基于形态成分稀疏表示的红外小弱目标检测

信号稀疏表示的超完备字典可有效感知信号的各种结构特征。针对红外小弱目标检测问题,文中提出了一种基于图像形态成分分析(morphological component analysis,MCA)理论的自适应信号稀疏表示的小弱目标检测方法。该方法根据红外图像信号自适应的训练和构造超完备字典,并进一步分为反映目标信号特征的目标子字典和表示背景噪声的背景子字典。然后求取待检测图像块在超完备字典的稀疏表示系数,挖掘目标和背景的稀疏表示系数差异,最后通过量化和比较信号在目标子字典的表示系数检测小弱目标。实验结果证明了该方法的有效性。     

基于凸优化基追踪算法的线性调频信号参数估计

针对传统宽带线性调频信号参数估计精度不高的问题,提出了基于凸优化基追踪算法的线性调频信号参数估计方法。该方法利用Gabor原子良好时频特性,以l1范数稀疏正则最小二乘模型为目标函数求解稀疏Gabor原子进行参数估计。仿真实验证明,该方法具有原子的稀疏性好,对原信号重构精度高和参数估计准确的特点。     

一种机动目标调频步进雷达成像算法

针对低信噪比下机动目标的调频步进雷达成像问题,提出基于Radon-分数阶模糊函数(RFRAF)的方法进行积累成像的方法.在分析了机动目标的调频步进雷达回波信号特征的基础上,将目标回波信号在RFRAF域进行匹配和积累,通过峰值搜索出目标的运动参数,并构建补偿函数实现机动目标运动补偿,从而获得目标精确ISAR像.计算机仿真结果进一步表明了该方法能在低信噪比下稳健成像.     

一种机动目标调频步进雷达成像算法

针对低信噪比下机动目标的调频步进雷达成像问题,提出基于Radon-分数阶模糊函数(RFRAF)的方法进行积累成像的方法.在分析了机动目标的调频步进雷达回波信号特征的基础上,将目标回波信号在RF-RAF域进行匹配和积累,通过峰值搜索出目标的运动参数,并构建补偿函数实现机动目标运动补偿,从而获得目标精确ISAR像.计算机仿真结果进一步表明了该方法能在低信噪比下稳健成像.     

基于RCS数据重构调频步进雷达动态目标回波

调频步进雷达波形通常具有大带宽,由目标逐个频点的RCS电磁计算数据直接重构雷达回波,面临计算量巨大且高速运动目标回波难以实时计算的问题。基于线性雷达目标理论和FFT内插方法,提出了一种调频步进雷达动态目标回波信号生成的新方法,重点解决chirp信号子脉冲高速运动目标回波的实时生成问题。仿真实验验证了算法的有效性。     

主动防护系统探测雷达的高速多目标配对

提出了一种基于目标补偿的主动防护系统探测雷达高速多目标配对方法。通过采用点频连续波与负斜率线性调频连续波的组合作为雷达发射信号,由点频差拍信号获得高速目标的多普勒频率,构造补偿信号,对负斜率线性调频信号的差拍信号进行补偿,对于同一速度的高速目标补偿后得到目标距离。仿真结果验证了该方法的有效性。     

基于空时稀疏表示的红外小目标检测算法

提出了一种基于过完备空时字典及其稀疏表示的红外小弱目标运动检测算法。采用K奇异值分解算法学习连续多帧图像的运动信息和形态特征,构建自适应形态过完备空时字典;利用高斯运动模型检验自适应形态过完备空时字典,将其划分为能分别描述目标与背景的目标过完备空时字典和背景过完备空时字典;将连续多帧图像分别在目标过完备空时字典和背景过完备空时字典上稀疏分解,利用几个最大稀疏系数及其空时原子重构信号,增强二者残差来检测小目标信号。实验结果表明,该过完备空时字典不仅能同时描述目标与背景的运动信息和形态特征,极大地提高信号表示的稀疏程度,而且能有效增强目标与背景的特征差异,提高小运动目标的探测能力。提出了一种基于过完备空时字典及其稀疏表示的红外小弱目标运动检测算法。采用K奇异值分解算法学习连续多帧图像的运动信息和形态特征,构建自适应形态过完备空时字典;利用高斯运动模型检验自适应形态过完备空时字典,将其划分为能分别描述目标与背景的目标过完备空时字典和背景过完备空时字典;将连续多帧图像分别在目标过完备空时字典和背景过完备空时字典上稀疏分解,利用几个最大稀疏系数及其空时原子重构信号,增强二者残差来检测小目标信号。实验结果表明,该过完备空时字典不仅能同时描述目标与背景的运动信息和形态特征,极大地提高信号表示的稀疏程度,而且能有效增强目标与背景的特征差异,提高小运动目标的探测能力。     

