一种基于SAR稀疏采样数据的动目标运动参数估计方法

该文针对地面动目标运动参数估计问题进行研究,提出一种利用单天线合成孔径雷达(SAR)稀疏采样数据的动目标2维速度估计方法。首先以目标2维速度为参数构建一个等效参数化模型将动目标回波数据转化为小斜视回波数据,然后利用改进的迭代阈值算法实现不同参数条件下的动目标2维成像,最后以成像结果的图像熵值为优化准则对初始模型参数进行搜索,从而获得准确的动目标运动参数。该方法以稀疏采样数据为输入,可以减少所需数据量,并且能够有效避免多普勒模糊问题,在较低信杂比条件下仍然能够准确估计出目标运动参数。仿真实验结果验证了所提动目标参数估计方法的有效性。     

多基地SAR线目标参数反演与图像重建

传统单基地SAR成像系统基于点目标模型且观测视角单一,在对复杂场景成像时存在线目标边缘不连续,特征丢失等现象。针对这一问题,本文提出了一种多基地SAR构型下线目标参数反演与图像重建方法。该方法基于几何模型与散射理论推导了线目标的合成孔径雷达回波的参数化表达式,分析了在不同观测角度下对线目标的SAR成像结果从直线段到两端点反复变化的特点,并从空间谱采样的角度解释了这一现象,在此基础上根据线目标空间谱的特征,提出了一种基于最小二乘估计的多基地构型下线目标参数反演与图像重建方法。仿真实验结果表明,在相同的峰值信噪比条件下,本文提出的多基地SAR线目标参数反演与图像重建方法,相对于单一观测角度的单基地SAR具有更优的反演性能,在SAR图像的峰值信噪比为28dB时,线目标朝向与长度的反演误差在10％以内的概率达到了84％,可以基于反演结果实现图像的重建。      

基于稀疏表示和道路辅助的单幅SAR图像运动目标检测方法

本文提出一种利用单幅SAR(Synthetic Aperture Radar)图像实现运动目标检测的方法.首先提出一种基于压缩感知的SAR图像道路检测算法:根据SAR图像中道路的特点,使用模糊C均值方法将图像进行模糊分类,获得大致的道路区域,然后利用Hough变换域的稀疏性,用压缩感知精确定位图像中的道路信息.其次利用图像稀疏表示的方法对运动目标进行检测:不同速度运动目标的散焦量和距离单元跨越不同,由此生成样本图像,继而构造超完备字典.将待测图像分块,并计算子图像在字典下的稀疏系数,检测并匹配出运动目标的速度参数.最后,结合已检测出的道路辅助信息,消除多普勒模糊影响,剔除虚假的运动目标,并对运动目标速度参数进行校正.实验结果证明了所提方法的有效性.     

Phased array imaging of moving targets with randomized beamsteering and area spotlighting

This paper presents a system model and inversion for imaging moving targets using phased arrays. The system model provides a mathematical framework to represent the motion of a moving target in the beam-steering domain which is identified as the slow-time domain. The inversion provides a reconstruction of the moving targets in the spatial and velocity domains. It is shown that a randomized beam steering strategy in the slow-time domain can improve the resolution in the velocity domain. The imaging problem is also formulated for a phased array system that spotlights a target area with its transmitted beam to improve the target to clutter power ratio, and obtains beam-steered data in the receive mode for high-resolution imaging. We cite a diagnostic medical ultrasound problem due to the practical difficulties and challenges that are associated with it.     

基于稀疏步进调频信号的低信噪比逆合成孔径雷达成像

针对稀疏步进调频信号对目标径向运动敏感且低信噪比(SNR)下难以聚焦成像的问题,该文提出基于遗传算法和稀疏贝叶斯学习的平动补偿与高分辨逆合成孔径雷达(ISAR)成像方法.首先,针对稀疏步进调频信号建立回波模型和稀疏观测模型,通过构造参数化字典,将ISAR成像问题转换为目标运动参数估计与高分辨距离像(HRRP)合成的联合...     

视频中运动目标的检测及数据安全传输

为了改进目前常用的运动目标检测方法易受到亮度和噪声的影响及出现虚假目标的情况,提出了一种在视频序列中结合帧间差分法和背景差分法的运动目标识别算法。该算法利用帧间差分法得到当前帧中运动目标的信息,通过3帧差分运算和阈值分割,更好地实现视频序列中运动目标的识别;同时针对实时图像监控系统中视频信号传输的安全性,对信号传输进行了方式和技术上的对比分析;实验结果表明能够得到较好的识别结果。     

基于无网格压缩感知的雷达通信一体化系统目标参数估计方法研究

本文基于一种基于正交频分复用（Orthogonal Frequency Division Multiplexing,OFDM）的雷达通信一体化系统,利用目标时延与多普勒在时频域优良的稀疏性,提供了多种基于无网格的二维时频联合估计方法以解决传统稀疏恢复方法字典失配导致的性能较差的问题,有效提高了动目标参数估计性能,并提供了多测量向量（Multiple measurement vector,MMV）模型,可有效解决低信噪比下目标参数估计性能差的问题。同时,针对基于矢量二维原子范数计算量较大的问题,本文利用半正定规划（SDP）将传统方法的高维Toeplitz矩阵解耦为两个低维Toeplitz矩阵,可将计算复杂度降低几个数量级,同时保留原子范数在超分辨性能的优势,可适应于OFDM多子载波与多符号数波形体制。仿真结果证明该方法保持了原子范数类算法的估计性能优势,并显著减少了计算量。     

