基于多测量向量模型的极化探地雷达成像算法

针对极化探地雷达( GPR)工作过程中目标成像空间的联合稀疏性,提出了一种基于多测量向量模型的极化探地雷达成像算法。在建立极化探地雷达回波信号模型的基础上,利用各极化通道测量数据的联合稀疏性将各个极化通道的测量数据等效成多测量向量( MMV ),通过多任务贝叶斯压缩感知( MT-BCS)算法对各个极化通道的测量数据进行联合处理从而实现各个极化通道对应的探测场景反射率的重建。基于时域有限差分( FDTD)法的仿真数据处理结果表明所提成像算法在目标位置重建的准确性和背景杂波抑制能力上均优于单测量向量( SMV)模型的极化探地雷达成像算法。     

基于联合块稀疏模型的随机调频步进ISAR成像方法

在回波数据稀疏、低信噪比等不利条件下,利用随机调频步进信号进行ISAR成像时,成像性能将会严重下降。针对上述问题,该文在充分分析随机调频步进信号回波特性的基础上,提出利用目标距离向具有的联合块稀疏特征来获得高质量ISAR图像的新方法。首先,推导了在随机调频步进信号发射波形条件下目标回波信号的联合块稀疏成像模型并分析了该模型特征;其次,提出了联合块稀疏正交匹配追踪稀疏重构算法(JBOMP)实现对模型的求解。该算法利用ISAR回波信号具有的块稀疏以及联合稀疏等先验信息,因此在低量测值、低信噪比条件下的ISAR成像性能得到了增强。所提算法还可以实现对多维信号的联合处理,且具有较快的运算速度。理论分析与仿真实验均验证了所提方法的有效性。     

基于和差波束极化特性的目标极化散射矩阵测量方法研究

该文建立了一种基于常规单脉冲体制的目标全极化散射矩阵测量算法。首先证明了该型雷达天线具有复杂的极化结构,并且对回波信号的极化特性有一定的敏感性。利用单脉冲雷达和差通道的极化特性在获取目标角度信息的同时利用一个脉冲重复周期即可完成目标极化散射矩阵的测量,降低了全极化单脉冲雷达研发的系统复杂度和设计成本,通过电磁计算和仿真分析验证了上述研究的正确性。这对于开发现有雷达装备的极化测量处理能力、提升其抗干扰和目标识别能力具有一定的启发和指导意义。     

基于联合稀疏性的多视全极化HRRP目标识别方法

该文考虑利用连续获取的多视全极化高分辨距离像(High Range Resolution Profile, HRRP)进行目标识别的问题。多视全极化HRRP样本包含了3个层次的先验信息:样本内各分量来自同一目标;单视内4种极化组合方式下的HRRP均对应相同的目标姿态;相同极化方式下的多视观测是相关的。为有效利用上述信息进行目标识别,该文提出一种基于联合稀疏表示的多视全极化HRRP目标识别方法。该方法约束各分量对应的稀疏表示系数共享原子级的稀疏模式。原子级稀疏约束使得从各极化字典中选择来自相同姿态的字典原子对样本中各分量进行稀疏表示,可以有效利用上述3个层次的先验信息进行目标识别。利用目标电磁散射数据对所提方法进行了验证,结果表明,该方法具有较好的识别性能,并且对噪声具有良好的鲁棒性。     

一种基于幅度和相位迭代重建的四维合成孔径雷达成像方法

4维合成孔径雷达获取的观测数据在基线-时间平面非均匀分布。若采用传统成像方法来获取目标散射体的高度-速率维像,则因强副瓣存在,成像效果不理想。当信号具有稀疏性时,压缩感知技术能够利用少量的信号投影值就可实现信号的准确或近似重构。然而标准的压缩感知成像方法是针对实数据进行处理,4维合成孔径雷达成像处理的数据为复数据。因此该文提出了一种基于幅度和相位迭代重建的4维合成孔径雷达成像方法。将4维合成孔径雷达高度-速率成像问题转化为目标复散射系数的幅度和相位联合重建问题,通过在成像过程中引入相位信息来改善成像质量。仿真结果验证了该算法的有效性。      

全极化散射中心提取与参数估计:P-ESPRIT方法

该文提出了一种新的全极化散射中心提取与参数估计方法:P-ESPRIT方法。该方法是一种极化和超分辨联合处理方法,不仅实现了对各极化通道散射中心的数目、位置、强度以及归一化极化散射矩阵等参量的同时估计,而且充分利用了目标全极化信息,提高了散射中心提取与参数估计的精度。与MUSIC, ML等超分辨方法相比,P-ESPRIT不需要进行搜索,因此它还具有实时性高的优点。基于仿真和实测数据的实验结果证实了该方法的有效性。     

基于压缩感知的探地雷达成像算法研究

压缩感知理论通过从一系列非自适应线性测量中求解一个凸L_1最小化问题,从而对稀疏信号进行重构。该文基于压缩感知理论对宽带合成孔径雷达成像,利用空间目标信号成像的稀疏性,提出了一种全新的低采样率数据采集重构算法。此算法在获取雷达信号原始数据时采用压缩感知的算法,减少了原始信号数据的采样量,并且用少量的测量数据和测量孔径获得重建测量目标的信息。最后将此算法与传统的反投影成像进行了比较,其仿真试验数据表明,基于压缩感知的探地雷达成像算法比传统反向投影算法成像效果好,且所需数据量少。     