基于高分辨距离像的单脉冲雷达三维成像方法研究

线性调频步进信号因其大的时宽带宽积及较低的采样率在高分辨雷达中倍受关注,单脉冲体制的雷达高精度测角在精确制导武器中应用越来越广泛.利用线性调频步进信号高分辨测距、单脉冲技术进行测角,从而形成基于扩展目标的合成高分辨距离-方位-俯仰三维像.仿真实验证明,此种成像方法可以得到较精确的目标散射中心的方位、俯仰角以及散射强度信息,对实现精确制导技术有着重要的理论意义和应用参考价值.     

基于调频傅里叶变换的低信噪比ISAR成像

针对LFM体制下ISAR雷达在低信噪比下对未知运动目标成像的难题,提出利用调频傅里叶变换的方法进行积累成像方法.在分析了脉间目标LFM回波信号特征的基础上,将目标回波信号在快慢时间域进行联合匹配和积累,通过能量积累后的目标位置估计搜索出目标的精确运动参数,并构建补偿函数实现目标运动补偿,从而获得低信噪比下的精确ISAR像.计算机仿真结果进一步表明了该方法能在低信噪比下稳健成像.     

去调频SAR成像处理算法

在合成孔径雷达中,为了提高距离分辨率,一般采用宽频带发射信号。宽频带信号可以有许多形式,如相位编码等,但用得最多的是线性调频(LFM)脉冲信号。由于线性调频信号的特殊性质,对它的处理不仅可用一般的匹配滤波方式,还可用特殊的去调频(dechirp)方式来处理。当雷达在接收回波信号时采用去调频处理方式,能大大减小回波信号的采样率和数据量计算量。文章主要研究了对采用去调频方法的正侧视条带式合成孔径雷达信号进行高分辨率成像的处理算法,并利用仿真数据完成了去调频后的成像,验证了该成像算法的可行性和有效性。     

基于冗余字典的多特征压缩感知目标跟踪算法

针对多特征压缩感知算法中,要求信号稀疏表示的基是一个正交矩阵的问题,提出了提取红外与可见光的多特征目标构造冗余字典子空间下的稀疏表示,分析了压缩感知算法中感知矩阵的选择和稀疏信号的重构。根据对信号稀疏表示的重构,提出粒子滤波框架下基于冗余字典的多特征压缩感知跟踪方法,能够自动检测复杂场景中出现的动态目标。实验结果表明,与其他经典算法相比,该算法在光照变化、相似外形的干扰目标遮挡等复杂场景中具有更好的鲁棒性及实时性。     

A Classification Algorithm for Ground Moving Targets Based on Magnetic Sensors

A novel classification algorithm based on abnormal magnetic signals is proposed for ground moving targets which are made of ferromagnetic material. According to the effect of diverse targets on earth's magnetism,the moving targets are detected by a magnetic sensor and classified with a simple computation method. The detection sensor is used for collecting a disturbance signal of earth magnetic field from an undetermined target. An optimum category match pattern of target signature is tested by training some statistical samples and designing a classification machine. Three ordinary targets are researched in the paper. The experimental results show that the algorithm has a low computation cost and a better sorting accuracy. This classification method can be applied to ground reconnaissance and target intrusion detection.     

