距离—速度相参干扰对目标识别雷达欺骗干扰效能分析

雷达自动目标识别技术的发展表明,通过对目标的雷达回波进行分析可以实现对目标类别属性的判断,给欺骗干扰带来了新的挑战.研究了距离-速度相参假目标欺骗干扰对具备目标识别能力雷达的干扰效果,以基于微动特征的目标识别方法为例,通过理论分析、仿真验证等方式进行了分析,结果表明,距离-速度相参假目标信号能够很好地通过雷达的目标检测处理过程,但是由于并未考虑对目标回波特性的高逼真模拟,因此现阶段,雷达自动目标识别技术能够实现对距离-速度相参干扰假目标信号和真实目标信号的区分.     

压缩感知稀疏表示在雷达目标识别中的应用

高分辨距离像(HRRP)目标识别算法很多,在其利用高分辨距离像蕴含的目标结构信息的同时,也需要面对数据量巨大的难题.事实上,尽管高分辨距离像数据量巨大,但却是稀疏的,然而利用其稀疏特性进行识别的方法却不多.为此,提出了一种基于压缩感知稀疏表示方法实现目标识别的算法.该算法首先采用遗传正交匹配追踪(OMP)算法对一维距离像训练样本进行稀疏分解以获得类别字典,然后根据类别字典分析测试样本的重构误差实现目标识别.仿真实验证明,所提算法简捷、识别率更高,相较于常规算法识别率提高最多可达20％,并且在受到噪声干扰情况下依然能够稳健地识别目标.     

距离目标像欺骗干扰的效果分析

国外在研与现役雷达大多采用线性调频脉冲压缩技术,为了对其进行有效的欺骗干扰,利用数字射频存储(DRFM)技术,采用时移,幅度加权和移频调制的方法,分别产生静止假目标,整体运动假目标以及有局部运动的假目标,模拟一定信干比条件下的雷达回波与干扰经该类雷达的信号处理过程,对其进行距离速度欺骗.分析当干扰存在时合成目标像位置及运动速度偏离真实目标像位置速度的程度.当干扰能量变大时,合成目标的参数就越接近于干扰假目标的参数,从而隐藏了真实目标的方位与运动状态,取得较好的干扰效果.     

一种捷变频联合Hough变换的抗密集假目标干扰算法

转发式密集假目标干扰通过在距离维上产生多个虚假目标,扰乱雷达对真实目标的检测与识别。由于虚假回波信号与真实信号高度相关,雷达很难对其进行有效识别和抑制。而捷变频雷达通过随机改变发射相邻脉冲的载频,大大提高了雷达的低截获和抗干扰能力。但是捷变频雷达不能完全消除干扰,部分目标回波脉冲可能被干扰淹没,无法很好地完成相参积累和目标检测。针对上述问题,该文提出捷变频联合Hough变换的抗干扰方法,首先利用脉间频率捷变技术规避大部分窄带瞄准和欺骗式干扰;然后针对干扰信号时间上的不连续特性,通过Hough变换和峰值提取进行干扰识别与抑制;最终,针对捷变频与传统动目标检测(MTD)不兼容问题,通过稀疏重构完成目标的检测。仿真与实际雷达和干扰机对抗实验表明,该方法可以获得良好的抗干扰性能和目标检测性能。     

基于辅天线的有源假目标欺骗干扰的极化识别

本文探讨了利用雷达主天线的变极化特性和辅助天线相结合来识别有源假目标欺骗干扰的可行性.首先建立了主辅天线对雷达目标和有源假目标干扰的接收信号模型.在此基础上,根据有源真假目标回波特性直观的差异提出了识别判决检验量,设计了有源真假目标的识别算法.最后,结合有源假目标干扰的极化特性,具体分析、评估了利用辅天线进行有源假目标欺骗干扰识别的性能.     

稀疏分解在雷达一维距离像中的应用

雷达一维距离像成像本质上是对雷达目标散射特性进行信号表示的过程,它以其获取的简单性及有效性,在雷达成像及目标识别方面得到了广泛的应用。针对雷达目标几何绕射参数化模型,利用稀疏分解方法,研究了高分辨一维距离像的重构及特征提取问题。以此可以避免奈奎斯特采样定理的弊端,以更贴近信号本质特征的方法处理雷达回波信号。通过匹配追踪算法,寻找最佳匹配原子的位置,以此估计雷达目标散射点参数。实验结果表明该方法在信号重构及特征提取方面的有效性。     

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.     

