SAR运动目标微动信号模型及微多普勒效应研究

作为一种全新的雷达运动目标识别方法,微多普勒效应能够显示出目标自身更为丰富的运动学信息,同时也会造成动目标SAR成像模糊等传统理论无法克服不利影响。通过研究振动和转动SAR目标回波模型,综合出SAR微动目标统一的距离方程及SAR回波表达式,推导出回波方位向将呈现正弦调频（sinusoidal frequency modulation, SFM）信号等周期性特点。最后,通过计算机仿真验证了本文结果的正确性。     

一种改进的复合运动空间目标微动周期估计方法

提出一种基于Viterbi算法与时频差值平方和序列的微动周期估计方法。雷达目标的微动状态与目标动力、结构高度相关,不同目标具有显著的差异性,反映了目标的重要信息,可用于辅助目标探测及识别,具有重要作用。在雷达目标微动特性的研究中,诸如导弹等空间目标是研究的热点,目前已发表了大量关于空间目标的微动特征提取方法。对空间目标,其通常是平动与微动相耦合的复合运动目标,在进行微动特征提取时需考虑平动的影响。针对复合运动空间目标进行研究,提出一种基于Viterbi算法与时频差值平方和序列的微动周期估计方法,其中Viterbi算法可在低信噪比情况下目标瞬时多普勒的鲁棒估计,时频差值平方和序列则能够有效去除目标平动的影响,所提方法具有良好的估计性能。仿真结果验证了估计方法的有效性。     

机载ATI-SAR基线定标方法研究

顺轨干涉合成孔径雷达技术(ATI-SAR)是一种适用于运动目标检测(GMTI)的干涉合成孔径雷达(SAR)技术。基线误差是顺轨干涉雷达系统的主要误差,直接影响地面运动目标测速的准确性以及定位精度。本文基于对ATI基线误差源特性的分析,针对2个主要基线误差源——姿态误差和相位中心误差进行定标方法的探讨和研究。通过仿真实验可以看出,文中提供的定标方法对误差的处理准确、有效,因此这些定标方法为进一步研究并制定机载ATI-SAR定标方案奠定了基础。     

太赫兹频段目标微多普勒信号特征分析

微多普勒运动是近年来高分辨雷达目标观测的重要研究内容之一,对微动目标的运动特征提取与识别已成功的应用于雷达研究的诸多领域。本文首先对典型的微动模型进行数学建模,并在对几种典型微动形式的微多普勒信号进行理论推导的基础上,对太赫兹频段和X频段的微多普勒现象进行了仿真比较,从仿真结果中可以看出,在微动特征较小的情况下,基于X频段的雷达观测手段已几乎失效,很难对运动特征提供有用的观测信息,同时,仿真结果验证了太赫兹雷达系统对厘米或及毫米量级微动观测的有效性,为进一步开展太赫兹频段下高分辨率目标观测及成像研究提供理论依据。     

基于压缩感知的雷达目标辨识

针对弹道导弹中段飞行过程中产生的自旋和进动特征,首先建立了目标的微动和回波模型,分析了自旋和进动两种运动模式,详细推导了微动产生的微多普勒频率的数学公式,获得的二维时频图与理论上一致,验证了模型的正确性.然后针对低脉冲重复频率(LPRF)可能产生的微多普勒模糊,利用压缩感知,重构了信号微多普勒,解决了模糊问题,由此减小了雷达处理信号压力.并在此基础上求取了不同运动方式下,自旋和进动的运动周期.实验结果表明,本方法获得了较好效果以及在目标识别运用上的有效性.     

一种复合微动空间目标窄带成像方法

提出一种复合微动空间目标窄带成像方法.由于窄带雷达在目标检测和跟踪等方面的优势,窄带雷达被广泛用于空间目标探测中.对空间微动目标,微动产生时变多普勒调制,蕴含了目标的重要结构信息,通过对时频图像应用逆约旦变换方法可获取目标各散射点的位置,实现窄带成像.窄带成像降低了对雷达带宽的要求,在空间目标探测上具有优势.然而,在实...     

