SAR振动目标成对回波聚焦的改进Keystone变换算法

在高分辨率SAR成像中,成对回波是振动目标典型的多普勒特征,常规聚焦成像算法处理后会出现散焦现象,不利于对目标振动参数的分析。本文提出了一种振动目标成对回波的聚焦算法。在推导振动目标二维频域解析式基础上,采用Keystone变换进行徙动校正,接着在距离-多普勒域中完成二次相位误差补偿,实现了振动目标与静止目标的同时聚焦。该方法不需要振动目标先验知识,适合对不同振动状态下多目标成对回波的聚焦,点目标仿真验证了算法的有效性      

基于STAP的高速空中微弱多目标检测

空时自适应处理（Space-time adaptive processing, STAP）是一种有效的机载雷达动目标检测方法。为了对高速微弱空中动目标进行检测,常常要求相干累积时间较长。在此情况下,目标会发生严重的距离走动,一般常用Keystone变换来校正。但由于目标存在严重的速度模糊,此时Keystone变换会对STAP性能产生影响,而且Keystone变换无法对模糊数不同的各目标的线性距离走动进行统一校正。针对这些问题,本文提出了一种基于STAP、Keystone变换及Clean技术的高速微弱空中多目标检测方法。该方法首先进行杂波抑制,从而避免了Keystone变换降低STAP性能的问题,同时借助于Clean技术逐个检测出各目标并将其从总的数据中消除,因此对于模糊数不同的多个目标也是有效的。仿真结果证明了该方法能够有效的实现高速空中微弱多目标检测。      

微弱目标检测技术

高速弱小目标的检测是一个具有挑战性的课题。高速运动目标速度快，会产生严重的距离走动，而且由于雷达的脉冲重复频率较低往往导致欠采样。因此传统的 Keystone 变换失效， 这些都对目标能量的有效积累不利；同时由于各个目标的距离走动率不同，也不利于多目标的检测。针对以上问题提出一种基于 Clean 技术的微弱目标检测方法。校正目标的距离走动和二次相位项，从而实现目标能量的有效积累；同时利用 Clean 技术，提高了对微弱目标的检测性能。     

一种波束域的高速空中动目标检测及参数估计方法

Keystone变换所需的插值运算存在计算量大的问题,尤其是用于空时自适应处理（Space-Time Adaptive Processing,STAP）时需要对每个阵元接收的数据分别进行Keystone变换,给工程实现带来了困难.为了解决这一问题,提出了一种在波束域进行Keystone变换校正目标距离走动的新方法,该方法将传统的对每个阵元数据的Keystone变换转换为在波束域进行Keystone变换,从而将N个阵元对应的N次Keystone变换转换为只在主波束内进行一次Keystone变换,这样做使算法的主要运算量降低为原来的1/N.然后将压缩感知（Compressed Sensing,CS）理论用于空时自适应处理的目标参数估计,取得了良好的估计性能.最后通过仿真实验验证了本文方法的有效性.     

基于Keystone变换的高速扩展目标检测

高速扩展目标在雷达多脉冲观测期间容易发生跨距离单元走动,由此导致常规的检测方法不能有效检测目标。针对这一问题,提出了一种基于Keystone变换的多脉冲扩展目标检测器,导出了相应的理论最优检测性能的解析表达式。在此基础上,对Keystone变换前后的目标检测性能以及基于Keystone变换的理论最优检测性能进行了比较研究,并分析了目标径向尺度、运动速度对Keystone变换的处理增益的影响。研究结果表明,对于强散射单元较少的高速目标,Keystone变换可以显著地改善目标的检测性能。     

一种基于Wigner-Hough分布的SAR地面运动目标成像方法

时频分析是SAR地面动目标成像技术中的常用方法,但传统时频分析方法如WVD在处理多分量SAR运动目标回波时存在交叉项的影响,在低信噪比时不易检测各分量信号的多普勒参数。针对这一问题,提出一种基于Wigner-Ville分布(SWVD)的机载SAR运动目标成像方法,其核心是采用SWVD时频分析方法,能够有效地抑制多个目标之间交叉项的影响,对地面单运动目标和多运动目标的成像均有很好的成像效果,理论分析和实验证明了其有效性。     

Keystone推出最新GR系列弹性阀座蝶阀

世界领先的阀门、执行机构和控制产品制造销售商滨特尔阀门与控制宣布推出Keystone最新GR系列高负载工业蝶阀,此产品主要针对常规工业应用以及大尺寸管道工况。这一系列蝶阀有支耳(GRL)、对夹(GRW)和双法兰(GRF)三种连接方式,并以更高的稳定性和可靠性实现更长的使用周期和更低的投资成本。     

一种多通道SAR地面快速目标高概率检测方法

研究了合成孔径雷达地面动目标检测(SAR-GMTI)的快速目标检测问题。为提高检测概率,在回波数据的距离压缩-方位时域,对基带多普勒中心偏移对应的速度分量引起的走动采用Keystone变换进行校正,对整数倍脉冲重复频率(PRF)的多普勒中心偏移对应速度引起的走动量则可在时域加以校正,校正后再进行方位匹配滤波得到运动目标SAR图像,同时利用距离走动信息完成速度解模糊。实测数据处理结果验证了该方法的有效性。     

一种用于密集强弱目标速度高分辨估计的IAA-MCapon算法

由于分辨精度有限以及易受目标能量强弱的影响,基于Fast Fourier Transform(FFT)的算法不能对位于同一距离单元的密集强弱目标进行有效的速度估计.基于此,本文采用基于协方差矩阵迭代自适应(Iterative Adaptive Algorithm,IAA)的改进Capon(Modified Capon,MCapon)算法对密集强弱目标速度参数进行高分辨估计.该方法首先采用Keystone变换进行距离走动校正,然后利用目标所在的距离单元数据进行协方差矩阵重构,接着利用MCapon方法使得密集强弱目标信号幅度输出均为常数1,最后实现了速度的高分辨估计,在保持高分辨的同时提高了稳健性.理论分析和实验仿真结果表明,所提方法可对包络校正后位于同一距离单元的密集强弱目标径向速度参数进行有效的高分辨估计,估计性能优于FFT类方法及子空间投影方法.