参数化稀疏表征在雷达探测中的应用

稀疏信号处理已经在雷达目标探测领域得到应用,并获得了优于传统方法的探测性能。然而,雷达目标探测过程中往往存在目标运动、雷达轨迹误差等未知因素,这导致预先设计的字典矩阵无法实现雷达信号的最优稀疏表征。该文将介绍字典学习的一个分支参数化稀疏表征,该方法通过构建参数化的字典矩阵,实现了对雷达探测过程中未知参数的动态学习和雷达信号的最优稀疏表征。该文还将介绍参数化稀疏表征在逆合成孔径雷达成像、合成孔径雷达自聚焦、基于微多普勒的目标识别等若干雷达探测问题中的应用。      

盲源分离算法应用于抗雷达多假目标干扰

多假目标干扰是与目标信号强相关的欺骗干扰信号,其对准雷达天线主瓣方向,会严重影响雷达的性能,通常的旁瓣抗干扰技术和一些主瓣抗压制干扰技术难以奏效.针对目标和干扰信号的相对独立性以及在空域上的差异性,提出利用盲源分离(Blind Source Separation,BSS)算法抗脉冲压缩雷达多假目标干扰的方法.首先给出了假目标干扰原理和主瓣干扰信号模型;其次利用经典的BSS算法分离接收到的主瓣干扰混合信号,并脉压找出目标信号达到抗干扰的目的;最后分析了目标与多假目标干扰混合信号的可分离性.仿真实验表明,该方法对多假目标干扰有良好的抗干扰性能.     

利用稳健字典学习的雷达高分辨距离像目标识别算法

基于字典学习算法的信号稀疏表示被广泛应用于信号处理领域。由于字典原子间存在冗余性,求解信号的稀疏表示会受到观测信号中扰动分量的影响,从而带来表示的不确定性,不利于雷达高分辨距离像(HRRP)目标识别任务。针对这一问题,该文提出一种稳健字典学习(SDL)算法,通过边缘化信号丢失,构建稳健损失函数用于学习自适应字典。该算法利用距离像在散射点不发生越距离单元走动的方位帧内具有结构相似性,约束临近训练样本间稀疏表示的非零元素位置相同,并通过结构化稀疏约束选择最优子字典用于测试样本的分类。基于实测HRRP数据的实验结果验证了所提算法的有效性。     

线性正则域抑制频谱弥散干扰方法

频谱弥散干扰（SMSP）是一种对抗线性调频脉冲压缩雷达的新型干扰样式。自卫式干扰条件下,目标回波与干扰信号时频域重叠,传统抗干扰手段难以有效抑制。针对该问题,分析了目标回波和干扰信号线性正则域（LCT域）特征,依据特征差异提出了两种LCT域干扰抑制方法,分别为窄带滤波法和稀疏重构法,其中窄带滤波方法通过LCT域遮盖处理,滤除干扰分量,而稀疏重构方法首先利用Pei型DLCT核矩阵构造正交字典,然后基于压缩感知理论重构真实回波。仿真表明,所提两种方法均具有一定的干扰抑制效能,恢复信号与真实回波高度相似,且幅度高于真实回波,使干扰信号成为标的。      

基于稀疏优化的图像压缩感知重建算法

在信号的稀疏表示方法中,传统的基于变换基的稀疏逼近不能自适应性地提取图像的纹理特征,而基于过完备字典的稀疏逼近算法复杂度过高.针对该问题,文章提出了一种基于小波变换稀疏字典优化的图像稀疏表示方法.该算法在图像小波变换的基础上构建图像过完备字典,利用同一场景图像的小波变换在纹理上具有内部和外部相似的属性,对过完备字典进行灰色关联度的分类,有效提高了图像表示的稀疏性.将该新算法应用于图像信号进行稀疏表示,以及基于压缩感知理论的图像采样和重建实验,结果表明新算法总体上提升了重建图像的峰值信噪比与结构相似度,并能有效缩短图像重建时间.     

