一种基于二维信号稀疏重构的互质采样星载SAR成像处理方法

互质采样星载SAR通过方位互质采样代替传统方位均匀采样,可有效缓解空间分辨率与有效成像宽度之间的相互制约,提升SAR系统的对地探测性能。然而,方位向互质采样使得回波信号呈现方位欠采样及非均匀采样特性,导致传统SAR成像处理方法无法实现互质采样星载SAR的有效成像处理。该文提出一种基于2维信号稀疏重构的互质采样星载SAR成像处理方法。该方法在距离向脉冲压缩后,根据各距离门的多普勒参数截取2维观测信号并构造相应的稀疏字典,然后通过改进的2维信号稀疏度自适应匹配追踪算法完成方位聚焦处理。该方法不仅可以补偿SAR回波信号的距离方位2维耦合,还可以消除成像参数随距离空变对稀疏重构造成的影响,从而实现全场景的精确重构。点目标及分布目标仿真实验结果验证了所提算法可在远低于奈奎斯特采样率的情况下实现稀疏场景的有效重构。      

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。     

互质阵中基于降维求根的波达角估计算法

该文提出互质阵中基于降维求根的波达角(DOA)估计算法。互质阵包含两个稀疏均匀线性子阵,拥有互质的阵元间距和阵元数目。该算法基于子阵间的互协方差,利用较长子阵中的旋转不变性扩展较短子阵的虚拟孔径。然后通过矩阵分块构造噪声子空间,并将来自两个子阵的2维参数估计问题降维为1维求根问题,获得自动配对的2维模糊参数估计。最后由这2维模糊参数可恢复出两组参数,根据互质性从两组参数估计的交集中可以获得无模糊的高分辨率DOA估计。相比互质阵中的联合多重信号分类(MUSIC)算法和联合旋转不变技术(ESPRIT)算法,该算法无需特征分解,复杂度低,但可获得更精确的DOA估计,处理更多的信源,并且对色噪声有更强的鲁棒性。多个仿真结果均验证了所提算法的有效性。     

非均匀噪声条件下的互质阵列欠定DOA估计方法

针对基于互质阵列的欠定DOA估计方法在非均匀噪声条件下性能下降的问题,该文提出一种基于协方差矩阵重构和矩阵填充的鲁棒DOA估计方法。首先,将接收数据协方差矩阵分解,得到包含非均匀噪声项的对角阵;然后,选取对角线元素中的最小值,替换其余对角线元素,进而得到重构后的数据协方差矩阵;最后,对重构后的协方差矩阵进行扩展和矩阵填充,结合子空间方法进行DOA估计。理论分析和仿真结果表明,相对于现有方法,该文方法有效地抑制了非均匀噪声的影响,有更好的DOA估计性能。     

互质MIMO雷达的非圆信号降维DOA估计方法北大核心CSCD

针对传统互质阵列波达方向估计方法存在的自由度低、阵列孔径小、相位模糊等问题,提出了一种基于互质MIMO雷达的非圆信号降维波达方向(Direction of Arrival, DOA)估计方法。该方法结合了互质阵列与MIMO雷达的优点,利用非圆信号特性对阵列进行扩展,重构接收信号矩阵,然后进行降维处理,并利用噪声特征值的幂级数对噪声子空间进行修正,进一步提高算法精度。最后推导了文中方法的无相位模糊问题。仿真实验表明,文中方法能够有效避免相位模糊,大大提高自由度并扩大阵列孔径,与传统MUSIC算法以及互质阵列MUSIC算法相比,在估计成功率、DOA估计精度等方面均具有更好的性能。     

利用补零信息的单载波块传输盲信道估计方法

该文提出了一种针对单载波块传输(SCBT)系统的信道估计方法.该方法利用单载波块传输系统中的补零(ZP)信息,在频域实现了频率选择性信道基于子空间的盲估计.文中同时给出了所提方法的辨识条件.该方法性能优于过采样信道估计方法,且对信道阶数过估计不敏感.计算机仿真和分析验证了所提方法的有效性.     

