跨谱段SAR散射中心多维参数解耦和估计方法

微波光子雷达发射大带宽跨谱段的信号,为目标的精细电磁特性描述和准确识别提供基础的同时,也亟需与之相应的大带宽大转角情况下的电磁模型参数提取方法。相比窄带条件,跨谱段信号数据量大,所含物理量信息维度高且复杂,大转角情况下距离和方位向耦合。该文提出跨谱段SAR散射中心多维参数解耦和估计方法,首先结合极坐标格式算法(PFA)和属性散射中心模型构造2维解耦波数域散射中心模型,再结合坐标下降法(CDA)将复杂的高维耦合参数估计方法简化为循环迭代的1维参数估计方法,有效降低字典维度和估计复杂度,并引入Hooke-Jeeves算法提高估计精度。最后根据各个散射中心的参数估计结果对它们的结构和位置进行识别,对仿真数据的处理实验验证了该文方法的有效性。     

基于正交投影的GTD模型参数估计方法

雷达目标散射中心的参数估计在目标高频电磁散射特性分析和识别中有着许多重要的应用.以几何绕射(GTD)模型为基础,提出了一种基于正交投影的模型参数估计方法.该方法依据GTD模型中散射中心位置与类型参数的低耦合,利用信号子空间的平移不变结构估计散射中心的位置,根据频率依赖项的正交投影系数对类型参数进行鉴别.由于整个估计过程一次完成,因此,具有较低的计算复杂性.仿真实验结果表明:该方法具有较高的估计精度和良好的推广性能.     

基于压缩感知的二维GTD模型参数估计方法

几何绕射理论(Geometrical Theory of Diffraction,GTD)模型能够精确描述高频区雷达目标的电磁散射机理.该文在分析雷达回波稀疏特性的基础上,将参数估计问题转化为压缩感知理论中的稀疏信号重构问题,据此提出了一种基于压缩感知的2维GTD模型参数估计方法.该方法首先利用2维傅里叶变换成像确定目标散射中心的支撑区域,然后在支撑区域内对散射中心的GTD参数进行估计,最后利用聚类方法和最小二乘方法对估计结果进行修正.仿真和暗室测量数据实验结果表明,与现有方法相比,所提方法能有效改善模型参数的估计性能,且对提高散射中心类型参数的估计精度更为明显.     

基于四阶混合累积量的CP-GTD模型参数估计方法

二维相干极化GTD（CP-GTD）模型能够精确描述高频区雷达目标的电磁散射机理。基于此模型,针对二维ESPRIT方法在色噪声情况下估计精度不高的问题,提出了一种新的二维散射中心参数估计方法。根据二维四阶混合累积量的特点和性质,用其代替观测数据实现色噪声背景下二维CP-GTD模型的位置参数估计,然后通过MUSIC谱峰搜索方法估计散射中心的类型参数,通过最小二乘法估计散射中心的相干极化散射矩阵。该方法能够实现全极化雷达目标的超分辨成像和二维CP-GTD模型参数的正确估计,与现有的二维MUSIC和二维ESPRIT方法相比,改善了估计性能,对色噪声具有较强的稳健性,同时克服了在长观测样本情况下计算量过大的缺陷。仿真和暗室测量数据实验验证了上述结论的正确性。      

基于稀疏表示的SAR图像属性散射中心参数估计算法

考虑目标频率-方位2维观测数据在属性散射中心模型参数空间上的稀疏性,该文提出一种基于稀疏表示的属性散射中心提取与参数估计方法。由于模型参数维数较高,构造的高维联合字典将消耗较多系统资源。该算法通过分别构建包含位置信息与方位属性参数信息的两个低维字典代替高维的联合字典实现距离特性与方位特性的解耦合,以降低资源需求,并通过正交匹配追踪(OMP)-RELAX联合算法求解l0优化问题,从而实现在频率-方位角域上位置参数与方位属性参数的联合估计。根据提取的属性散射中心可以有效地估计目标或目标重要部件的几何尺寸。基于电磁计算数据和实测数据的实验结果验证了该算法的有效性。     

利用压缩感知实现随机变频雷达散射中心估计

随机变频信号体制不仅可以降低系统瞬时带宽和数据采样率,还具有很强的抗干扰能力,然而,信号频率的随机变化导致现有目标散射中心估计方法失效。推导了随机变频信号的回波模型,在分析回波稀疏特性的基础上,提出了一种基于压缩感知的散射中心模型参数估计方法,将参数估计问题转化为压缩感知理论中的稀疏信号重构问题,并分析了感知矩阵对稀疏信号的重构性能。实验结果表明,所提方法能够在降低数据采样率的情况下对目标散射中心参数进行有效估计。     

雷达目标二维结构成像方法研究

该文首先研究了雷达目标二维电磁散射的频域散射模型;而后提出了用参数估计方法实现目标ISAR成像的思想,并研究了MP2D参数估计方法;最后用仿真数据和波音727客机真实目标实测数据对该方法进行了实验验证。实验结果表明,该方法能准确估计目标的二维散射中心,且对噪声有较强的抑制能力。     

烟花算法在SAR图像属性散射中心参数估计中的应用

针对合成孔径雷达（SAR）属性散射中心估计问题,提出基于烟花算法的方法。首先,在图像域对SAR图像中高能量区域进行分割解耦,获得单个独立散射中心在图像域的表现形式。在此基础上,以属性散射中心参数化模型为基础,构建优化问题,对分离出来的单个散射中心进行最优参数的搜索。在此阶段,引入烟花算法进行参数寻优。该算法具有强大的全局和局部搜索能力,在保证优化精度的条件下避免陷入局部最优,从而保证散射中心参数估计的可靠性。在原始图像中剔除求解后的单个散射中心,对残余图像进行高能量区域分割,序惯估计下一个散射中心的属性参数。最终,获取输入SAR图像上所有散射中心的参数集。实验中,首先基于MSTAR数据集中的SAR图像进行参数估计验证,通过参数估计结果与原始图像的对比以及基于估计参数集对原始图像进行重构,反映了提出算法的有效性。此外,实验还基于估计得到的属性参数进行SAR目标识别算法验证,通过与其他参数估计算法在相同条件下进行识别性能的对比,进一步体现了提出方法在属性散射中心参数估计上的性能优势。     

独立属性散射中心参数降耦合估计方法

属性散射中心模型是基于几何绕射(GTD)模型完善得到,其模型参数具有频率和方位依赖特性,相比点散射模型对目标特征描述更为准确。但属性散射中心模型中也引入了参数维数增加的问题,模型参数估计相对困难。针对属性散射中心模型的参数估计,该文对图像分割后获得的独立散射中心进行研究,提出一种将部分参数降耦合的参数估计算法。通过建立合理的代价函数进行参数估计。相对传统参数估计方法,该方法无需获取准确的参数的初始值,从而在复杂性和时效性上有很大的改进。最后,基于仿真数据的实验论证了该文方法的有效性。     

基于一种超分辨率算法的 三维散射中心提取方法

针对转台-弧形导轨测量方法,在二维MEMP方法的基础上,提出一种适用于三维散射中心提取的超分辨率算法.该方法利用Hankel矩阵的结构特性,以及子空间不变技术等,实现对信号三维参数的正确估计,并且无需额外的配对步骤.对八个散射点组成的立方体模型的数值仿真表明,该算法可以正确估计信号参数对,并对噪声的鲁棒性较强.进一步将三维参数估计问题扩展到N维情况,给出了具有较普遍意义的N维参数估计公式.