基于相干化处理的步进频率ISAR成像算法研究

在步进频率高分辨ISAR成像中,传统的参数估计方法往往不能准确地估计出运动目标的速度和加速度值,其补偿后存在的相位误差对宽带合成ISAR图像有较大的影响。因此,该文提出了一种基于相邻相关法和相位相干化的步进频率高分辨ISAR成像技术,即通过相邻相关法估计运动目标的径向运动参数,在对回波数据包络进行补偿后,利用相位相干化对各子脉冲的相位误差进行校正,再利用频带拼接技术获取目标的合成高分辨1维距离像。之后,利用RD算法实现目标的高分辨ISAR成像。该方法具有精确相位误差补偿精度和高运算效率的优点。仿真和实测数据验证了该方法的有效性。     

基于稀疏成份分析的几何绕射模型参数估计

雷达目标散射中心的参数估计对目标特性分析和目标识别有重要意义。该文以几何绕射模型为基础,综合利用多频段的频域测量数据,给出了散射中心位置、幅度和散射类型参数的融合估计方法。数值仿真结果表明,该方法能有效地挖掘模型信息,具有超分辨能力,给超宽带雷达信号处理提供了新的途径。     

一种新的多频段雷达信号相干算法

多频段雷达信号融合成像技术是提高目标距离像分辨率的一种有效方法。相干处理是多频段融合成像的前提和关键。本文分析了用不同雷达测得的动目标频率响应间的非相干量。针对传统相干方法所需的频谱外推所带来的低信噪比下相干精度差、计算量较大的缺陷,本文提出利用不同频段强散射中心极点信息的差异来估计非相干量,并对算法的处理流程和实际应用中可能遇到的几个问题进行了细致分析。计算机仿真实验和实测数据处理结果表明所提方法有效地改善了估计效果并降低了运算量。      

一种新的多波段雷达相参处理方法

针对宽带多波段雷达信号层融合中的相参处理问题,提出了一种基于频率外推和散射中心提取的相 参处理算法。该方法利用MUSIC 算法估计各频带数据的模型参数,然后进行频率外推,对外推后的扫频数 据提取散射中心可获得幅度误差、线性相移和固定相移的估计。通过分别估计幅度补偿、线性相移和固定 相移,避免了多维优化求解时计算量大且易陷入局部极小值的问题。通过仿真实验证明了该算法的有效性。     

非相干分布源DOA和角度扩展去耦估计方法

该文提出了一种新的非相干分布源的DOA和角度扩展估计算法。根据空间频率模型下的非相干分布源协方差矩阵的结构特点,可将协方差矩阵分离成两个分别由相位信息和幅度信息重建的矩阵。对矩阵的各主次对角线元素均进行平滑,可得到包含相位信息和幅度信息的平滑向量。利用最小均方拟合方法,可从相位信息中估计得到方位角;估计得到的方位角信息代入到幅度信息中即可获得角度扩展信息的估计,实现非相干分布源的DOA和角度扩展去耦估计。计算机仿真验证了算法的性能。     

基于酉ESPRIT的多频带融合ISAR成像

多频带融合成像可有效提高ISAR成像的距离分辨率。传统的ESPRIT谱估计融合算法只利用了复数观测数据本身,而没有利用其共轭数据。该文提出对合成复观测数据及其共轭的酉ESPRIT法进行调整以实现基于酉ESPRIT法的多频带融合ISAR成像。酉ESPRIT法充分利用复数观测数据信息,更有利于多频带融合的频谱估计和ISAR成像。针对多频带融合中目标散射点越分辨单元徙动校正的问题,调整了传统校正处理的步骤,分别在多频带融合前进行越距离单元徙动校正和融合后进行越多普勒单元徙动校正,避免了回波中的快时间频率-慢时间耦合项以及时域相位补偿对频域融合处理的影响,从而得到效果更好的多频带融合ISAR图像。仿真和实测数据结果表明所提方法不但能得到高质量的融合ISAR图像,也具有更优的抗噪性能和更高的运算效率。

     

基于PolInSAR的植被区高精度数字表面模型反演方法

针对传统方法无法估计电磁波在植被中的穿透深度导致植被数字表面模型(DSM)反演误差较大的问题,该文提出一种高精度DSM估计方法。该方法首先通过极化干涉相干最优中最大化相位差法分离得到电磁波在植被中高、低散射相位中心的干涉相位。然后提出一种归一化高、低散射相位中心高度随消光系数变化的模型,基于该模型搜索得到电磁波在植被中的最浅穿透深度。最后利用干涉处理方法得到高散射相位中心的高程,将最浅穿透深度补偿到该高程中,从而提升植被区DSM估计精度。利用PolSARpro软件在不同植被种类和不同植被高度下进行仿真试验以及机载全极化数据进行实测数据试验,试验结果表明该方法能有效提高植被区DSM反演精度。

