一种精确的多接收阵合成孔径声纳距离多普勒成像算法

针对现有多接收阵合成孔径声纳算法没有考虑或低估了"停走停"近似在宽测绘带和高平台运动速度情况下带来的图像失真的现象,本文在深入分析多接收阵系统误差产生机理的基础上,提出了一种适用于宽测绘带成像的精确多接收阵合成孔径声纳距离多普勒成像算法,它舍弃了目前普遍采用的等效相位中心(DPC)近似,采用多接收子阵的精确延迟模型.算法首先对各接收子阵数据单独处理求得方位谱并进行方位向扩展,随后分别进行距离徙动校正和方位向脉压,最后将各通道的方位谱相干叠加,反傅里叶变换后得到了高分辨图像.通过点目标仿真比较,该算法在峰值旁瓣比及目标的定位等方面优于现有算法.     

基于OpenMP的高效多子阵合成孔径声呐距离多普勒成像算法

为充分利用多核CPU计算资源解决多子阵合成孔径声纳成像效率低的问题,提出了一种共享内存环境下的距离多普勒成像算法并行解决方案。在分析多子阵合成孔径声纳距离多普勒成像算法并行性的基础上,对算法中预处理、距离向脉冲压缩、固定相位补偿、距离徙动校正和方位向脉冲压缩进行了OpenMP并行化设计,充分利用多核CPU计算资源实现了大数据量合成孔径声纳图像快速重构。对实测数据的成像实验结果表明,并行成像算法加速比高达19.86,满足实时合成孔径声纳系统成像需求。     

异构环境下的多子阵合成孔径声呐距离多普勒成像算法

为解决多子阵合成孔径声纳成像效率低的问题,提出了一种异构环境下的多子阵合成孔径声纳快速成像方法。根据多子阵合成孔径声纳距离多普勒成像算法特点以及CPU和GPU各自计算特点,通过将算法中距离向脉冲压缩、固定相位补偿、距离徙动校正和方位向脉冲压缩密集型运算采用GPU计算,极大提高了多子阵合成孔径声纳成像效率。最后通过实测数据的成像实验对所提算法的正确性和高效性进行了验证,与串行计算方法相比加速比高达14.45。     

干涉合成孔径声纳系统中的数据采集

为了协调测绘速率与方位模糊之间的矛盾，给出了干涉合成孔径声纳采集系统中信号源的设计、多路回波信号的同步采集、时变增益的控制、姿态数据的获取等问题的解决方案，采用双线程技术实现了回波与姿态数据的同时采集。经干涉合成孔径声纳湖试检验，证明此采集系统是稳定可行的。     

盲源分离与波束形成融合抑制方向性强干扰研究

针对强干扰严重影响线列阵声纳弱目标检测的问题,融合盲源分离（Blind source separation,BSS）与波束形成提出了一种抑制方向性强干扰的方法.首先在干扰方位形成波束得到干扰信号估计,然后对阵列接收信号的每个子带采用盲源分离方法得到分离信号和解混矩阵估计,并通过对分离信号和干扰信号进行子带谱相关抑制干扰,再将抑制干扰后的分离信号重构回阵元域信号,最后采用波束形成方法完成目标方位估计.利用模拟器数据和海试数据对方法进行了验证,结果表明,该方法能有效地抑制方向性强干扰,明显提高了弱目标信号的空间谱能量,增强了声纳检测弱目标的能力.     

合成孔径声纳成像改进距离-多普勒算法研究

在合成孔径声纳成像优化的研究中,传统距离-多普勒算法主要应用于窄带窄波束信号合成孔径成像,而在合成孔径声纳领域,由于信号带宽较大,波束较宽,使得成像效果较差.研究了经典距离-多普勒算法的原理,提出了其局限性,针对合成孔径声纳的宽带宽波束信号特点改进了传统算法.放弃窄带信号条件下的Fresnel近似,利用更精确的适用于宽带宽波束信号的距离双曲线模型对算法进行了推导,并在推导结果的基础上对成像区域中任意点目标上进了仿真.仿真结果表明,改进算法具有更高的分辨率和适中的运算量,比传统距离-多普勒算法更适合应用在合成孔径声纳成像中.     

基于稀疏谱拟合的超分辨方位估计

考虑到各阵元接收的实际环境噪声可能是相关的,以及风成噪声和远处航船噪声等因素的影响,环境噪声强度的空间分布可能具有方向性。利用非均匀环境噪声模型,结合稀疏谱拟合算法,提出了一种基于稀疏谱拟合的超分辨方位估计算法。该算法利用空间信号的稀疏性和线性噪声模型拟合误差的l2-范数联合最小化,实现非均匀环境噪声条件下的超分辨方位估计。通过计算机仿真讨论了正则参数和线性噪声模型阶数对算法性能的影响,海上试验结果表明了该算法较传统算法和稀疏谱拟合算法具有更低的旁瓣级和更好的方位分辨能力,同时有效验证了该算法在非均匀环境噪声背景下的超分辨方位估计性能。     