基于稀疏描述的SAR目标方位角估计算法

精确的目标方位角估计对于基于模板的SAR ATR算法的性能提高大有裨益,可降低算法运算量,提高运算效率。提出一种有效的基于稀疏描述的SAR目标方位角估计方法。首先,利用所有训练样本构造字典矩阵,获得测试样本的稀疏描述向量;然后,通过稀疏描述向量中的非零系数计算重构误差,利用SAR图像中特有的目标方位角敏感特性,选出重构误差最小的样本所对应的方位角作为估角结果。不同于现有的方位角估计方法,所提算法可以有效地克服180°方位角模糊问题。采用实测的MSTAR数据进行实验,实验结果验证了所提方法的有效性。     

层析SAR技术研究进展

合成孔径雷达(Synthetic Aperture Radar,SAR)通过将三维场景投影到距离-方位平面获取场景二维成像信息,但由此导致的叠掩问题影响图像解译。层析合成孔径雷达(Tomographic Synthetic Aperture Radar, TomoSAR)利用同一场景的多次航过数据在高程向合成孔径,获取目标三维成像结果,能够从根本上解决叠掩问题。本文从层析SAR信号模型出发,描述了不同维度下的层析SAR成像算法,系统地总结了应用于层析SAR研究的各机载和星载系统,阐述了层析SAR在城区、森林和冰川等场景下的应用,对于城区建筑物信息提取、森林参数信息提取和冰川结构参数提取中面临的主要问题和现有解决策略进行了详细的分析。最后,总结本文内容并展望层析SAR技术的发展前景。     

基于加权l1-SRACV算法的稀疏DOA估计

针对稀疏重构到达角估计方法中的l1-SRACV算法在低信噪比条件下,估计得到的空间谱伪峰较多的问题,利用子空间的方法选取权值,对l1-SRACV算法的目标函数进行加权,以达到抑制伪峰的目的。阐述了利用子空间方法选取权值的合理性,并讨论了噪声子空间欠估计与过估计时对权值性质的影响。理论分析和仿真实验表明:低信噪比时,加权l1-SRACV算法能够有效地抑制伪峰,并减小了角度估计误差;噪声子空间的欠估计与过估计均会减弱伪峰抑制效果。     

基于互质阵列的相干与非相干目标DOA估计算法

提出基于互质阵列的相干与非相干混合目标空间达波方向(DOA)估计算法。首先,基于差协同阵等效的概念,将互质阵列相关矩阵的元素重排形成增广相关矩阵;然后采用矩阵重构对增广相关矩阵进行解相关处理;最后,对解相关的增广相关矩阵进行多重信号分类(MUSIC)空间谱搜索,实现对目标的DOA估计。仿真结果表明,该算法可实现对数目多于互质阵列物理阵元的相干与非相干混合目标的DOA估计。对比矩阵重构、前向空间平滑和前后向空间平滑3种解相关算法,矩阵重构解相关获得了更大的可分辨目标数目,在低信噪比(SNR)下呈现出更佳的估计误差性能,而空间平滑解相关在低快拍情况下具备更优的估计误差性能。     

基于块压缩感知的SAR层析成像方法

基于压缩感知(Compressive Sensing, CS)的SAR层析成像方法(SAR Tomography, TomoSAR),虽然实现了对目标的3维重构,但对于具有结构特性的目标其重构性能较差。针对这一问题,该文提出了采用块压缩感知(Block Compressive Sensing, BCS)算法,该方法首先在CS方法基础上将具有结构特性的目标信号重构问题转化为BCS问题,然后根据目标结构特性与雷达参数的关系确定块的大小,最后对目标进行块稀疏的l1/l2范数最优化求解。相比基于CS的SAR层析成像方法,该方法更好地利用了目标的稀疏特性和结构特性,其重构精度更高、性能更优。仿真数据和Radarsat-2星载SAR实测数据的试验结果验证了该方法的有效性。      

基于扰动的结合Off-grid目标的层析SAR三维成像方法

层析合成孔径雷达(TomoSAR)通过组合在不同高度上获取的多基线二维SAR数据,实现合成孔径雷达的三维成像.TomoSAR的求解本质是一维谱估计问题,基于压缩感知的方法可以在非均匀分布的少量基线观测下实现求解,逐渐成为了主流的成像方式.在经典的压缩感知算法流程中,需要将连续的高程向划分成固定的网格,并且假定目标正好位...     