     

稀疏分解在雷达一维距离像中的应用

雷达一维距离像成像本质上是对雷达目标散射特性进行信号表示的过程,它以其获取的简单性及有效性,在雷达成像及目标识别方面得到了广泛的应用。针对雷达目标几何绕射参数化模型,利用稀疏分解方法,研究了高分辨一维距离像的重构及特征提取问题。以此可以避免奈奎斯特采样定理的弊端,以更贴近信号本质特征的方法处理雷达回波信号。通过匹配追踪算法,寻找最佳匹配原子的位置,以此估计雷达目标散射点参数。实验结果表明该方法在信号重构及特征提取方面的有效性。     

稀疏子带的多频段雷达信号融合超分辨距离成像

多频段雷达信号融合是提高目标距离分辨率的一种有效方法,在稀疏子带观测条件下,由于信号频带稀疏,传统的相位补偿和融合成像方法难以应用,为此本文在线性调频信号体制下,基于修正的多重信号选择(MUSIC)算法提出了一种新的参数化融合成像方法.该方法首先对信号离散序列进行均匀采样处理,然后对多个频带的雷达信号统一建模,将相位补偿参数与目标散射中心参数一起估计,理论分析和仿真结果表明该方法能够有效融合多频段的雷达观测信号,改善目标一维距离像的分辨率.     

一种水声通信Turbo均衡中的软迭代信道估计算法

Turbo均衡技术是水声相干通信克服信道多径、消除码间干扰(ISI)的有效工具。Turbo均衡实际使用时需要对时变、多径信道进行良好的估计。为了提高信道估计的效果,该文基于时变横向滤波和相位旋转信道模型,提出一种水声通信Turbo均衡中的软迭代信道估计算法。该算法采用快速自优化最小均方算法得到各数据符号处的横向滤波器系数矢量并与二阶锁相环联合优化计算。通过仿真比较,该算法明显优于硬迭代信道估计算法,且相位估计性能优于其他文献中的软迭代信道估计算法。在海上试验中,水声通信距离5 km,方向近似垂直,接收阵起伏周期10 s,起伏幅度5 m左右,在此情况下进行数据采集。将该算法用于对海试数据的单通道Turbo均衡处理,实现无误码输出,验证了所提算法在软迭代信道相位估计方面的优势。     

超高分辨率星载SAR系统多子带信号处理技术研究

多子带信号拼接是星载合成孔径雷达（Synthetic Aperture Radar, SAR）实现超高距离分辨率的重要方式,但受限于硬件系统、大气传输等非理想因素的影响,接收各子带信号在子带内会存在幅度和相位误差,子带间也存在幅度、相位和时延不一致误差。这些误差严重影响多子带合成后的信号质量以及最终的图像质量。本文基于星载多子带SAR系统模型,首先提出了一种先单子带成像,再多子带信号拼接的成像处理策略;然后在此基础上,针对子带内/子带间幅相和时延误差提出一种基于各子带强目标点数据的误差估计与补偿方法。该方法主要包括基于质量相位梯度自聚焦（Quality Phase Gradient Autofocus, QPGA）准则的强目标点数据提取、基于PGA的子带内误差估计、子带间误差估计和误差补偿与频谱合成四个步骤。理论仿真分析数据实验验证了本方法的有效性。      

shearlet变换和区域特性相结合的图像融合

为了提高多模医学图像或多聚焦图像的融合性能,结合shearlet变换能够捕捉图像细节信息的性质,提出了一种基于shearlet变换的图像融合算法。首先,用shearlet变换将已精确配准的两幅原始图像分解,得到低频子带系数和不同尺度不同方向的高频子带系数。低频子带系数使用改进的加权融合算法,用平均梯度来计算加权参量,以此来改善融合图像轮廓模糊度高的问题,高频子带系数采用区域方差和区域能量相结合的融合规则,以得到丰富的细节信息。最后,进行shearlet逆变换得到融合图像。结果表明,此算法在主观视觉效果和客观评价指标上优于其它融合算法。     

人工鱼群算法优化的小波图像融合

针对甲状腺肿瘤的B超、核素图像和颅腔横断面的CT,MRI图像,提出一种使用人工鱼群算法寻优的小波图像融合方法。利用小波变换将源图像进行小波分解,得到源图像的低频部分和高频部分。低频部分的系数使用加权融合算法进行融合,为使融合结果包含足够的信息量,以综合熵作为适应值对低频部分使用人工鱼群算法进行优化,得到融合系数的最优权值。高频部分的系数采用取绝对值最大的融合规则。通过小波逆变换得到融合图像。实验过程中,分别对这两组医学图像进行融合。客观评价参数表明该算法能够得到更优的融合图像。     