多航迹圆迹SAR三维联合稀疏成像方法

多航迹圆迹SAR具备三维成像能力,但受多次航迹观测,在高度向采样不足以及目标多角度观测散射特性变化等因素影响,多航迹圆迹SAR三维成像性能还需进一步提高,以满足后端目标解译的需求。文中综合利用成像场景在距离、方位和高度三个维度的稀疏分布特性,建立联合稀疏重构模型,实现高分辨率三维成像。进一步,针对建筑物等人造目标后向散射特性随角度变化剧烈的问题,采用分子孔径稀疏约束成像后进行子孔径非相干叠加的方式,以提高最终三维成像结果的信噪比等性能,在进行联合稀疏重构时采用分子孔径处理提高了目标的可解译度。Gotcha实测停车场数据中圆台Top-hat和Toyota Camry轿车的三维成像实验验证了方法的有效性。     

基于块稀疏贝叶斯模型的ISAR成像方法

传统ISAR稀疏成像主要针对独立散射点散射系数的重构问题,然而实际情况下目标散射点之间并不是独立存在的,而是以区域或块的形式存在,在该情形下利用常用的稀疏重构算法并不能完全地刻画块状目标的真实结构,因此该文考虑采用块稀疏重构算法进行目标散射系数重建。基于块稀疏贝叶斯模型和变分推理的重构方法(VBGS),包含了稀疏贝叶斯学习(SBL)方法中参数学习的优点,其利用分层的先验分布来表征未知信号的稀疏块状信息,因而相对于现有的恢复算法能够更好地重建块稀疏信号。该方法基于变分贝叶斯推理原理,根据观测量能自动地估计信号未知参数,而无需人工参数设置。针对稀疏块状目标,该文结合压缩感知(CS)理论将VBGS方法用于ISAR成像,仿真实验成像结果表明该方法优于传统的成像结果,适合于具有块状结构的ISAR目标成像。     

全极化散射中心提取与参数估计:P-MUSIC方法

本文提出了一种全极化散射中心提取与参数估计方法:P-MUSIC方法。该方法是一种极化和超分辨联合处理方法,不但能实现对各极化通道散射中心的数目、位置、强度以及归一化极化散射矩阵的同时估计,而且由于充分利用了目标全极化信息,还提高了散射中心提取和参数估计的精度。基于仿真和实测数据的实验结果证实了该方法的有效性。     

一种基于集成学习和特征融合的遥感影像分类新方法

针对多源遥感数据分类的需要,提出了一种基于全极化SAR影像、极化相干矩阵特征、光学遥感影像光谱和纹理的多种特征融合和多分类器集成的遥感影像分类新方法.对全极化PALSAR数据进行预处理和极化相干矩阵特征提取,利用灰度共生矩阵计算光学和SAR影像的对比度、逆差距、二阶距、差异性等纹理特征参数,并与光谱特征结合,形成6种组合策略.利用集成学习方法对随机森林分类器、子空间分类器、最小距离分类器、支持向量机分类器、反向传播神经网络分类器等分类器进行组合,对不同组合策略的遥感影像特征集进行分类.结果表明提出的基于多种特征和多分类器集成的新方法很好地利用了主被动遥感数据在不同地表景观类型提取上的潜力,综合了多种算法的优势,能够有效地提高总体精度和各类别的分类精度.     

基于稀疏和低秩结构的层析SAR成像方法

该文提出了一种基于稀疏和低秩结构的层析SAR三维成像方法.传统基于压缩感知的层析SAR成像方法仅仅对给定方位-距离单元的高程向进行稀疏表征和重建.考虑城市和森林等区域中各自的布局分布较为类似,目标在相邻方位-距离单元的高程向分布具有较强相关性.该方法通过引入Karhunen Loeve变换来表征相邻方位-距离单元的高程...     

前视阵列SAR回波稀疏采样及其三维成像方法

针对高分辨前视阵列SAR三维成像系统面临的距离采样率高和回波数据量大的问题,本文利用地面散射源在三维空间中的稀疏性,提出距离频域和沿航向时域二维稀疏采样并稀疏重构地面三维图像的方法.从前视阵列SAR角度观察三维地面,地面散射源在距离向和沿航向二维空间中是稀疏的,在该二维方向上联合稀疏采样有望实现最佳的稀疏采样效果.为避免距离向时域稀疏采样造成的三维成像复杂化,提出利用子脉冲结合距离频域稀疏采样的方法来实现距离向稀疏采样.同时,结合地面散射源连续性特点,提出低信噪比情况下稳健的信号重构方法.与传统三维匹配滤波成像方法相比,本方法降低了距离采样率和回波数据量,并直接重构地面散射源信息以实现三维成像.     

