基于新型扫描昆虫雷达的迁飞昆虫目标检测及密度反演

我国是全球最重要的动物迁飞场,水稻、小麦、玉米等作物重大害虫在我国远距离迁飞,严重威胁我国粮食生产安全。由于昆虫迁飞多发生在夜间,雷达的全天候、全天时探测特点使其成为昆虫迁飞监测最有效的手段。扫描昆虫雷达是昆虫迁飞监测的典型体制,可获取扫描空域内迁飞昆虫数量分布、密度等。但传统扫描昆虫雷达采用两维机械扫描,扫描空域非连续,且数据率低、分辨率低,难以实现迁飞虫量与分布的准确探测。本文提出一种新型迁飞昆虫扫描雷达,采用俯仰电扫、方位机扫的高分辨相控阵体制,可对大范围空域（方位0°~360°、俯仰5°~85°）进行快速扫描,获取迁飞昆虫精细的数量分布与密度。其中,数量分布主要面临低仰角强杂波下的弱小昆虫目标检测问题;密度主要面临相控阵俯仰波位捷变下等效雷达扫描体积计算问题。为此,本文进一步提出了基于静态杂波图的自适应变参VI-CFAR检测算法与基于雷达扫描体积微元化的密度反演算法,并通过仿真与实测数据验证了方法的有效性。目前,该系统已布设于山东省东营市现代化农业示范基地开展业务运行,可获取夜间迁飞昆虫的空间精细分布与密度,成功观测到迁飞昆虫的高度成层等科学现象,可为昆虫迁飞空间结构机理分析提供关键支撑。      

昆虫目标雷达散射截面积特征辅助跟踪算法

害虫迁飞具有规模大、突发性强的特点,会导致病虫害异地大爆发,粮食产量下降,造成重大的经济损失。昆虫雷达是监测迁飞性害虫的一种有效手段。昆虫目标的雷达散射截面积(RCS)较小,回波能量弱,在保证高检测率的同时会带来高虚警率问题,进而导致在目标跟踪的数据关联环节,易受虚假量测的影响出现关联错误。幅度特征辅助跟踪算法利用目标与噪声点迹的幅度差异,可以有效提高目标与噪声的识别度,改善跟踪性能,但是其需要已知目标的RCS起伏模型作为先验信息来计算幅度似然比。因此,该文基于Ku波段高分辨昆虫雷达外场实测昆虫回波数据,分析了昆虫目标的RCS起伏特性,得出Gamma分布可以较好地拟合昆虫目标的RCS统计分布,并将其作为先验信息,推导出Gamma起伏目标在高斯白噪声背景下的幅度似然比。通过在不同信噪比、不同量测噪声及不同起伏模型参数下的仿真结果及性能指标分析,验证了相比于概率数据互联滤波算法(PDAF)算法,目标RCS特征辅助的跟踪算法可以有效提高昆虫目标的跟踪精度。      

基于Radon变换的昆虫上升下降率提取算法及实验验证

昆虫上升下降率是反映昆虫在迁飞过程中的运动方向与运动速率的重要指标。由于传统垂直昆虫雷达存在距离分辨率低、目标检测关联算法不完善等问题,昆虫上升下降率的提取较为复杂。本文提出一种基于Radon变换的昆虫上升下降率提取算法,该算法通过脉冲多普勒积累与恒虚警检测实现了雷达快时间/慢时间一维距离像矩阵到二值化航迹矩阵的转换,再利用Radon变换从二值化航迹矩阵中实现了昆虫上升下降率的直接提取。通过对实测数据的处理,验证了该算法的可行性。      

全极化雷达幅相不一致对昆虫朝向估计的影响

昆虫雷达通过测量波束中昆虫的极化信息,估计昆虫头部朝向,进而完成对昆虫迁飞轨迹的监测。但是,全极化雷达系统中的非理想因素会影响到昆虫头部朝向的估计精度。为了研究全极化系统幅相不一致对朝向测量的影响,本文对昆虫极化散射特征和全极化系统建模,并对朝向误差进行分析,得到了朝向误差和通道间幅相不一致的关系。理论分析和仿真结果表明昆虫朝向误差同时与系统、自身散射特性以及真实朝向相关,系统幅相不一致会导致估计出来的昆虫朝向偏向极化方向。这些工作为全极化系统设计提供了新的思路。      

