EEMD生命探测雷达人体数量识别技术

针对生命探测雷达回波信号的非线性、非平稳性和难以获得大量实验样本的实际问题,提出了一种基于EEMD奇异值和支持向量机的多人识别方法。通过对雷达回波信号进行EEMD分解,将信号自适应分解为若干个本征模态函数(IMF),然后对特征向量矩阵进行奇异值分解求出特征向量,最后将特征向量输入支持向量机的分类器进行模式识别,判断墙体后面的人体数量。实验结果表明,所提出的方法识别速度快,识别率高,可有效应用于生命探测雷达的人体数量识别,具有广阔的应用前景。     

基于协方差矩阵重构的互质阵列DOA估计

针对利用拓展的虚拟阵列的最大连续均匀阵列进行波达方向估计未完全利用虚拟阵列全部信息的问题,提出了一种基于虚拟阵列插值的矩阵重构DOA估计算法。该算法首先通过互质阵列导出的非均匀虚拟阵列,引入虚拟阵列插值的思想来构造一个均匀的线性虚拟阵列;然后提出一个凸优化问题,重构等效接收信号的协方差矩阵;最后优化协方差矩阵的相应矢量的首个元素,利用重构的协方差矩阵进行DOA估计。该算法充分利用虚拟阵列中包含的信息,与利用拓展的虚拟阵列的最大连续均匀阵列进行DOA估计相比,提高了估计自由度和分辨率。     

一种TDM-MIMO雷达的运动目标相位补偿方法

汽车雷达主要使用时分复用多输入多输出技术(TDM-MIMO)增加其虚拟天线数量来提高角度分辨率。当目标与雷达之间存在相对运动时,由运动目标多普勒频率在不同发射天线切换时间内带来的相位变化量会耦合到各接收天线上,导致频谱出现散焦效应。这种相位变化会对目标的角度估计产生影响。针对这种问题,推导了TDM-MIMO信号模型,通过分析运动目标相位误差产生的原因,提出了一种相位补偿方法,该方法无需对目标速度进行预估,并且无需额外的硬件开销。通过仿真实验和实测数据证明了该方法可以使运动目标正常测角并且具有较低的时间复杂度。     

一种多目标雷达探测系统的设计与实现

针对传统汽车防撞雷达系统中存在的多目标配对问题,基于单发双收射频前端研究了一种线性调频连续波（LFMCW）多目标探测系统。首先理论推导了系统测距测速原理,并在测距测速的基础上增加测角功能;然后根据LFMCW上下扫频中同一目标的角度一致性和峰值能量相近原则对目标进行容差配对,从而实现单周期目标距离速度和角度的准确测量;最后给出多目标雷达探测系统的硬件框图和FPGA信号处理流程,并对该系统进行实测验证。实测结果表明,该系统能够准确地实现目标方位角的测量并有效解决了LFMCW多目标配对问题。     

基于DSP和FPGA的射频雷达信号模拟器

为满足现代雷达技术的快速发展及跟进电子对抗设备,设计了一种基于DSP和FPGA的射频雷达信号模拟器。基于软件无线电的设计思路,采用硬件实物和软件仿真相结合的方式,提出一种改进型DDS精度,以提高关键频点。该模拟器具有较好的稳定性、可编程性和可扩展性,适用于当前电子对抗环境的信号模拟。     

基于双谱特征的超宽带雷达人体目标识别

为了在人体微多普勒特征不明显条件下识别静态人体目标及人体姿态,提出了一种结合双谱对角线起伏特性与目标强散射点分布特征进行人体目标识别的方法。首先,通过分析静态人体目标双谱,提取双谱对角线起伏特性作为分类特征,降低了双谱数据的维数,减少了双谱特征冗余。然后,结合目标强散射点分布特征从不同角度描述目标,并构造用于目标识别的特征向量。最后,用支持向量机实现目标识别。仿真和实测结果均表明,双谱对角线起伏特性与目标强散射点分布特征融合的方法可以有效识别出静态人体目标并且实现人体姿态识别。     

基于时分MIMO的地基雷达高分辨率成像研究

基于时分多输入多输出(MIMO)的地基雷达成像有许多很好的应用价值,比如替代合成孔径雷达成像在山体滑坡监测方面的应用。针对基于时分MIMO的地基雷达高效高分辨率成像,该文提出一种基于逆傅里叶变换脉冲压缩和波束形成的成像算法。雷达通过步进频连续波技术获得高距离向分辨率,利用MIMO技术获得高方位向分辨率。通过逆傅里叶变换法实现雷达数据距离向压缩,采用波束形成算法实现雷达数据方位向压缩。同时该算法还针对MIMO天线阵列所引起的回波信号相位不连续问题进行了适当的校正,在保持算法高效性的同时提高了成像质量。根据真实的山体滑坡监测成像场景参数,通过数值仿真验证了该成像算法的可行性,应用在山体滑坡监测上理论效果良好。     

基于UKF的毫米波雷达手势识别算法研究

本文提出了一种基于无迹卡尔曼滤波（UKF）的毫米波雷达干扰抑制的手势识别方法。首先根据原始雷达信号设置的采样点与线性调频信号数量，估计了目标的距离与多普勒参数。之后针对实际场景中类目标干扰较多的情况，设计了一套完整的基于UKF的场景类目标抑制方法，接着利用卷积神经网络（CNN）对不同手势距离?多普勒特征谱图进行提取和识别。实验结果表明，该抑制方法有效地解决了类目标干扰给手势识别带来的困扰，手势识别的平均准确率为98.74%，经过抑制干扰算法后准确率相较于干扰抑制之前提升了7.29%。     

融合自校准照明框架的水下图像增强网络

水下图像质量退化严重阻碍了海洋工程技术的发展，针对水下图像颜色失真、对比度偏低和亮度不均匀等问题，为了解决水下特殊成像环境导致的以上退化问题，同时以便于后续基于水下图像的研究工作，提出了融合自校准照明框架的水下图像增强网络模型，该网络模型在卷积神经网络的基础上融合了自校准照明模块，可以快速、灵活地亮化图像。自校准照明模块中建立了一个具有权重共享的级联照明学习过程来处理水下图像。考虑到级联模式的计算负担，又构建了自校准模块，实现了各阶段结果之间的收敛，大大降低了计算成本，实现了对水下图像亮度的自动调节。最后，分别对实验结果进行定性及定量分析，并且对比了八种先进的增强算法，结果表明提出的方法明显优于其他对比算法。该方法增强后的结果图提高了对比度，对颜色进行了校正，改善了亮度不均匀的问题，同时增强了视觉效果，定性及定量分析结果说明了该方法的有效性。