表明，相比传统检测方法，所提算法能够有效检测高海况下微弱动目标，显著提升检测性能。     

基于DPCA杂波抑制的地面振动目标微多普勒提取

地面微动目标激励的雷达回波信号的微多普勒调制,反映了该目标的独有特征,因此可用于目标检测与识别。合成孔径雷达(synthetic aperture radar, SAR)对地面振动目标检测时,回波信号中不可避免地包含大量地杂波,给其微多普勒信息提取造成很大困难。为此,提出一种基于双通道SAR/DPCA杂波抑制的地面振动目标的微多普勒信息提取方法。首先利用双通道DPCA技术在复原始数据域对消地杂波以获取振动目标的回波信息,然后详细推导了杂波对消后微多普勒频率的参数化表达式。最后,通过数值仿真验证了该方法的有效性和正确性。     

稀疏场景下SAR方位向随机丢失数据的迭代成像算法

针对合成孔径雷达(synthetic aperture radar, SAR)方位向随机丢失部分数据导致目标模糊和能量分散的问题, 提出基于稀疏优化理论的重建成像方法。该方法主要针对稀疏观测场景的SAR方位向随机缺失数据的回波信号进行成像处理, 利用SAR回波模拟算子, 避免了二维回波信号矩阵变成向量的操作, 从而减小了内存占用和计算量。所提出的基于SAR近似观测模型的迭代优化重建算法能够实现对观测目标幅度的高精度重建。和传统基于匹配滤波的SAR成像算法相比, 提出的算法能够明显地消除SAR方位向随机丢失部分数据引起的目标模糊和目标能量分散。和迭代软阈值收缩算法相比, 提出的算法重建的目标幅度误差更小。理想的点目标回波数据和真实的星载SAR稀疏观测场景的回波数据处理表明了所提算法在减少重建目标误差、提高观测目标区域的目标背景比等方面有较大的优势。     

可变先验贝叶斯学习稀疏SAR成像

针对合成孔径雷达(synthetic aperture radar, SAR)在稀疏成像中, 传统贝叶斯机器学习算法存在先验固化、成像结果容易过拟合等问题。提出一种可变成像先验贝叶斯(varying imaging prior Bayes, VIP-Bayes)学习稀疏SAR成像算法。首先, 引入可动态灵活表征目标散射特征的广义高斯分布先验。然后，在贝叶斯推理框架下进行分层建模, 后验分布推导。最后, 针对常规吉布斯采样算法无法采样复杂后验分布的问题, 引入哈密顿蒙特卡罗(Hamiltonian Monte Carlo, HMC)采样算法进行求解。另外, 考虑到HMC算法对非平滑后验分布无法采样，因此引入近端算子, 进行近端梯度近似, 提出近端-HMC(proximal-HMC, P-HMC)算法。P-HMC算法可有效解决非平滑后验采样问题。因而可实现VIP-Bayes稀疏成像。通过仿真数据进行算法有效性验证, 选取SAR实测数据与多种算法进行成像对比实验, 利用相变热力图对算法成像性能进行定量分析，验证了所提算法的实用性和优越性。     

一种新的双通道运动目标测速定位方法

利用双通道合成孔径雷达(synthetic aperture radar,SAR)数据的协方差矩阵的第二特征值,可以有效地检测地面运动目标。在此基础上,提出一种新的运动目标测速定位方法,该方法通过提取双通道SAR数据的协方差矩阵非对角元素相位信息来对运动目标进行测速和定位。仿真数据和实测数据都验证了该方法的有效性,实验结果表明该方法的测速精度优于传统沿航迹干涉(ATI)方法。     

双层稀疏组Lasso高分辨SAR结构特征增强成像

针对合成孔径雷达(synthetic aperture radar, SAR)成像中,基于?₁正则化线性回归(简称为Lasso)的凸优化类算法在进行稀疏特征增强时会导致弱散射体结构特征丢失，进而影响稀疏信号恢复精度的问题,本文提出一种基于双层稀疏组Lasso罚高斯回归模型的交替方向多乘子算法。该算法以散射体的块结构(组)特征为先验,首先针对SAR数据分类特征引入?₁范数对应的近端算子,通过在交替方向多乘子方法框架中利用高斯-赛德尔思想对其近端算子进行对偶迭代运算,实现第一层和第二层SAR组间的稀疏特征增强。另外混合范数中的?_F范数为高斯惩罚项,可对SAR回波复数据整体进行平滑,实现SAR结构特征增强成像。因此，所提算法可在SAR回波复数据处理中同时实现稀疏特征和结构特征联合增强。实验选取SAR、SAR地面动目标成像(SAR ground moving target imaging, SAR-GMTIm)和逆SAR的仿真数据与实测数据,分别从定性和定量两种角度对所提算法和传统算法进行对比,其中定量分析时采用相变图(phase transition diagram, PTD)方法来验证所提算法的重建能力，从而验证了本文所提算法应用于SAR稀疏与结构特征增强的有效性与优越性。     

