大斜视SAR成像的一种新的二维可分离处理方法

大斜视角下SAR信号的特点表现为大的距离走动和小的距离弯曲,这使得采用横距域距离走动校正和二维可分离成像方法成为可能,但方位场景较大时要考虑方位向聚焦深度的限制。该文采用非线性调频变标的方法补偿方位向调频率随目标横距的变化,得到了良好的结果。     

基于距离Keystone变换的改进的多普勒调频率估计方法

多普勒调频率估计是SAR成像处理中的一个重要步骤。针对聚束、滑动聚束SAR采用全孔径算法进行成像时的调频率估计问题,该文提出一种改进的平移相关(SAC)算法。将距离Keystone变换引入到SAC算法中,去除了互相关峰值位置与目标距离间的耦合关系,从而消除了聚焦深度的限制。由于没有时域补零操作,调频率估计过程中将会出现模糊,针对此,给出了一种基于最小熵准则的模糊数估计方法。仿真及实测数据处理结果验证了所提方法的有效性。     

短孔径ISAR方位定标

短时间观测下的逆合成孔径雷达成像在应用中具有较多的优势。该文针对短孔径观测提出一种利用有限次脉冲实现ISAR方位定标的方法。基于ISAR图像的稀疏特征,利用压缩感知理论提高ISAR成像的分辨率,有效提高了散射中心定位精度。此外,基于2维快速傅里叶变换和极坐标映射的方法利用相关法进行转动角速度估计,同时利用压缩感知精确估计相关函数的峰值位置,提高转动角速度的估计效率和精度,最终实现目标的方位定标。仿真和实测数据实验结果验证了该方法的有效性。     

基于TSB-HMM模型的雷达高分辨距离像目标识别方法

针对雷达高分辨距离像(HRRP)的识别问题,该文提出了一种基于时域特征的截断Stick-Breaking过程隐马尔可夫模型(TSB-HMM),并建立了基于TSB-HMM模型的分层识别算法,利用TSB-HMM模型结合时域特征和功率谱特征对HRRP进行分层识别。实测数据的实验结果表明,该方法是一种有效的雷达HRRP识别方法,分层识别的算法可极大提高目标的平均识别率。特别是在训练样本数极少的情况下,TSB-HMM模型仍能获得较好的识别性能。     

快速分解后向投影SAR成像的自聚焦算法研究

SAR图像的自聚焦处理依赖图像域与距离压缩相位历程域之间的傅里叶变换对(Fourier Transform Pairs, FTP)关系。与频域算法不同,时域算法下的这种FTP关系不仅复杂,且难以获取。为了兼顾图像快速重建和自聚焦处理,该文首先对快速分解后向投影(Fast Factorized Back-Projection, FFBP)算法进行必要的改进和适当的优化处理,提出了IFFBP(Improved FFBP, IFFBP)算法,为自聚焦算法的使用奠定了基础。其次,针对数据处理的实际需求,该文提出了一种结合中等精度惯导粗补偿、嵌套相位梯度自聚焦(Phase Gradient Autofocus, PGA)精补偿的IFFBP算法处理流程。最后,通过仿真实验和实测数据处理验证该文方法的有效性。     

基于非线性机会约束规划的多基雷达系统稳健功率分配算法

现有多基雷达系统(MSRS)功率分配算法都假设目标的雷达散射截面(RCS)信息先验已知。针对上述问题,该文将目标的RCS建模为分布未知的随机变量,提出一种基于非线性机会约束规划(NCCP)的MSRS稳健功率分配算法,用于处理RCS参数的不确定性。该文首先推导了目标跟踪误差的贝叶斯克拉美罗界(BCRLB)。然后以最小化MSRS各个时刻发射功率为目标,在满足BCRLB不大于给定误差的概率超过某一置信水平的条件下建立了NCCP模型,并用条件风险价值(CVaR)松弛结合抽样平均近似(SAA)算法对此问题进行了求解。最后,仿真实验验证了算法的有效性和稳健性。     

一种俯冲段子孔径SAR大斜视成像及几何校正方法

俯冲合成孔径雷达(SAR)成像由于垂直向下速度的存在,使得沿水平飞行方向不再满足平移不变性,导致常规全孔径成像算法无法直接运用于俯冲段的大斜视子孔径成像。针对这些问题,该文基于俯冲等效平飞模型以及子孔径成像特性提出一种俯冲段子孔径SAR大斜视成像算法 频域相位滤波算法(FPFA)。其创新思想是通过方位频域引入滤波因子校正方位空变。由于俯冲等效平飞模型会造成成像平面的旋转,引起较大的图像畸变,为了解决该问题,该文进一步提出一种基于反向投影的快速几何校正方法,得到近似无畸变或畸变较小的地距图像。仿真和实测数据处理验证该文成像方法和几何校正方法的有效性。     

机载雷达时-空二维部分联合自适应处理

本文在进一步分析机载侧面阵雷达二维联合处理与级联处理之差异的基础上,提出了一种对阵元误差具有较高容差能力的二维滤波新方法,先用降维变换将时空二维场数据变换到低维空间,再进行联合域波束空间部分自适应处理。     

一种基于RELAX的SAR自聚焦算法

该文提出了一种基于RELAX的自聚焦算法。根据多个特显点和杂波同时存在的模型,该算法交替迭代地进行相位校正和散射点参数估计,在精确估计出散射点子回波参数的同时估计出自聚焦所需的相位误差。由于该算法未对杂波和噪声模型作任何假设,可应用于绝大多数成像场景,同时该算法可用于估计任何类型的相位误差,因此是一种稳健的自聚焦算法。实际数据处理结果表明该方法是有效的。     

距离弯曲情形的超分辨成像及目标特征参量提取

PFA算法的性能受到距离弯曲引起的成像误差的影响,传统的处理方法是限制场景的尺寸。本文从超分辨处理的角度出发,对距离弯曲引起的空变的二次相位误差(QPEs)采取精确估计和补偿的方法进行预处理,然后得到超分辨图像及目标特征参量。相位误差的粗估计采用离散多项式相位变换(DPT)方法,而误差精估计则基于RELAX类算法。仿真和实测数据证明了本文方法的有效性。