地面运动目标震动信号的时频滤波检测

针对人员、车辆等地面目标运动时产生的地震动信号，通过典型时频分析方法STFT研究其时频分布特性，进而应用修改的复数卷积时变滤波方法进行信号检测，使信号信噪比得以提高，可从中提取更有效的特征向量为目标识别所用。     

基于压缩感知的ISAR像目标旁瓣抑制新方法

在ISAR成像中,基于脉冲压缩的处理方法不可避免地会产生目标旁瓣现象。为了有效的抑制目标旁瓣,提高目标识别能力,文中提出了一种基于压缩感知理论的ISAR成像方法,该方法根据雷达原始回波信号与参考信号作差频处理后所得信号的稀疏特性,构造合理的傅里叶基矩阵实现雷达数据的稀疏表征,然后利用正交匹配追踪算法重构目标谱图,并得到目标旁瓣被有效抑制的目标ISAR像。最后,通过仿真实验验证了文中方法的有效性和可行性。     

机载合成孔径雷达低速运动目标检测和成像的一种新方法

本文分析了机载合成孔径雷达(Airborne SAR)运动目标回波信号的特点,介绍了广义边缘CWD-Hough变换.根据机载SAR动目标的回波模型,本文提出了一种基于广义边缘CWD-Hough变换进行机载SAR低速运动目标检测及成像的新方法.该方法基于时间-频率联合分析法,利用其对低速运动目标参数的精确估计可以在较低的信杂比下实现低速目标的检测并对其成像,其检测性能大大优于常用的Wigner-Ville分布方法.计算机仿真结果证明了该方法的有效性.     

基于先验信息稀疏恢复的非均匀样本检测方法

针对训练样本被干扰目标污染导致空时自适应处理（STAP）目标检测性能下降的问题,提出了一种基于先验信息稀疏恢复的非均匀样本检测方法。该方法首先采用欠定系统局灶算法恢复待检测单元的稀疏表示系数,然后利用机载雷达系统参数等先验信息离线设计“稀疏滤波器”,并采用其滤除稀疏表示系数中的目标及“伪点”的影响,进而估计杂波协方差矩阵,最后与广义内积（GIP）方法结合,根据新的检测统计量来剔除被污染的样本。仿真分析表明,与传统GIP方法相比,该方法能够有效地检测出被干扰目标污染的训练样本,提升了STAP在非均匀环境下的目标检测性能。     

一种新的空谱联合稀疏高光谱目标检测方法

目标检测是高光谱数据处理的重要应用之一,高光谱图像中空间和光谱信息的充分利用对于目标检测率的有效提升非常关键。提出一种新的联合稀疏表示的目标检测方法,将混合范数理论和算法应用于高光谱目标检测,在联合高光谱图像空间和光谱信息的基础上,建立了基于联合稀疏性约束的混合范数正则化数学模型,并利用交替方向乘子法对模型进行了优化求解。仿真实验结果表明,该方法能有效提高高光谱目标检测的准确性,降低虚警率。     

D-S证据理论在目标识别中的应用

根据地面目标运动引起的地震动信号的特征信息，应用多传感器信息融合的方法将目标正确分类。首先根据地震动信号在频域和时频域的多种特征，应用BP神经网络模式识别法，将地面车辆目标分为轮式车、轻型履带式车和重型履带式车。设计了一种以神经网络正确识别率作为基本概率赋值的方法，并应用D－S证据理论进行识别信息融合，训练样本和识别样本分别取自外场实验所获得真实有效的数据，通过对识别信息融合，以较高的可信度得到与识别样本相一致的识别结果，这表明所设计的获取基本概率赋值的方法及信息融合算法是有效的，该方法可以推广应用于其他多传感器或多信息源的探测识别系统中。     

压缩感知合成孔径雷达射频干扰抑制方法

压缩感知合成孔径雷达成像技术能够利用少量采样数据恢复目标图像,大大减少数据存储系统的负担,但受到射频干扰时成像品质会严重下降;在目标场景稀疏条件下,分别构建目标回波信号原子库和射频干扰原子库,设计了压缩域合成孔径雷达成像射频干扰抑制算法,并对该算法进行理论分析,最终通过仿真实验验证了算法的有效性;仿真结果表明：该算法在较大干信比条件下,能有效抑制合成孔径雷达射频干扰,达到较好的成像效果。