融合NSST和稀疏表示的PET和MRI图像融合

图像融合技术旨在解决单模态图像呈现信息不充分、不全面的问题。本文针对红外和可见光图像的融合,提出了一种新的在非下采样剪切波变换（Non-Subsampled Shearlet Transform, NSST）域下基于引导滤波（Guided Filter, GF）和稀疏表示（Sparse Representation, SR）的融合算法。具体地,①利用NSST对红外与可见光图像分别进行分解,以得到各自的高频子带图像和低频子带图像;②使用GF加权融合策略对高频子带图像进行融合;③使用滚动引导滤波器（Rolling Guidance Filter, RGF）将低频子带图像进一步分解为基础层和细节层：其中基础层采用SR进行融合,细节层利用基于一致性验证的局部最大值策略进行融合;④对融合后的高频子带和低频子带图像进行NSST反变换,从而得到最终的融合结果。在公开数据集上的实验结果表明,相较于其它一些方法,本文方法得到的融合结果的纹理细节信息更丰富、主观视觉效果更好,此外,本文算法所得融合结果的客观评价指标也相对占优。     

结合Shearlet变换和果蝇优化算法的甲状腺图像融合

针对甲状腺肿瘤超声图像复杂度高和SPECT图像边界模糊的特点,结合Shearlet变换能够捕捉图像细节信息和果蝇优化算法可靠性高的优势,提出了Shearlet变换和果蝇优化算法相结合的图像融合算法。首先,用Shearlet变换对已精确配准的源图像进行分解,分别得到高低频子带系数。高频子带系数采用区域能量取大的融合规则,低频子带系数使用改进的加权融合规则,并把果蝇优化算法引入低频融合过程,以互信息作为适应度函数来获取最优值,克服了原加权融合算法互信息低的缺点。最后,用Shearlet逆变换得到融合后的图像。实验结果表明,此算法在主观视觉效果和客观评价指标上优于其他融合算法。     

基于方向性对比度金字塔的图像融合方法

基于对比度塔形分解(CP)的图像融合方法具有良好的物理意义,却没有强调方向性的不足,为此提出了一种具有方向性的对比度金字塔图像融合方法.对多聚焦图像进行对比度塔形分解,利用方向滤波器组对高频加方向,得到不同方向的高频子分量.根据不同频率域特点,采用低频分量系数取加权平均、高频分量系数绝对值取大的融合规则,对分解后的子图像进行融合.结果表明:用提出方法得到的融合图像有较高的清晰度和空间分辨率.与基于CP和基于离散小波变换(DWT)的融合方法相比,提出的方法既能保持对比度的含义,又可提供2n个方向信息.     

一种改进含噪多聚焦图像融合方法

针对目前多聚焦图像融合方法处理含噪图像缺乏有 效性而导致融合效果较差的问题,提出一种引导滤波结合脉冲耦合神经网络(PCNN)的非下采 样Shearlet变换(NSST)域内多聚焦图像融合方法。 首先,分别对待融合多聚焦图像进行NSST获取其相应高频子带和低频子带系数;对高 频子带系数,通过引导滤波结合改进简化PCNN模型设置融合规则;提取相位一致性、清晰 度和亮度等底层视觉特性,指导低频子带系数融合权重;最后反NSST获取最终融合结 果。实验结果表明,本文方法能够在噪声干扰情况下有效完成多聚焦融合,并且边缘和纹理 信息保持较好,当20标准差噪声时互信息提升了近0.15具有有效性。     

基于BP神经网络的多模型估计融合算法

工程领域里的一类目标参数估计常常存在多个估计模型。本文提出一种BP神经网络数据融合算法,对两个模型给出的四个估计结果有效融合,力图给出一个可靠性和精度更高的融合结果.将融合结果与原模型估计结果比对分析发现,融合算法可以有效降低失效率,在一定程度上提高精度。     

基于子带变换的LFM信号识别与参数估计研究

提出了一种基于子带变换的线性调频(LFM)信号识别与参数估计方法，首先利用子带变换滤波器组对信号进行时频分析，根据所呈现的时频特性快速判断调频信号的类型和频率变化范围，然后采用最小二乘法和直接法分别对参数进行估计分析。仿真结果表明，该方法能有效地检测出信号的调频特征和较准确地估计出信号的参数，具有较好的抗噪能力。由于在算法的实施过程中，不含求根、变换等复杂运算，所以易于硬件实现。     

Optimal Weight and Parameter Estimation of Multi-structure and Unequal-Precision Data Fusion

Measured data fusion process is an effective way to improve the data process precision. In this paper, the fusion weight is firstly introduced, and then we study the optimal weight and parameter estimation using multistructure and unequal-precision data fusion. For the linear regression model, it is theoretically proved that the optimal weight is only related to the data measure precision, which is consistent with the classical Gauss-Markov theorem. For the nonlinear regression model, we analyze the method for calculating the optimal weight theoretically, and then provide the algorithm for the optimal weight and the parameter estimation for the actual data fusion.