基于被动毫米波的运动目标探测技术

针对被动毫米波技术对高速运动目标探测能力不足的问题,采用 基于单片微波集成电路(Monolithic Microwave Integrated Circuit, MMIC)的直接检波式 毫米波辐射计构建了一种被动毫米波探测系统,并通过试验获得了不同条 件下对高速运动目标的实测数据。在对测试信号的特征进行分析的基础上,指出 第一脉冲的峰值和两个峰值脉冲的间距能够反映目标运动特性的有效特征,并提出了 一种用于计算目标运动速度的方法。结果表明,该方法具有一定的精度,可在被动毫米 波系统中用于确定运动目标的参数。     

压缩传感：水声信道估计中的过完备字典优化设计

Compressed Sensing (CS) offers a method to solve the channel estimation problems for an underwater acoustic system, based on the existence of a sparse representation of the treated signal and an overcomplete dictionary with a set of non-orthogonal bases. In this paper, we proposed a new approach to optimize dictionaries by decreasing the average measure of the mutual coherence of the effective dictionary. A fixed link between the average mutual coherence and the CS performance is indicated by designing three factors : operating bandwidth, the number of pilot subcarriers, and coherence bandwidth. Both the Orthogonal Matching Pursuit (OMP) and the Basis Pursuit De-Noising (BPDN) are compared to the Dantzig Selector (DS) for different Signal Noise Ratio (SNR) and shown to benefit from the newly designed dictionary. Numerical simulations and experimental data of an OFDM receiver are used to evaluate the proposed method in comparison with the conventional Least-Square (LS) estimator. The results show that the dictionary with a better condition considerably improves the performance of the channel estimation.     

误差校正下外辐射雷达无源定位算法

针对多基外辐射源雷达定位中存在系统误差的问题,提出了一种基于到达角度(DOA)与到达时差(TDOA)的外辐射源雷达无源定位和系统误差校正算法。首先,该方法引入辅助变量对非线性的DOA 和TDOA 量测方程进行线性化,利用迭代加权最小二乘算法得到对目标位置和系统误差的联合估计;然后,利用辅助变量与目标位置的关联性,设计了一种关联最小二乘算法对初始估计值进行改进;最后,通过后验迭代估计进一步提高目标定位精度。仿真结果表明该算法能够有效地估计系统误差和目标状态。     

一种结合时频分析与Dechirp技术提高运动目标参数估计精度的多通道方法

传统相位中心偏置天线(DPCA)和沿迹干涉(ATI)方法无法解决动目标方位向速度引起的散焦对于动目标检测和参数估计带来的影响,而且无法对动目标方位向速度做出估计。为了解决这一问题,该文提出一种结合修正离散Chirp-Fourier变换(MDCFT)与去调频(Dechirp)技术的多通道动目标检测方法,通过对动目标多普勒参数的精确估计,完成对动目标的聚焦,从而提高动目标距离向速度和方位向位置的估计精度,同时还可以较精确地估计出动目标的方位向速度,弥补了DPCA和ATI方法的不足。理论分析和计算机仿真结果验证了该方法的有效性。     

空间失稳目标的高精度运动估计方法

运动估计是解决线性测量系统下动态目标成像畸变问题的有效手段，然而空间失稳目标的非合作性和运动复杂性往往使得运动估计精度难以保证。为提高运动估计的准确性，提出了一种特征驱动的空间失稳目标高精度运动估计方法。该方法首先引入球面坐标建立一般空间失稳目标的自约束时空运动模型，将运动估计推演到高维空间进行非线性无约束求解。然后，根据真实解的存在唯一性，制定了两次异帧相似判别法则给出非线性求解的成功判别，提高运动估计的准确性和鲁棒性。最后，实验比较了不同条件下多类非线性求解方法针对本问题的求解效率，设计了一种基于初值精度划分的求解策略，进一步提高运动估计的效率。实验结果显示该方法最多采用15帧均可实现一般情况的高精度（<10?5）运动估计，进而能够对成像畸变进行精准畸变矫正。     

一种Alpha稳定分布噪声下的体积目标长度估计方法

为了解决Alpha稳定分布噪声环境下运动舰船目标的长度估计问题,该文借鉴非线性变换抑制脉冲噪声以及多普勒目标运动特性估计思想,提出基于广义时频分析(G-TFA)和最小二乘估计的运动目标长度估计方法。该方法首先利用G-TFA获取Alpha稳定分布噪声环境下运动目标的多普勒频率,然后利用最小二乘方法估计出目标航速和不同位置的横正时刻,最后利用上述估计结果计算目标长度。以广义Winger-Ville分布(G-WVD)为例,从理论上推导了G-TFA在Alpha稳定分布噪声环境下具有提取目标多普勒特征的能力,并通过仿真实验验证了该算法在中低混合信噪比下的稳健性。与现有算法相比,该文所提算法不需要估计噪声特征指数,算法性能优于基于传统时频分析的估计方法。     

