基于自适应核时频分布的机动目标ISAR成像

具有复杂姿态运动的目标由于其多普勒的时变性,使得传统的逆合成孔径雷达(ISAR)距离多普勒算法成像模糊,时频分析技术是解决该问题的有效途径之一.在详细分析复杂姿态运动导致的目标回波多普勒相位非线性特性的基础上,利用白适应核时频分布进行ISAR瞬时成像,并给出了一种新的自适应高斯核函数的参数估计方法.仿真数据和外场实测数据成像结果证明了该方法的有效性.     

一种基于SPWVD-WVD的高质量时频分析方法及ISAR成像应用

交叉项干扰抑制与高时频聚集度是准确反应信号的时频分布特征的重要因素。传统的魏格纳-维尔分布(Wigner-Ville Distribution,WVD)算法虽能获得较高的时频分辨特征,但分析多成分信号时存在严重的交叉项干扰问题,限制了其实用性;而平滑伪魏格纳-维尔分布(Smoothed Pseudo Wigner-Ville Distribution,SPWVD)算法虽在一定程度上抑制交叉项干扰,但降低了时频聚集度。为了解决上述问题,提出了基于SPWVD-WVD的时频分析方法。该方法利用SPWVD与WVD之间的滤波互消效应,将SPWVD二值化结果与WVD结果进行矩阵运算,最终得到高质量的时频分析结果。实验结果表明,所提出的算法能够有效去除多分量信号的交叉项干扰,提高信号分析结果的时频聚集度,还原多分量信号的真实时频分布。最后将该算法成功应用于逆合成孔径雷达成像中。     

基于匀加速多普勒频率模型的ISAR成像

传统的逆合在孔径雷达（ＩＳＡＲ）的成像方法是基于目标作为匀速旋转，但是机动性强的非合作目标，非匀速旋转的情况也时有发生，这时会使成像质量下降，本文用等加速转模型代替传统的匀速旋转模型，使成像质量得到改善。     

基于自适应chirplet变换的ISAR瞬时成像的快速算法

在逆合成孔径雷达(ISAR)瞬时成像中,针对自适应chirplet分解方法运算量大,对信号的逼近精度有限等问题,提出了一种瞬时成像快速算法。该方法在参数粗搜索的基础上,将多维参数搜索过程转化为超越方程的求解问题。与传统方法比较,该方法不仅运算速度快,计算量小,而且参数估计精度高。仿真和真实雷达数据用此方法均能成出质量较好的ISAR图像。因而此快速算法是一种有效的ISAR瞬时成像的快速算法。     

基于成像时间段的高海情舰船ISAR成像方法

针对高海情舰船目标ISAR成像时舰船随机摆动对于成像质量的影响,提出了一种基于多普勒中心的最优时间选取方法.该方法在舰船目标回波的实际数据中计算各个回波的多普勒中心频率,并根据多普勒中心曲线选取舰船目标的最优成像时间.文中给出了实现该方法的具体步骤,并选取了一段实测数据对该方法进行了验证.验证结果表明,采用文中提出的最优时间选取方法,可以提高ISAR成像的方位向分辨率,同时也可以在保证成像质量的前提下减少成像所需的运算难度.     

改进多普勒中心估计的ISAR舰船成像

逆合成孔径雷达(ISAR)对舰船成像依靠舰船与雷达视线之间的相对转动,它由舰船航行和海浪作用下舰船自身摇摆产生的转动组成.本文选取舰船上的强点单元来估计目标的多普勒中心.根据曲线把整个慢时间分成若干时间段,选取最佳时间段进行瞬时成像,此算法将大大提高成像效率.通过仿真验证了该方法的有效性,可在未知海情下获得舰船的像,有...     

基于HH变换的非平稳运动目标的ISAR成像

ISAR时频分析法成像与传统的成像处理算法相比,将二维的距离-多普勒矩阵变成了三维的时间-距离-多普勒矩阵,在一定程度上改善了成像质量,但对于非平稳运动目标的成像效果并不非常显著.应用Hilbert-Huang变换,对非平稳运动ISAR目标进行成像处理,并与经典的Wigner-Ville分布算法所得图像进行比较.成像试验结果表明:该算法明显改进了图像质量.     