昆虫雷达散射截面积特性分析

昆虫雷达是观测昆虫迁飞最有效的工具。研究昆虫的雷达散射截面积(RCS)特性对于昆虫雷达目标识别有着重要意义。该文将分析昆虫的静态RCS特性和动态RCS特性。首先,基于实测的X波段全极化昆虫RCS数据,分析昆虫的静态RCS特性,包括水平和垂直极化RCS随体重变化规律以及昆虫极化方向图随体重的变化规律。其次,总结当前通过电磁仿真研究昆虫RCS特性所用到的介质和几何形状模型,并对比了水、脊髓、干皮肤和壳质与血淋巴混合物4种介质和等体型扁长椭球体、等质量扁长椭球体和三轴椭球体3种几何模型组成的12种介质模型,经过电磁仿真结果与实测数据相对比发现脊髓介质等质量扁长椭球体模型与实测昆虫RCS特性最接近。然后,基于Ku波段高分辨昆虫雷达外场实测昆虫回波数据,分析了昆虫动态RCS的起伏特性,将实测昆虫动态RCS起伏数据与4种经典的RCS起伏分布模型χ2, Log-normal, Weibull和Gamma分布分别进行了拟合分析,从最小二乘拟合误差和拟合优度检验结果可以看出,相比于其他3种模型,Gamma分布可以较好地描述昆虫目标RCS起伏的统计特性。最后,综述了昆虫RCS特性在昆虫雷达测量昆虫朝向、体重等参数测量的应用。     

基于MobileNet-SSD的蝶类昆虫识别算法

蝶类作为昆虫生物链上重要的一环,其研究对于中国生态环境的保护具有重要意义.虽然国内外学者在昆虫识别上已取得较多成果,但针对蝶类识别的相关研究仍较为缺乏.而且,如何提高图像识别速度与识别精度,仍然是亟需解决的重要问题.因此,本研究基于蝶类图像数据集,使用MobileNet-SSD目标检测方法,对蝶类昆虫进行识别检测,并使用平均精准度(mean Average Precision,mAP)和检测速度(Frames Per Second,fps)两个性能指标检验模型效果.结合移动端设备,对蝶类昆虫快速进行识别检测提供参考思路.     

基于全极化的相参雷达迁飞昆虫观测

昆虫雷达是迁飞昆虫监测的重要工具。传统昆虫雷达是非相参体制,距离分辨率低,采用旋转极化方式,测量效率低。本文介绍了一种基于全极化的相参雷达系统,该系统工作在Ku频段,采用同时全极化体制,可同时测量目标HH、HV、VH、VV极化回波,采用调频步进频波形,合成信号带宽800MHz,距离分辨率高达0.2m。雷达采用单目标校准技术,利用金属球和倾斜的金属丝作为定标体进行极化校准;采用基于散射矩阵的昆虫朝向提取方法,从昆虫主特征值向量中提取朝向;采用基于相位调制的振翅频率提取方法,通过对目标振翅回波的相位进行傅里叶分析提取昆虫振翅频率。通过外场实验,验证了雷达极化校准的有效性以及测量昆虫朝向和振翅频率的能力。      

宽带全极化垂直昆虫雷达设计及校准关键技术研究

宽带全极化垂直昆虫雷达是一种利用宽带信号实现空中单只昆虫分辨,利用多极化通道实现昆虫全极化测量的雷达系统。当被测昆虫体型在不同极化轴向的电磁波反射功率可明显分辨时,该雷达可利用“当极化方向平行于昆虫体轴时,回波功率最大”的基本原理,通过测量昆虫极化散射矩阵,获取昆虫体轴方向,对研究昆虫定向迁飞规律具有重要的作用。当前垂直昆虫雷达采用机械旋转馈源的方法,分时测量昆虫目标的极化散射矩阵,该方法同时受机械旋转误差、极化分时测量时目标运动的误差以及极化通道稳定性随有源电路时变所引入的测量误差,测量精度不高,为了实现昆虫的高分辨全极化散射特性测量,本文提出了一种高极化隔离的频率步进正交相位编码的宽带波形设计以及极化内定标方法,开发了一部宽带全极化垂直昆虫雷达系统,最终通过理论方法仿真分析与外场试验测试,证明了该雷达系统可实现昆虫同时全极化宽带的稳定测量,验证了昆虫体轴朝向的测量精度。      

Ku波段全极化雷达昆虫体型参数反演

为实现Ku波段昆虫雷达体型参数测量,基于全极化测量装置在微波暗室测量的昆虫数据,分析了Ku波段昆虫雷达散射截面积(Radar Cross-Secion,RCS)特性.发现大昆虫为谐振区散射,无法基于RCS反演体型参数.为保证雷达体型测量准确性,必须将大昆虫识别并剔除;为此,提出相对特征相位和RCS参数联合的大昆虫辨别方法.在此基础上,分析了中小昆虫体型与特征参数的关系,发现这些特征参数均能较好的反演昆虫体长/体重,从而给出Ku波段昆虫体长、体重反演经验公式.     

