基于液晶的太赫兹可调谐超材料吸波体

文中设计了一种液晶太赫兹电控超材料吸波体,通过外部电场改变液晶层的等效介电常数,实现对于太赫兹反射波的调控。对器件的传输性能进行计算,分析了谐振频点处的表面电流分布和能量损耗密度情况。采用紫外光刻以及湿法刻蚀技术,制作了30×30单元超材料吸波体阵列并对其进行测试验证。结果表明,当偏置电压在0~30 V之间变化时,吸波体的谐振频点可实现101.5~117.95 GHz范围内的动态调控,综合可调率达到13.9%,整个工作频段内,吸收率始终维持在90%以上。     

基于HAF估计的超宽带LFM信号距离像频域校正

为更准确且简洁地表达超宽带的线性调频(LFM)信号的非线性相位,文中采用一种高阶模糊函数,而不是经典的泰勒展开来表达非线性相位多项式,并用高阶模糊函数(HAF)法估计非线性相位多项式系数。针对因目标延时不同导致的非线性程度不同的问题,采用了一种频域校正法补偿回波的非线性相位,一次性完成不同距离目标的一维距离像聚焦,无需对不同距离目标分别进行校正处理,算法效率大大提高。     

基于背景对消的微波活体目标探测与定位

研究微波对活体目标的探测与定位,为提高活体目标的探测精度和定位的准确性,文中提出并验证了两种不同消除背景回波的方法,一种是把某一时刻的数据作为背景干扰,其他各时刻数据依次减去作为背景干扰的数据,此方法适用于活体目标相对静止的情况,即目标除了呼吸心跳外其他身体部位没有运动;另一种是间隔一个固定时间两个时刻的数据,间隔时间后面的数据减去间隔时间前的数据,此方法适用于活体目标走动或肢体摆幅较大情况。通过实验验证了不同方法适合不同的活体目标的状态。     

基于不同导航信号的BISAR系统分辨性能分析

基于GNSS信号的双基合成孔径雷达(BISAR)成像系统具有多种突出的优势,已获得越来越多的关注。文中在广义模糊函数的基础上,针对导航卫星信号的伪随机码的特点,引入平均模糊函数的概念,以消除码元序列的伪随机性对系统模糊函数的影响。构建了适用于分析不同码元序列的平均广义模糊函数,对基于不同导航信号的BISAR系统的分辨性能进行了分析比较,并通过仿真进行验证。研究结果表明,导航卫星轨道对BISAR系统的分辨性能有较大影响,BDS导航信号拥有良好的分辨能力。     

用于匀加速转动目标成像的FRFT 方位压缩方法

复杂运动目标的转动分量多数情况下可近似为匀加速转动,散射点多普勒回波可以近似为LFM信号,经传统RD算法的DFT方位压缩后,散射点在傅里叶谱域上表现的方位向图像将出现散焦,引起图像质量下降.作为LFM信号,匀加速散射点的多普勒回波必然在某分数阶傅里叶域具有能量聚集性最好的频谱,且频谱峰值位置和幅度分别对应散射点的横向坐标和散射强度,散射点在方位向的聚焦像可由该频谱直观表示,该方法被称为FR-FT方位压缩.通过对仿真数据的处理表明,相对于DFT和RID算法,FRFT方位压缩具有分辨率高、交叉项干扰少等优点.     

基于液晶的太赫兹反射式波束扫描天线

提出了一种基于液晶的太赫兹电控反射式移相器及其构成的波束扫描阵列天线。通过采用液晶调控的开槽结构移相器,解决了液晶调控过程中谐振层覆盖面不足造成的液晶取向不均、边缘效应和饱和电压增大等问题。设计了工作在380 GHz三开槽的移相器,对谐振频点的表面电流分布和谐振频点进行了仿真分析。数值计算结果表明当液晶相对介电常数在2.47~3.26范围内变化,377~392 GHz频率范围内移相器能够实现360°的相移。采用三开槽结构反射相移单元,设计了工作于380 GHz的电控波束扫描阵列天线,实现了30°范围内的一维波束扫描,主瓣增益大于20 dBi。     

基于两维解卷积和稀疏回波去噪的高分辨雷达成像方法

该文提出了一种结合稀疏低秩矩阵恢复技术以及基于匹配滤波结果的反卷积算法的高分辨率雷达成像方法。对雷达回波信号进行匹配滤波操作可以最大化回波信噪比,通过推导发现经过匹配滤波操作后的回波信号可以建模为两维卷积的形式,对该结果做维纳滤波解卷积可以获得较高的分辨率。然而典型的解卷积算法面临着病态性问题,该问题会放大解卷积后的噪声、限制解卷积后的成像分辨率。文中证明了在目标稀疏分布的先验下,经过匹配滤波后的回波矩阵满足稀疏低秩的特性。在这种情况下,利用回波矩阵的稀疏低秩矩阵特征可以进一步提高信噪比,以减轻解卷积的病态性问题以及点扩散函数的平滑卷积造成目标散射低分辨率的影响。仿真实验以及实测数据证明了所提方法的有效性。      

利用多尺度特征的极化SAR深度学习分类

针对极化合成孔径雷达(POLSAR)图像提取到的特征信息量低和噪声干扰等问题，提出了一种对不同特征信息进行多尺度融合的方法，并利用融合后的特征，通过深度学习网络算法进行目标地物分类。首先利用小波变换技术对Freeman、Yamaguchi等极化分解得到的特征分量在不同尺度上进行融合，再利用主成分分析(PCA)降维算法处理融合后的数据，最后输入到DeepLabV3网络结构中训练。利用该方法对白湖农场地区高分三号全极化SAR数据进行验证，对比融合前后的分类结果，提出的算法在分类精度上有明显的提升，证明了该方法的有效性。