基于高阶时频分布的雷达目标微多普勒特征分析

目标微动特征提供了对目标细节的精细刻画,为雷达目标的探测和识别提供了新的途径。在分析机动点目标、振动点目标、复合运动点目标等几种典型微动目标的微多普勒变化规律的基础上,从高阶时频分析的角度出发,提出了一种基于改进L-Wigner分布的微动目标微多普勒特征的分析算法,详细分析了提高时频聚集性和消除交叉项的措施及其高效递推实现方法,并对算法的复杂度进行了分析,最后以机动点目标、振动点目标、复合运动点目标以及多个点目标构成的群目标为例对提出的算法进行了仿真分析。仿真结果表明,相对线性时频表示和Cohen类双线性时频分布,该算法对于复杂非线性调制目标回波信号提供了更好的时频聚集性,并能够较好地消除交叉干扰项的影响,且具有较小的算法运算量。      

基于两种时频分布的ISAR成像方法

研究了两种时频分布——平滑伪Wigner-Ville分布和谱图在机动飞行目标ISAR成像中的应用，通过计算回波数据的平滑伪Wigner-Ville分布或谱图，得到不同时刻的高分辨瞬时多普勒谱，然后对观测数据段的不同时刻进行瞬时成像，仿真数据和实测数据成像结果验证了该方法的有效性。     

一种基于MIMO技术的ISAR成像方法

传统的ISAR成像模型要求目标在积累期间近似做平稳运动,但由于其积累时间较长,目标飞行速度和姿态的变化将对成像效果造成很大的影响.本文将MIMO技术与ISAR成像相结合,提出了一种MIMO-ISAR成像方法,它采用一种特殊设计的M发N收线性阵列,发射一组M个同频带时域正交PCM信号,在接收端通过匹配滤波完成信号分选也即实现了距离压缩,然后基于PCA原理,以最小熵准则对目标水平速度分量进行估计后将整个积累期间的回波数据进行重新排列和插值,最后进行方位多普勒分辨成像并做MTRC校正.从理论推导及仿真实验结果来看,该方法在达到同样方位分辨率的前提下其积累时间最少时只有传统ISAR的 1 MN ,这极大的缩短了积累时间,从而使大部分飞行目标均能满足在积累期间近似做匀速直线运动的条件,扩展了ISAR成像的适用范围,提高了成像效果.     

基于高斯包络线性调频基自适应分解的ISAR成像

基于高斯包络线性调频基的自适应信号分解算法具有较高的分辨率,当被分析信号(如机动目标ISAR雷达回波信号)可以由调频类信号建模时具有超强分辨能力。该文在高斯包络线性调频基的自适应信号分解算法基础上,提出了基于优化初值选择高斯包络线性调频基自适应信号分解算法,并将其应用到ISAR成像中。仿真结果表明,和传统时频分析方法相比,该算法具有更加优良的性能,对机动目标进行瞬时成像时成像质量得到了较大幅度的改善。     

基于参数化时频分析的机动目标ISAR成像方法

对于机动目标,运动补偿后目标相对于雷达并不是标准的转台目标,目标的多普勒是时变的,此时传统的距离多普勒成像算法不能得到很好的成像效果.论文分析总结了几种针对非匀速转动的时频联合分析算法,提出了一种基于参数化时频分析--AGCD快速算法的ISAR成像算法,并且用机动目标的仿真数据进行了验证,验证结果表明了该算法具有精度高、速度快且无交叉项的优点,比传统的算法有较大的改进.     