长白山针阔混交林不同演替阶段的昆虫多样性

昆虫多样性变化对生态系统健康有重要的指示作用,为研究昆虫群落变化与生境演替之间的关系,本研究采用网捕、灯诱和诱捕法系统调查了长白山针阔混交林不同演替阶段(次生白桦林、次生针阔混交林、原始阔叶红松林)昆虫群落的组成和多样性,分析了昆虫在森林演替过程中的规律及与植被群落之间的关系。系统调查共采集昆虫标本8183头,隶属于14个目699种,其中鳞翅目和鞘翅目是主要优势类群。次生针阔混交林昆虫的个体数量最多,原始阔叶红松林中物种数最多。不同演替阶段昆虫群落的物种数和个体数差异不显著,但次生针阔混交林、原始阔叶红松林的Fisher’sα指数显著高于次生白桦林。目水平上的昆虫多样性未表现出显著性差异。昆虫多样性在森林演替过程中和草本植物多样性的变化趋势相同;由于食性和生境选择的不同,森林演替过程中鳞翅目昆虫多样性逐渐升高,而鞘翅目多样性逐渐降低。     

基于遗传算法的OTHR机动弱目标检测

天波超视距(OTH)雷达系统中,为了获得较高的多普勒分辨率,通常会采用长的相干积累时间,但对于机动目标,长相干积累时间会导致回波的多普勒展宽,不利于检测。对于弱目标,由于其能量低,容易被强目标掩盖,加大了检测难度,针对这一问题,提出一种基于目标运动参数估计的OTHR机动弱目标检测方法。利用遗传算法优越的参数估计性能这一特点,采用遗传算法估计各目标的运动参数,并引入"clean"算法的思想,在时域上逐个减去强目标,以消除强目标的掩盖效应。又考虑到遗传算法的运算量较大,进一步提出采用时频分析算法估计各参数范围,减小遗传算法的运算量。仿真结果表明,与已有算法相比,文中算法具有更高的参数估计精度和弱目标检测性能。     

基于恒虚警的高频雷达起伏目标检测算法研究

针对高频雷达目标检测过程中由于信噪比波动导致检测概率降低、跟踪丢失的问题,提出了基于高低双门限的关联检测算法。基于高频雷达相邻次扫描过程中目标运动信息的相关性,根据目标的速度、距离、方位等运动信息为目标建立关联区域,后续检测时在此关联区域内自动降低判决门限以提高检测概率。理论分析及实测数据表明,与常规恒虚警检测比较,关联检测算法在保持相同虚警概率的同时可获得更高的检测概率,从而有效提高高频雷达的检测和跟踪性能。     

基于逆滤波的宽带线性调频雷达MTD技术

影响宽带线性调频雷达运动目标检测的两个核心问题是多周期脉冲间散射中心的越距离单元走动（MTRC）以及扩展目标在高分辨距离单元间的能量分散。在分析宽带线性调频脉冲串回波信号多普勒效应的基础上,将每个子脉冲回波经过逆滤波转化为窄带信号,通过窄带匹配滤波降低距离分辨率对多散射中心的能量进行相参积累,同时避免了越距离单元走动问题。然后利用脉冲多普勒思想对低分辨的脉冲串信号进行二次相参积累,实现运动目标检测（MTD）。最后通过仿真实验验证了算法的有效性,结果表明该算法对存在多个强散射中心和速度较大的目标能够有效提高相参积累信噪比和测速精度。     

高速运动目标的积累检测研究

针对Ch irp雷达在低信噪比下对高速运动目标的有效积累检测问题,首先分析Ch irp雷达运动目标的回波特性,指出包络走动是影响高速运动目标相参积累性能的主要因素,然后提出用频分包络移位算法来解决该问题。MonteCarlo仿真实验表明,在信噪比-4 dB的条件下,采用该算法,对高速运动目标的检测性能可以达到在虚警概率为10-6时截获概率大于98%。     