小孔径圆环阵凹槽超增益波束形成技术研究

在水下目标声纳检测问题的研究中,为了抑制水下噪声信号,提出了小孔径圆环阵凹槽超增益波束形成方法.上述方法针对均匀圆环阵,在保证基阵输出增益最大的前提下,采用凹槽波束优化方法,设计具有抑制特定方向波束响应输出的波束,以抑制该方向强的强干扰对目标方位估计的影响.仿真结果表明,改进方法能有效抑制期望信号方向以外的干扰对目标方位估计的影响;干扰信号越强,波束图输出谱凹槽越深;在小孔径圆环阵的基础上能实现对水下目标低频辐射噪声信号有效检测和方位估计.     

基于图像的多接收元合成孔径声纳运动补偿方法

多接收元合成孔径声纳成像是当前研究的热点问题,偏航和侧摆是影响多接收元合成孔径声纳成像质量的关键因素。建立了多接收元合成孔径声纳偏航和侧摆运动误差的几何模型,提出了一种基于图像估计偏航和侧摆的新方法。该方法允许声纳系统以满足空间采样理论的最大速度运行,利用强点目标的每个脉冲回波数据的成像结果估计偏航和侧摆。计算机仿真结果表明新算法有效地估计出了偏航和侧摆,提高了成像质量,明确地确定出了目标的位置。     

一种改进的非均匀线列阵宽带波束形成方法

研究无线网络宽带信道优化问题,关于非均匀线列阵可以使用较少的阵元避免栅瓣的出现,针对非均匀线列阵的宽带波束形成问题.采用非均匀线列阵进行宽带波束形成方式,为了使非均匀线列阵在无失真接收信号的同时更好地抑制噪声,需要设计低旁瓣的宽带恒定束宽波束;利用渐近理论宽带非均匀线列阵的设计方法和优化方法相结合,提出了一种改进的宽带非均匀线列阵的设计方法,并给出了一个设计实例.仿真结果表明,方法可以在使用较少阵元数的情况下避免栅瓣的出现,同时得到低旁瓣的宽带恒定束宽波束,更好地满足波束性能要求,提高了宽带性能.     

基于严格解析谱的多接收子阵合成孔径声呐CZT算法

针对多接收子阵合成孔径声呐(SAS)精确二维谱表达式复杂,从而只能应用于RD算法的问题,提出将严格解析谱的距离徙动近似为斜距变量的线性函数,然后利用Chirp-z变换校正距离徙动,并给出基于严格解析谱的多接收子阵SAS CZT算法.提出的基于严格解析谱的算法避免了插值操作,提高了算法效率与相位保真度,仿真实验表明,提出...     

A novel spaceborne SAR wide-swath imaging approach based on Poisson disk-like nonuniform sampling and compressive sensing

Since the range swath width in the conventional single channel spaceborne synthetic aperture radar(SAR)is restricted by the system parameters,there is a trade-off between the azimuth resolution and the swath width in order to satisfy the Nyquist sampling criterion.In this paper,we propose a novel spaceborne SAR wide-swath imaging scheme based on compressive sensing(CS)for the sparse scene.The proposed method designs a Poisson disk-like nonuniform sampling pattern in the azimuth direction,which meets the demand of wider swath by restricting the smallest time interval between any two azimuth samples,with the conventional sampling pattern preserved in the range direction.By a similar way to the processing procedure of spectral analysis(SPECAN)algorithm,the linear range migration correction(RMC)is realized while carrying out range compression,which can meet the demand for focusing with middle level resolution.To reduce the computation load of CS reconstruction,we propose a novel fast reconstruction algorithm based on nonuniform fast Fourier transform(NUFFT),which greatly reduces the computation complexity from O(2M N)to O(4N log N).Experiment results validate the effectiveness of the proposed methods via the point target simulation and the Radarsat-1 raw data processing in F2 mode.     

面向视频重建的变速率稀疏采样方法

传统的视频重建方法采用均匀速率进行采样,其重建质量难以提高。针对该问题,提出一种新的变速率稀疏采样方法。使用自适应阈值方法检测帧差图像的边缘,将视频像素块分类为主动块和被动块,对主动块使用高速率采样,而对被动块使用低速率采样,结合平滑滤波和凸集投影的迭代步骤,对视频进行分块优化的重建。该方法与传统的均匀速率采样法的不同之处在于利用了视频的运动纹理特征,对运动的像素块使用高速率采样,以此提高视频的重建质量。仿真结果表明,与传统的均匀速率采样法相比,提出的变速率采样法可减少重建图像的块状效应,峰值信噪比更高。     