基于几何约束移动最小二乘的TomoSAR山区点云高精度三维重建方法

层析合成孔径雷达(TomoSAR)是一种先进的山区三维重建技术手段。然而,TomoSAR点云存在着较强烈的高程向定位误差,给高精度的山区三维重建带来了挑战。针对这个问题,该文提出了一种基于几何约束移动最小二乘(MLS)的高精度TomoSAR山区点云三维重建方法。该方法不仅具有传统MLS基于局部子空间思想进行复杂曲面结构拟合的优势,还可以充分地利用TomoSAR点云高程随地距单调递增的特点进行重建误差修正。首先,将点云投影到新的方位-地距-高程坐标系。然后,使用所提的基于迭代求解的几何约束MLS进行高程向定位误差修正。最后,通过投影变换得到山区三维重建结果。仿真和实测的机载阵列TomoSAR山区数据以及AW3D30 DSM数据和1:10000 DEM数据,验证了该文方法的有效性,同时表明了机载阵列TomoSAR用于山区高精度三维重建等应用的可行性和优越性。      

雷达目标一维距离像识别中的最优子空间法

提出一种基于最优子空间进行特征提取的雷达目标识别方法.最优子空间中各座标轴在目标分离意义上是最佳的,它同时能满足最小错误分类率原则;利用最优子空间能够提取到更优的特征,改善目标识别性能.对四类目标的仿真实验结果表明了方法的有效性.     

最小相关性和最大-最小相关性MWC重构算法

针对调制宽带转换器（Modulated Wideband Converter, MWC）现有重构算法高概率恢复所需的通道数高的问题,提出了MinCor(Minimum Correlation)算法和Max-MinCor(Maximum-Minimum Correlation)算法。MinCor算法利用噪声子空间与感知矩阵的最小相关性求支撑集。Max-MinCor算法联合利用信号子空间与感知矩阵的最大相关性和噪声子空间与感知矩阵的最小相关性求支撑集。实验结果表明,MinCor和Max-MinCor算法在理论条件下,重构所需的通道数均已接近理论极限值。MinCor算法可实现低通道数下的快速重构,但在信噪比小于10dB时,该算法的恢复性能下降;Max-MinCor算法在MinCor算法的基础上提高了抗噪性,但其重构速率低于MinCor算法。以上两种算法均可用于节约硬件成本、减少系统体积。      

Computationally efficient DOA estimation for coprime linear array: a successive signal subspace fitting algorithm

ABSTRACT

In this paper, direction of arrival (DOA) estimation of multiple signals with coprime array is investigated and signal subspace fitting (SSF) method is linked to the coprime array, which achieves a better DOA estimation performance than the traditional uniform array. While the SSF method requires expensive computational cost in the case of multiple signals due to the multidimensional global angular searching, we propose a successive SSF (S-SSF) algorithm from a computationally efficient perspective. In the proposed algorithm, we employ rotational invariance and coprime property to obtain the initial estimates. Then, via a successive scheme, we transform the traditional multidimensional global angular searching problem into one-dimensional partial angular searching one. Consequently, the computational complexity has been significantly reduced. Specifically, the proposed S-SSF algorithm can obtain almost the same DOA estimation performance as SSF but with remarkably lower complexity. Finally, Cramer-Rao Bound (CRB) is provided and numerical simulations demonstrate the effectiveness of the proposed algorithm.