基于综合时频分析的机动目标ISAR成像

传统的ISAR距离-多普勒成像算法基于目标平稳飞行假设。当目标作机动飞行时,转速和转轴经常是时变的,若用传统方法成像,会使图像模糊,甚至无法辨识。这时需要分距离单元进行时频分析,得到距离-瞬时多普勒图像。文中提出的综合平滑伪魏格纳分布克服了平滑伪魏格纳分布不能在时频分辨率和抑制交叉项两方面同时达到较好的缺点。最后以旁瓣电平、交叉项干扰抑制、方位分辨率损失等指标定量分析了两者的性能。仿真结果证实了文中方法在对机动目标成像中的优越性。     

基于自适应权重GPSR算法的ISAR成像

为了提高ISAR成像运算效率,本文提出一种自适应权重GPSR(AW GPSR)算法,并用于ISAR成像。该算法为加快参数重构的收敛速度,给ISAR图像中每个散射点都赋予正则化权重系数。对于幅度较小的散射系数,赋予较大的权重,使其快速减小为0;对于幅度较大的散射系数,给予较小的权重,使其在迭代中保持不变。在梯度下降迭代过程中,不断更新散射系数和正则化权重。本文采用仿真信号和实测信号进行ISAR成像实验,实验结果表明,相比常规GPSR算法,AW GPSR算法达到收敛的速度更快,成像时间降低了约23%。在成像效果方面,AW GPSR算法与常规GPSR算法相当,但明显好于传统的R-D算法和ESPRIT算法。     

基于认知ISAR成像的相控阵雷达资源自适应调度算法

现有相控阵雷达资源调度策略通常没有考虑成像任务的要求,需要分出一部分固定资源实现成像功能。该文将认知成像的思想引入到雷达资源自适应调度中,提出一种基于稀疏孔径认知ISAR成像的雷达资源自适应调度算法,并给出了具体的性能评估指标。在对目标特征进行认知的基础上,根据反馈信息对雷达的时间资源进行自适应调度,能够在对不同目标进行跟踪和搜索的同时实现认知成像,从而显著提高了雷达的工作效率。仿真实验验证了该算法的有效性。     

一种基于时频分布尺度变换的ISAR成像新方法

 空中或海面目标复杂运动所产生的方位二次相位项,会造成方位成像的严重散焦;而传统的RD成像方法、WVD瞬时成像方法、Radon-Wigner成像方法和DechirpClean成像方法由于成像效果差或运算效率低等因素,不适合复杂运动目标的ISAR成像;因此,针对这些问题,本文提出了一种基于时频分布尺度变换的ISAR成像新方法,即把包络对齐后的各距离单元数据变换到时频平面内,通过尺度变换,解信号瞬时时间和相关函数延迟量的耦合影响,把方位二次相位项所产生的时频平面内的斜线校正成平行于时间轴的直线,并沿时间轴进行能量积累,减少交叉项的影响,最终对复杂运动目标进行高分辨ISAR成像.该方法成像效果好,同时,可以通过快速变换算法实现,因此,运算效率较高,适合实时成像.最后,通过仿真和实测数据验证了该方法的有效性.     

基于方差成分扩张压缩的稀疏贝叶斯ISAR成像方法

基于贝叶斯框架下的稀疏重构方法,由于考虑了稀疏信号的先验信息以及测量过程中的加性噪声,因而能够更好地重建目标系数,然而传统的稀疏贝叶斯学习(SBL)算法参数多,时效性差。该文考虑一种新的稀疏贝叶斯学习方法方差成分扩张压缩(ExCoV),其不同于SBL中赋予所有的信号元素各自的方差分量参数,ExCoV方法仅仅赋予有重要意义的信号元素不同的方差分量,并拥有比SBL方法更少的参数。基于计算机层析成像技术框架下的ISAR成像模型,该文将ExCoV方法结合压缩感知(CS)理论将其进行ISAR成像,并从适用性和成像效果等方面与常用的极坐标格式算法(PFA),卷积逆投影算法(CBPA)和传统的稀疏重构算法进行比较,点目标仿真结果表明基于ExCoV的方法得到的ISAR像具有低旁瓣,高分辨率的特点,真实数据的成像结果表明该方法是一种比SBL更有效的ISAR成像算法。