地形数据误差对宽波束SAR运动补偿的影响

随着合成孔径雷达(SAR)技术的发展,各种应用如重轨干涉、差分干涉等,对雷达图像的要求也在变高.在机载SAR系统中,随着波束角变宽,传统的基于平地假设的运动补偿算法,已经无法再满足应用需求,需要使用外部DEM才能得到好的补偿效果.本文主要研究外部DEM精度对宽波束SAR运动补偿的影响,分析了不同高程误差条件下,由运动误...     

海面舰船目标微多普勒周期快速估计方法

提出一种海面舰船目标微多普勒周期快速估计方法。受海情影响,舰船目标处于微动状态中,导致雷达回波产生微多普勒调制。舰船微多普勒参数与舰船结构、目标动力等密切相关,是舰船目标识别的重要依据。在建立海面舰船目标雷达回波模型的基础上,分析了回波的调制特性,并提出一种微多普勒周期快速估计方法。该方法首先基于最小熵方法实现舰船目标主体平动的补偿,然后根据微多普勒区域与噪声区域的熵差异实现目标多普勒区间定位,最后计算截取区域的时频相关系数实现微多普勒周期的估计。其中微多普勒区间的定位降低了时频相关系数的计算量,使该方法的运算效率相比原有算法有较大的提升。在典型场景和雷达参数下,该方法计算效率获得2.5倍的提升。     

基于微动特征提取的太赫兹雷达目标检测算法研究

微多普勒现象是微动目标在极高频雷达照射下重要的特征属性之一,已广泛应用于雷达目标成像与识别方面。但是,目标微多普勒现象可能会在一定程度上导致雷达检测概率的降低,这在太赫兹频段尤为明显。本文结合目标微动特征,建立了一种新的信号检测模型,在原有常规目标检测模型的基础上,考虑了微动特征参数,该参数由时频分析算法提取。仿真结果显示,基于微动特征提取的信号检测模型可有效的提高雷达检测概率,在13dB的信噪比下,针对一定的虚警概率,检测概率可提高13%左右,对太赫兹雷达系统设计具有重要的理论意义。     

一种新的ATI动目标检测方法

在传统沿迹干涉合成孔径雷达(ATI-SAR)动目标检测中,只利用干涉相位进行动目标检测,往往会造成较高的虚警率.本文提出了一种新的ATI动目标检测方法,该方法在干涉相位判决之后,利用复相关系数对该判决结果进行再一次判决,以降低检测虚警率.为了降低计算量,该方法只对干涉相位大于相位阈值这部分像素进行复相关系数检测.文中给出了该算法的理论推导和算法流程,并进行了仿真实验,仿真结果表明,该方法能有效地降低动目标检测的虚警率.     

基于CSI-ISAR的非合作目标成像技术

合成孔径雷达（SAR）针对静止目标成像,依靠雷达平台的运动形成较长的合成孔径,达到方位高分辨。而在地面静止场景中,必然会存在运动目标,其运动参数的未知使得目标在SAR图像上难以聚焦成像。另一方面,逆合成孔径雷达（ISAR）技术在雷达平台静止条件下,依靠目标运动形成长合成孔径后聚焦成像。本文将结合多通道合成孔径雷达-地面动目标指标（SAR-GMTI）技术,提出了基于杂波抑制干涉（CSI）和ISAR相结合的非合作动目标聚焦成像。成像过程中,利用多通道图像信息,动目标在CSI处理后被检测到,针对动目标的能量范围进行ISAR处理,实现该区域内动目标的聚焦成像。最后仿真结果验证了该方法的有效性。     

Highly robust ground moving target detection and relocation method for distributed satellites

The performance of ground moving target detection for distributed satellites will be affected significantly when there is an image registration error, clutter decorrelation and array error. In this paper, a new approach to moving target detection and relocation is proposed based on multi-channel and multi-pixel adaptive signal processing in an image domain. First, multichannel and multi-pixel joint data are equated to a simple array model. Given that there is an image registration error, the real steering vector of the moving target can be estimated through a space projection approach. The optimal beam forming approach is used to cancel clutter, and at the same time the cross-track velocity of the moving target can be determined by searching for the peak value of the cost function. The moving target can then be relocated on the SAR image. The simulation results indicate that this method has a good robustness to image registration error, clutter decorrelation and array error. The detection performance and the estimation accuracy are significantly improved. __________ Translated from Acta Electronica Sinica, 2007, 35(6): 1009–1014 [译自: 电子学报]     