基于包络插值移位补偿的高速运动目标的积累检测算法研究

本文针对Chirp雷达在低信噪比下对高速运动目标的有效积累检测问题,首先分析Chirp雷达运动目标的回波特性,指出包络走动是影响高速运动目标积累性能的主要因素,然后提出“基于包络插值补偿的相参积累”检测算法来解决这一问题。Monte Carlo仿真实验表明,在信噪比-8dB的条件下,采用该算法,对高速运动目标的检测性能可以达到在虚警概率为10-6时截获概率大于95%,证明了本算法的有效性。     

提高雷达机动目标检测性能的二维频率域匹配方法

 增加目标信号的积累时间是提高雷达对微弱目标探测能力的主要方法.但是,对于高速运动目标,在长时间相参积累期间,目标回波信号容易产生距离徙动和多普勒走动,若不进行补偿,目标信号能量不能有效积累.传统基于keystone变换的方法仅适用于目标作匀速运动的情形,当目标作机动运动时,距离弯曲不能通过keystone变换进行校正.针对目标作匀加速运动,且高速目标存在多普勒模糊情况,本文提出一种二维匹配滤波新方法,该方法将脉冲压缩后的目标回波转换到距离-多普勒二维频率域,通过构造一补偿函数进行匹配滤波处理.该方法不需要知道目标运动速度参数,由目标径向速度引起的距离走动和径向加速度引起的距离弯曲均能得到很好的消除,另外,所提算法可以有效地利用快速傅里叶变换实现而无需进行插值操作,运算量小.仿真结果表明本文方法具有良好的高速机动目标积累检测性能.     

两种TBD算法在HPRF-PD雷达应用中的比较

在低信噪比环境中检测和跟踪运动目标是目标跟踪的重要内容,TBD是弱小目标检测与跟踪的有效方法,不同的TBD方法在检测跟踪性能及运算量上有不同的特点.针对HPRF-PD雷达的应用,建立了目标的动态模型和观测模型,给出了动态规划和粒子滤波TBD算法的原理及实现流程,并对各步骤的实现进行了详细说明,通过仿真实验比较了两种算法的检测、跟踪性能和运算量.仿真结果表明,动态规划TBD运算量较小,更易于实现,而粒子滤波TBD具有更好的跟踪性能,且在低信噪比下有较高的检测能力.     

采用D-S证据理论的双色红外小目标融合检测

针对远距离低信噪比条件下目标检测难的实际问题,提出采用D-S证据理论的双色红外小目标融合检测方法。该方法首先采用统计检测方法对各传感器图像进行目标检测处理;接着采用“或”逻辑对各传感器的目标检测结果进行融合,以降低目标漏检的可能性;然后在各传感器图像中提取融合检测结果中各候选目标区域的多个图像特征作为进一步消除虚警的证据;最后采用D-S证据理论对各候选目标区进行基于多特征的目标融合识别处理,并将识别结果作为整个系统最终的目标检测输出。实验结果证明了该算法的有效性。     

基于多普勒频偏估计的单帧图像低速运动目标检测方法

常用的图像域运动目标检测跟踪方法对虚警率较敏感,当虚警率较高时,目标检测跟踪的实时性受限。为了降低目标初始检测的虚警率,进而提高目标检测跟踪的实时性,该文提出一种基于多普勒频偏估计的单帧图像低速运动目标检测算法,通过发射多普勒不敏感的LFM脉冲对,忽略多普勒效应对成像结果的影响,但在图像域检测的同时,利用目标回波的多普勒频偏信息进行静目标和杂波亮点的剔除,基于单帧数据,减小运动目标检测的虚警率,实现单帧图像的运动目标检测,从而为目标跟踪奠定良好基础。该算法首先进行图像域的恒虚警检测,再利用宽带时域波束形成和复相关频率测量法,对检测亮点处的波束输出信号进行多普勒测频,仅通过单帧图像就可有效剔除静目标和杂波亮点。同时为了改善宽带时域波束形成的性能,利用2阶锥规划设计滤波器的系数,用9阶FIR滤波器实现了0.01倍采样点的小数时延,提高了多普勒频偏的估计精度。最后通过计算机仿真和水池试验验证了所提算法的有效性。     

基于动态规划算法的无源毫米波弱小目标检测方法

针对无源毫米波弱小目标特点,结合已有的动态规划算法,利用图像阈值分割原理实时计算检测门限,提出一种适用于无源毫米波小目标检测的实用动态规划算法,并分析了动态规划的计算过程及分割门限的确定方法。实验仿真结果表明,此算法能准确检测出复杂背景下的低信噪比无源毫米波弱小目标,并得到目标运动轨迹,在单帧成像信噪比为4.5dB左右时,能准确检测出目标运动轨迹。