三通道SAR-GMTI地面快速目标检测

地面运动目标速度较大时,会产生距离徙动,在图像域出现严重散焦,不易检测;同时存在PRF模糊现象,其多普勒频谱会发生折叠,不易正确定位。针对上述问题,提出了基于机载三通道SAR-GMTI的地面快速目标检测、定位与成像方法。首先,在距离压缩后的数据域进行相位中心偏置天线(displaced phase center anten-na,DPCA)杂波抑制,组合运用Canny算子、Ratio算子和Hough变换提取快速目标运动轨迹。然后,采用基于解PRF后的二阶Keystone变换方法完成目标的成像、检测及运动参数估计。最后,将快速目标融合到标有慢速运动目标的清晰SAR图像中。外场实测结果验证了该方法的有效性和准确性。     

多通道SAR-GMTI二维间歇采样延时转发干扰

为充分降低合成孔径雷达地面动目标显示(synthetic aperture radar-ground moving target indication, SAR-GMTI)对地面重要运动目标的威胁,本文在SAR间歇采样转发干扰技术基础上,针对多通道SAR-GMTI提出了二维间歇采样慢时间延时转发干扰方法。该方法利用二维间歇采样实现干扰信号的二维频谱周期性拓展,从而生成无法被SAR-GMTI完全对消的假目标群,并进一步提出采用慢时间延时转发来实现对假目标群方位向位移的控制。在此基础上,针对SAR-GMTI的对消特性给出了多组延时转发干扰应用模型。理论分析和仿真实验表明:该方法可对多通道SAR-GMTI产生二维假目标群,且假目标幅度受正弦调制函数的影响出现增强和削弱,多组延时转发干扰方法可以实现增强区与削弱区互补,从而形成分布更密集、覆盖范围更广的二维多假目标干扰效果。     

基于极化合成孔径雷达的舰船检测方法

特征提取是极化合成孔径雷达图像处理的一个重要问题,也是海上目标检测的关键。相似性参数和极化熵可以表征目标的电磁散射特性。为了增强目标与背景的对比,提出了一种基于特征融合的新参数。这种参数可表达区域的差异性,处理后目标与背景的对比更加明显。研究了该参量在海杂波区域的分布模型,进而提出了一种新的海上船只检测方法,该方法可用于多视情况下的舰船检测。最后用机载合成孔径雷达(airborne synthetic aperture radar, AirSAR) 数据验证了该方法的有效性。     

用条带SAR数据对低空运动目标聚束成像新方法

将条带SAR的广域搜索能力和聚束SAR运算量小的优点结合起来,提出了基于条带SAR数据进行低空运动目标聚束成像的新方法。该方法首先以条带模式收集数据进行地(海)杂波抑制后,找到可能存在运动目标的重点区域,继而作距离向压缩,对运动目标进行包络对齐,然后选取可能有运动目标的重点区域,将条带数据转换为聚束数据,最后对得到的聚束数据进行成像场景中心的运动补偿,完成对运动目标的成像。通过计算机仿真,验证了该方法的有效性。     

基于稀疏重构的海杂波抑制和目标提取算法

在杂波较强的环境下,雷达目标回波往往淹没在杂波中难以被检测,尤其在海杂波背景下,目标的多普勒频率有可能会落在杂波频率范围中,此时传统的杂波抑制方法就产生了一定的局限性.针对此问题,依据杂波、目标信号的稀疏特性和二者在多普勒频率分布特性上的不同,设计了对应的时频域过完备字典;再通过形态成分分析算法求出目标和杂波分量的稀疏...     

在强杂波背景SAR图像中检测动目标

针对强杂波环境提出了一种新的从SAR图像中检测动目标的方法。在搜索动目标的二次相位时,对称减去和加上同一二次相位误差修正值,在时域得到两幅图像。这两幅图像中,静止杂波的锐度处处相等。计算这两幅图像各区域的锐度比对数,可在强背景杂波环境下敏锐地检测到动目标。这种方法不但可检测有切向速度或径向加速度的动目标,而且还可检测到强反射径向慢速动目标。实测数据表明本算法有效。