GTD散射模型参数解调耦估计技术

文中通过分析最大似然方法估计GTD散射模型参数的不足，提出了一种基于参数解耦的综合估计流程。首先利用矩阵束方法求得散射中心的距离参数，然后在对GTD散射模型近似处理的基础上提出了一种估计散射中心类型参数的新方法，最后利用线性最小二乘技术估计出散射中心幅度参数。实验结果表明综合估计算法能够较好地估计出散射中心参数。     

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.     

基于空域滤波的雷达目标二维散射中心快速提取

针对几何绕射(GTD)模型,该文提出一种基于空域滤波的2维散射中心参数快速提取方法。该方法利用空域滤波过程将2维散射中心参数提取问题分解为多个1维散射中心提取问题,并利用1维旋转不变技术(1D-ESPRIT)来估计散射中心各维参数,最后利用最小欧氏距离实现2维参数的配对。与基于2维旋转不变技术(2D-ESPRIT)的方法相比,该方法避免了高维数的特征值分解,因而可以显著地降低计算的复杂度。仿真实验表明,与2D-ESPRIT高分辨算法相比,该方法不仅能够显著降低计算量,并且还能获得较好的估计精度,可以有效地用于提取目标散射中心参数信息。     

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.     

基于协同粒子群优化的GTD模型参数估计方法

针对雷达目标散射中心GTD(Geometric Theory of Diffraction)模型最大似然估计中存在的高维、非线性、混合参数估计问题,提出一种基于协同粒子群优化算法的参数估计方法.该方法能够同时估计得到散射中心的类型、幅度和位置参数,且对初始值不敏感,与基于RELAX的估计方法相比,不需要反复迭代估计,降低了计算复杂度.仿真实验结果表明,该算法能够较准确地估计得到GTD模型的散射中心参数.     

色噪声环境下GTD模型的参数估计

本文将能够精确描述高频电磁散射的GTD信号模型引入MUSIC算法,并对MUSIC算法做了相应改进。提出利用特征分析方法中信号与噪声子空间正交特性,使改进后的MUSIC算法既能够精确估计目标散射中心位置,又能估计散射中心类型。本文采用基于四阶累量的MUSIC算法,在一定程度上克服了高斯色噪声对MUSIC算法的影响,拓宽了GTD 模型参数求解的条件。     

基于GEESE算法对GTD模型参数估计的影响因素研究

将利用信号子空间特征向量的广义特征值（GEESE）算法应用到能够精确描述雷达目标电磁散射的几何绕射（GTD）模型中,仿真结果表明GEESE算法能精确估计目标散射中心的距离参数、类型参数和幅度参数,最后分析了影响GEESE算法估计精度的几个重要因素。     

基于GTD模型的目标二维散射中心提取

为精确描述隐身目标的高频电磁散射特性,该文用基于几何绕射理论的GTD模型代替以镜面散射为主的指数和模型。同时,为克服传统矩阵束算法(MEMP)计算量大、距离坐标配对等问题,该文提出用修正矩阵束算法和二维旋转不变技术(2D-ESPRIT)提取基于GTD模型的目标二维散射中心参数。仿真实验表明,该文的两种方法均适用于以边缘绕射等为主要散射源的隐身目标。     

GTD模型在目标谐振区散射机理建模中的适用性分析

为了弄清光学区目标散射模型GTD模型在目标谐振区散射机理分析中的适用性,该文提出了一种基于匹配追踪的GTD参数提取新算法。在此基础上,利用该算法和Li 的最小二乘拟合方法,分别使用GTD模型,Altes模型以及扩展了的Altes模型对导体球体谐振区理论散射场和实测有限长柱体的超宽带散射场进行了分析,并通过对提取的散射类型参数与拟合结果的对比分析给出了几点有意义的结论。     

基于GEESE算法的GTD模型参数估计

基于信号子空间特征向量的广义特征值（GEESE）算法具有比MUSIC和ESPRIT估计速度快的特点。将GEESE算法应用到能够精确描述高频电磁散射的几何绕射（GTD）模型中,利用特征子空间分解方法中信号子空间与噪声子空间的正交特性分离出信号子空间,使GEESE算法既能够精确估计目标散射中心的位置,又能估计散射中心的类型。仿真表明,这种算法有较好的效果,无需搜索,且估计的速度快,精度高。     

基于CP-GTD模型的三维散射中心参数估计

 散射中心是目标光学区电磁散射的基本特征,可反映目标精细物理结构.在建立精确描述目标高频电磁散射的三维CP-GTD模型的基础上,根据散射中心类型和位置参数的弱耦合性,提出基于三维ESPRIT方法估计目标全极化三维散射中心的位置,进而利用特征分析中信号子空间与噪声子空间的正交性和最小二乘方法,实现散射中心类型和相干极化散射矩阵的估计.与现有基于单极化观测模型的估计方法相比,所提方法不仅具有更好的估计性能与抗噪能力,而且能够直接估计出目标散射中心的相干散射矩阵,仿真实验验证了上述结论的正确性.     

基于改进LS-ESPRIT算法的GTD模型参数估计与RCS重构

针对传统LS-ESPRIT算法在估计GTD模型参数时抗噪效果差,估计精度不高这一问题,该文提出了一种改进的LS-ESPRT算法,有效地提高了算法的参数估计性能与抗噪性。首先,根据雷达目标的回波数据构建Hankel矩阵;其次,采用核范数凸优化方法对上述Hankel矩阵进行降噪处理,得到低秩的重构Hankel矩阵;最后,利用传统的LS-ESPRIT算法对降噪后的数据进行处理,估计出GTD模型参数。基于改进算法与传统算法分别得到重构RCS,并针对不同带宽对参数估计精度的影响作以仿真探究。仿真结果表明,与传统LS-ESPRIT算法与传统TLS-ESPRIT算法相比,改进LS-ESPRIT算法的参数估计性能更高,抗噪性更强,且重构RCS的幅值与相角误差更小。对不同带宽下的参数估计精度也进行了探究,并得出:带宽越大,估计精度越高。     

利用微动信息矩阵的弹道目标特征提取算法

为满足反导作战的现实需求及解决强噪声环境下弹道目标特征提取问题,提出了一种新的基于宽/窄带混合体制雷达的弹道目标特征提取算法。该算法分析了宽/窄带信号对应的微动特征,运用Viterbi算法分离并提取出各散射中心的微动曲线。在此基础上,根据宽/窄带微动特征的相关性,结合改进自相关法和最小二乘估计方法,构建并解算出目标最强散射中心对应的微动信息矩阵。最后利用散射中心关联和一致性匹配融合方法,构建多元方程组并求解,得到目标的微动特征和结构参数。仿真结果表明:当信噪比为0dB时,该算法估计得到的目标微动特征和结构参数的均方根误差的量级均为10-2。      

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。