面向非均匀采样点集的3维表面重建算法

针对非均匀采样点集,提出一种改进的3维表面重建方法。该方法将整个点集进行空间划分,缩小近邻点的搜索范围,减少搜索时间;在确定近邻点时,先计算几何近邻点,然后通过求方向性点并构造最小生成树的方法,确定拓扑近邻点;最后通过将拓扑近邻点投影到局部切平面上,利用约束条件对投影点进行三角剖分,并将剖分得到的顶点连接关系映射到3维空间中,实现3维表面重建。实验结果表明,改进后的算法运行效率高、重建效果好、广泛适用于非均匀采样点集的表面重建。     

一种用于立体图像匹配的改进稀疏匹配算法

立体匹配有着广泛的应用前景,是计算机视觉领域的研究热点。立体匹配是立体视觉中最为关键和困难的一步,它的目标是计算标识匹配像素位置的视差图。文中提出的立体匹配算法基于置信传播（Belief Propagation,BP）。左图像首先经过非均匀采样,得到一个内容自适应的网格近似表示。算法的关键是使用基于置信传播的立体匹配算法,匹配稀疏的左图像和右图像得到稀疏视差图。通过左图像得到网格,稀疏视差图可以经过简单的插值得到稠密视差图。实验结果表明,该方法与现有稀疏立体匹配技术相比在视差图质量上平均有40％的提高。     

一种基于自适应背景杂波模型的宽幅SAR图像CFAR舰船检测算法

利用海洋宽幅SAR图像进行大范围海域舰船检测在海洋监视、军事侦察等方面具有重要应用。由于海况的复杂性,宽幅SAR图像背景杂波特性随海域不同而变化。采用双参数CFAR检测算法和基于K分布CFAR检测算法在处理宽幅SAR图像时,由于在待检测的所有区域采用同种背景杂波模型,导致使用的杂波模型在不适应区域失配,使CFAR检测性能下降。针对这个问题,提出了一种基于自适应背景杂波模型的CFAR宽幅SAR图像舰船检测算法,该算法通过背景窗口的多尺度统计方差判断目标所处的杂波环境,自适应选择对应的背景杂波分布模型,最后根据已知的恒虚警率及选择的杂波概率密度函数进行CFAR检测。对20多幅宽幅SAR图像进行了试验,实验结果表明:该算法在检测精度上有明显的改善。     

Shape classification and normal estimation for non-uniformly sampled, noisy point data

We present an algorithm for robustly analyzing point data arising from sampling a 2D surface embedded in 3D, even in the presence of noise and non-uniform sampling. The algorithm outputs, for each data point, a surface normal, a local surface approximation in the form of a one-ring, the local shape (flat, ridge, bowl, saddle, sharp edge, corner, boundary), the feature size, and a confidence value that can be used to determine areas where the sampling is poor or not surface-like.We show that the normal estimation out-performs traditional fitting approaches, especially when the data points are non-uniformly sampled and in areas of high curvature. We demonstrate surface reconstruction, parameterization, and smoothing using the one-ring neighborhood at each point as an approximation of the full mesh structure.     

Edge Detection from Non-Uniform Fourier Data Using the Convolutional Gridding Algorithm

Detecting edges in images from a finite sampling of Fourier data is important in a variety of applications. For example, internal edge information can be used to identify tissue boundaries of the brain in a magnetic resonance imaging (MRI) scan, which is an essential part of clinical diagnosis. Likewise, it can also be used to identify targets from synthetic aperture radar data. Edge information is also critical in determining regions of smoothness so that high resolution reconstruction algorithms, i.e. those that do not “smear over” the internal boundaries of an image, can be applied. In some applications, such as MRI, the sampling patterns may be designed to oversample the low frequency while more sparsely sampling the high frequency modes. This type of non-uniform sampling creates additional difficulties in processing the image. In particular, there is no fast reconstruction algorithm, since the FFT is not applicable. However, interpolating such highly non-uniform Fourier data to the uniform coefficients (so that the FFT can be employed) may introduce large errors in the high frequency modes, which is especially problematic for edge detection. Convolutional gridding, also referred to as the non-uniform FFT, is a forward method that uses a convolution process to obtain uniform Fourier data so that the FFT can be directly applied to recover the underlying image. Carefully chosen parameters ensure that the algorithm retains accuracy in the high frequency coefficients. Similarly, the convolutional gridding edge detection algorithm developed in this paper provides an efficient and robust way to calculate edges. We demonstrate our technique in one and two dimensional examples.     

一种空域和频域相结合的图像消噪方法

提出一种基于非均匀剖分和V变换相结合的图像消噪新方法。非均匀剖分逼近在空域上视像素的灰度值为拟合数据,依据最小二乘法原理,对含噪图像进行非均匀三角剖分,使图像表示为一个分片多项式,它能保持图像的边缘及细节特征,并通过对剖分精度的控制来实现图像的消噪;V系统是一类L2[0,1]空间上的完备正交系,具有多小波的多分辨特性,利用相应的V变换将图像变换到频域,通过对高频低频的系数处理来达到消噪的目的。结合非均匀剖分逼近和V变换两者的优势,将两个方法的消噪结果加权平均,得到一种新的消噪方法。实验结果表明了该方法的消噪效果比很多经典方法更好。