基于局部相似的红外小目标跟踪算法

连续图片序列中的运动对象与其局部背景保持相对稳定。相邻图像序列的目标局部灰度分布具有相似性。针对红外小目标跟踪杂波干扰与运动模糊问题,设计了基于局部相似的目标增强方法,并提出一种基于局部相似和运动估计的跟踪算法。该算法根据目标的局部相似性构建搜索空间,采用运动估计机制缩小搜索域,然后利用时空上下文学习跟踪算法产生跟踪结果。实验表明,本文方法能够有效应对杂波干扰和运动模糊情况,实现红外小目标的稳健跟踪,且具有较好的实时性。     

无人机视频图像运动目标检测算法综述

运动目标检测是实现目标跟踪、交通监控、行为分析等任务的基础。但在无人机获取的视频图像中,无人机运动、旋翼震动或外界风力等客观因素使图像出现较为明显的背景、光照等变化,会对运动目标的检测产生影响。因此,如何降低干扰、提高检测精度,让无人机在运动目标检测领域发挥作用在信息时代具有相当重要的意义。无人机视频图像的运动目标检测相比传统运动目标检测,检测思路基本一致,但干扰因素众多。本文以此为切入点,分类综述了适用于无人机视频图像运动目标检测的算法及其改进,主要包括运动估计算法、帧间差法、背景建模法、光流法等传统算法和近年出现的新型算法;通过对无人机运动状态的划分探讨比较了上述方法的优缺点及适用场景。帧间差法更适合处理无人机悬停状态的数据,背景建模法、光流法及新型算法对无人机悬停及巡航状态的数据均可处理;上述算法均不能很好解决光照变化造成误检、漏检现象。所以处理无人机视频数据时,要根据其运动信息及数据特点选择合适的算法,才能获得好的检测结果。     

基于稀疏表示的杂波建模和微弱运动目标探测

雷达回波中,微弱运动目标会被强杂波掩盖,造成目标探测困难。文中提出基于匹配追踪稀疏表示方法的雷达微弱运动目标探测算法,采用训练的过完备字典线性组合对杂波进行建模并解决稀疏表示问题,提高了杂波建模的准确性,利用杂波模型抑制杂波,可以从杂波背景中有效地探测微弱目标。仿真结果表明:文中提出的算法优于传统的目标探测方 法,可以提高杂波抑制和微弱运动目标探测性能。     

基于空间角稀疏表示的二维DOA估计

论文提出一种基于空间角稀疏表示的维DOA估计方法,解决了维DOA估计中冗余字典构造的难题。构建的空间角包含了方位角和俯仰角的信息,利用其构造冗余字典可以将方位角和俯仰角的组合从维空间映射到1 维空间,极大地降低了字典的长度和求解的复杂度;同时将算法推广到频域,扩展了其应用范围。与传统的高分辨算法相比,该方法对信噪比和快拍数要求不高、无需特征值分解和多维搜索过程。理论分析和仿真实验,验证了该方法对维相干信号和非相干信号都具有较高的估计精度和较好的分辨力,在不同信噪比下性能优于MUSIC算法。     

多特征融合的车辆识别技术

针对运动车辆目标识别问题提出了一种自然场景下车辆识别方法。首先采用图像差分技术对目标车辆的显著特征进行统计学习,并将学习所得目标局部特征以及图像进行编码,根据以上两个信息实现目标车辆的显著性检测。其次针对车辆运动的复杂性,采用分块投影匹配方法进行全局运动估计和补偿,并利用差分技术进行运动特征检测。然后将目标车辆的显著性特征与运动特征进行融合,从而获得更精确的候选目标区域。最后对候选区域进一步使用视觉显著特征进行目标判别。实验表明该方法具有较好的目标判别性能,能较好地解决自然场景下运动车辆的识别问题。     

Learning Sparse Overcomplete Codes for Images

Images can be coded accurately using a sparse set of vectors from a learned overcomplete dictionary, with potential applications in image compression and feature selection for pattern recognition. We present a survey of algorithms that perform dictionary learning and sparse coding and make three contributions. First, we compare our overcomplete dictionary learning algorithm (FOCUSS-CNDL) with overcomplete independent component analysis (ICA). Second, noting that once a dictionary has been learned in a given domain the problem becomes one of choosing the vectors to form an accurate, sparse representation, we compare a recently developed algorithm (sparse Bayesian learning with adjustable variance Gaussians, SBL-AVG) to well known methods of subset selection: matching pursuit and FOCUSS. Third, noting that in some cases it may be necessary to find a non-negative sparse coding, we present a modified version of the FOCUSS algorithm that can find such non-negative codings. Efficient parallel implementations in VLSI could make these algorithms more practical for many applications.