同频大时宽雷达干扰特性研究

针对现代低功率发射和大时宽、高工作比体制雷达工作时受到的同型临近雷达干扰或敌方欺骗干扰,分析和仿真了雷达间主瓣与主瓣、主瓣与副瓣和副瓣与副瓣的同频干扰及其对雷达的目标回波功率、信号频谱、探测概率和信噪比等方面影响所表现出来的特征,给出了同频干扰对雷达接收机前端的损伤分析结果,为雷达抗同频干扰技术和方法研究提供必要的理论和分析基础。     

基于改进K-SVD字典学习的超分辨率图像重构

 针对已有算法中字典训练的时间消耗巨大的问题,提出了一种改进的基于字典学习的超分辨率图像重构算法.本文将K-SVD字典算法和高低分辨率联合生成的思想结合起来,形成新的字典训练方法,并将由该算法生成的高低分辨率字典应用于基于稀疏表示的超分辨率重构.重构仿真实验证明算法不仅有效降低了字典训练所消耗的时间,而且能够改善重构高分辨图像的质量.     

Compression of facial images using the K-SVD algorithm

The use of sparse representations in signal and image processing is gradually increasing in the past several years. Obtaining an overcomplete dictionary from a set of signals allows us to represent them as a sparse linear combination of dictionary atoms. Pursuit algorithms are then used for signal decomposition. A recent work introduced the K-SVD algorithm, which is a novel method for training overcomplete dictionaries that lead to sparse signal representation. In this work we propose a new method for compressing facial images, based on the K-SVD algorithm. We train K-SVD dictionaries for predefined image patches, and compress each new image according to these dictionaries. The encoding is based on sparse coding of each image patch using the relevant trained dictionary, and the decoding is a simple reconstruction of the patches by linear combination of atoms. An essential pre-process stage for this method is an image alignment procedure, where several facial features are detected and geometrically warped into a canonical spatial location. We present this new method, analyze its results and compare it to several competing compression techniques.     

栅格化稀疏重构的风电场杂波抑制方法

针对风轮机杂波对雷达探测的干扰问题,提出了一种基于栅格化稀疏重构的风轮机杂波抑制方法。本文首先建立了风轮机杂波干扰下的回波信号模型,分析了风轮机杂波和目标回波信号的差异性,并根据差异性构建了基于风轮机杂波特征的过完备字典,利用正交匹配追踪算法(OMP)逐级栅格化更新字典原子,再对杂波信号栅格化稀疏重构,从而实现了对目标和杂波信号的分离,达到了抑制风轮机杂波信号的目的。最后,通过与常规固定字典重构方法的仿真对比,验证了该栅格化字典稀疏重构方法的有效性。      

基于迭代自适应稀疏分解的雷达信号去噪

稀疏分解能有效分离信号和噪声,因此适用于信号去噪.文中构造了雷达回波稀疏表示的冗余字典,字典原子与目标回波波形匹配,基于该字典的雷达回波信号稀疏度就是目标数.针对稀疏度自适应匹配追踪算法进行低信噪比信号稀疏分解时的不足,提出了一种迭代自适应匹配追踪算法,采用规范化的残差之差作为迭代终止条件,使得稀疏分解过程能依据噪声水平自适应终止,以逐次逼近方式估计信号稀疏度,改善了稀疏分解的精度.仿真实验结果表明,该算法在低信噪比以及稀疏度未知的条件下,实现了雷达回波信号的准确稀疏分解,极大地提高了信噪比.     

结合字典稀疏表示和非局部相似性的自适应压缩成像算法

如何以较少的观测值重构出高质量的图像是压缩成像系统的一个关键问题.本文根据图像块随机投影能量大小分布特点,提出了一种新的自适应采样方式以及针对自适应采样的有效重构算法.重构时利用了图像在字典下的稀疏表示原理和图像的非局部相似性先验知识.为实现图像的稀疏表示,文中构造了由多个方向字典和一个正交DCT字典组成的冗余字典,并用l1范数作为约束条件求解稀疏优化问题.由于充分利用了图像块的局部特性和图像的非局部特性,本文的压缩成像算法在低采样率下能重构出较高质量的图像.