基于目标场景结构化稀疏重构的三维雷达成像方法

基于成像场景散射强度稀疏表示的3维雷达成像结果对目标的外形几何细节体现较差,不利于目标识别。该文首先分析了目标在成像场景内散射强度的结构化特征,然后以散射点梯度信息进行了结构化稀疏表示,构建了基于目标散射强度梯度变化的结构化稀疏重构模型,最后通过改进的联合正交匹配追踪算法重构出目标3维图像。实验结果表明,该方法具有较好的抗噪性能和成像质量,可以更好地反映目标外形几何特征。     

基于最大熵准则的多视角SAR目标分类方法

针对合成孔径雷达（Synthetic aperture radar,SAR）目标分类问题,提出基于最大熵准则的多视角方法。采用经典的图像相似度测度构建不同视角SAR图像之间的相关性矩阵,在此基础上分别计算不同视角组合条件下的非线性相关信息熵值。非线性相关信息熵值可分析多个变量之间的统计特性,熵值的大小即可反映不同变量之间的内在关联。根据最大熵的原则选择最优的视角子集,其中SAR图像具有最大的内在相关性。分类过程以联合稀疏表示为基础,对具有最大熵值的多个视角进行联合表示。联合稀疏表示模型同时处理若干稀疏表示问题,在它们具有关联的条件下具有提升重构精度的优势。根据不同视角求解得到的表示系数,按照类别分别计算对于选取多视角的重构误差,并根据误差最小的准则进行最终决策。文中方法可有效对多视角SAR图像样本进行相关性分析,并利用联合稀疏表示利用这种相关性,能够更好提高分类精度。采用MSTAR数据集对方法进行分析测试,通过与几类其他方法在多种测试条件下进行对比,结果显示了最大熵准则在多视角选取中的有效性和文中方法对SAR目标分类性能的优越性。     

基于SOMP的机载无源宽角SAR成像算法

针对机载无源宽角合成孔径雷达(SAR)在探测过程目标散射特性随观测角度变化的问题,在建立机载无源宽角SAR信号模型的基础上将成像重建过程转换为求解多测量向量的联合稀疏优化问题,并在分布式贪婪稀疏重建方法框架下提出一种基于同时正交匹配追踪的机载无源宽角SAR稀疏成像算法,能够实现对地面探测目标的准确稳健成像。仿真数据处理结果验证了所提成像算法的有效性和准确性。     

基于分布式压缩感知的高分宽幅SAR动目标成像技术

高分宽幅SAR动目标成像对目标跟踪具有重要的意义,常规天基多通道SAR技术要实现高分宽幅动目标成像需要通道数量巨大,系统复杂度过高,而且图像在方位向存在成对回波,形成虚警。针对上述问题,该文提出了一种基于分布式压缩感知的高分宽幅SAR动目标成像技术,在通道数量较大时,通道数量相比常规高分宽幅动目标成像构型通道数量约降低1倍,利用动目标稀疏特性和杂波背景非稀疏特性构建分布式压缩感知观测模型,采用先方位1维分布式压缩感知重建再距离方位2维分布式压缩感知重建,实现杂波背景和稀疏动目标的重建,并抑制多通道SAR动目标成像中的成对回波。结合RADAR-SAT数据的仿真试验结果验证了该技术的有效性。      

基于联合稀疏性的高分辨全极化雷达成像研究

针对频率步进体制高分辨全极化雷达,本文研究了基于稀疏信号表示的高分辨全极化雷达成像,并提出了一种基于极化平滑l₀范数算法的成像方法.算法中的联合稀疏性度量综合利用了目标在全极化下的散射特性,因而成像结果兼具全极化处理和稀疏优化算法的优点,不仅能以较少的观测回波获得高分辨距离像,还能全面准确反映目标全极化散射特性,有利于目标识别等进一步应用.仿真和暗室实测数据实验结果验证了本文方法的有效性.     

一种改进的基于波前重构的圆周SAR三维成像算法

与传统的直线SAR相比,圆周SAR(CSAR)具有对场景进行3维成像的能力。该文提出了一种基于波前重构的圆周SAR 3维成像的新方法,该算法通过补偿掉雷达运动轨迹引入的相位项的方法实现了图像的聚焦,避免了Hankel函数的计算,从而大大降低了算法实现的复杂度。仿真与实测CSAR数据成像结果验证了该算法的有效性。     

多重测量矢量模型下的稀疏步进频率SAR成像算法

基于压缩感知(Compressed Sensing, CS)的合成孔径雷达(SAR)成像算法可以用低于Nyquist采样率的采样数据完成稀疏目标高分辨成像。然而已有的算法在重构1维距离像时采用的大都是单重测量矢量(Single Measurement Vectors, SMV)模型,存在着重构耗时长、受噪声干扰大的缺点。该文从压缩感知的多重测量矢量(Multiple Measurement Vectors, MMV)模型出发,利用多重测量矢量恢复具有相同稀疏结构的联合稀疏目标信号源,从理论与实验角度分析了基于MMV模型的SAR 1维距离像成像性能,提出了一种距离向基于MMV模型,方位向基于SMV模型的2维SAR成像算法。该算法从耗时上、重构精度上均优于SMV模型下的CS成像算法。通过对仿真数据和地基雷达实测数据的处理,验证了算法的有效性。