基于特征点集群目标跟踪与检测

目标跟踪与检测技术是计算机视觉研究领域一个热点和难点问题,该技术广泛应用在制导、导航、监控等方面。尤其在复杂背景下,准确的跟踪既定目标,在遮挡情况下稳定跟踪,是近年来研究的热点。利用一种特征点集群方法,通过提取特征点方式,以及对目标的运动估计等方式,解决针对地面目标在光线变化、缩放、旋转3个变化量下的跟踪与检测问题。该方法对于地面运动目标的限制较小,同时图像序列中每一帧图像间运动目标的位移量较小。运用本文所提出算法,能够解决针对地面目标在光线变化、缩放以及旋转情况下跟踪与检测的问题。     

基于GPS和DirectDraw的SAR运动轨迹记录技术研究

本文介绍了合成孔径雷达（SAR）的运动轨迹记录技术,该技术主要应用于合成孔径雷达成像处理器和地面处理系统中,以实现雷达图像采集过程中运动轨迹的记录并通过DirectDraw技术将雷达运动轨迹标注在地图中。研究主要内容包括雷达经纬度信息的获取,以及通过经纬度信息将雷达在地图上进行定位。雷达经纬度信息的获取是通过GPS模块来实现的,将雷达在地图上进行标定是通过MFC的DirectDraw来实现的。最终该项技术已经成功的应用于雷达的地面处理系统中。     

基于五帧差和二维Renyi熵的运动目标检测

针对传统帧间差分法存在的不足,提出改进五帧差分法和二维Renyi熵阈值分割法相融合的运动目标检测算法。该算法充分考虑视频序列帧间的时空相关性,利用改进五帧差分法对预处理后的视频图像序列进行差分运算,以提取运动目标的帧间时间相关性;将得到的差分序列使用二维Renyi熵阈值分割法分割处理,以获取运动像素与同帧周围像素的空间相关性。该算法避免了五帧差分法轮廓提取的空间信息丢失,克服了二维Renyi熵阈值分割法容易忽略运动像素的时间信息,从而提升了运动目标检测的完整性。实验结果表明,该算法能够更准确地检测出运动目标,具有较好的鲁棒性和有效性。     

基于奇异值分解的风电场杂波微动特征提取

风电场作为一种特殊的大型建筑物,会影响航管监视雷达对飞机目标的准确探测。同时,由于风电场通常分布在某一大面积区域,风轮机之间具有多径传输特性,进而会影响航管监视雷达对飞机目标的定位和测速。因而,分析风电场杂波的微动特征有助于检测和识别风电场杂波信号,提高雷达探测目标的准确性。基于航管监视雷达风电场回波信号模型,利用奇异值分解技术分析了风电场回波信号的微动特征,并构造相应的特征量实现其微动特征的提取。同时,在飞机目标存在背景下,提取了风电场回波的微动特征,并将其与飞机目标的多普勒特征进行对比分析,仿真结果证明了所提方法的有效性。     

基于高斯混合模型的运动目标检测方法研究

在研究比较常用的各种运动目标检测方法的基础之上,结合静止场景运动目标检测的特点,采用基于背景减除法的高斯混合模型方法进行运动目标检测,即采用高斯混合模型进行背景建模、背景减除法确定目标前景区域,并通过图像平滑、二值化处理、去噪等方法对图像进行后处理,最终得到目标前景图像.该方法具有运算量小、处理速度较快的特点.实验结果表明,所设计的嵌入式运动目标检测系统能够检测出较完整的前景区域并判断出目标前景,能够满足静止场景下运动目标检测的需求.     

基于空-频域映射与虚警抑制的弱小目标检测算法

为了有效控制红外弱小目标检测过程中的虚警率,提高复杂云背景下的目标检测准确度,提出了基于空域-频域映射与虚警抑制的弱小目标检测算法。根据红外中心像素不同方向上的强度值,构建了方向最大中值滤波器,有效消除噪声;并利用中心像素与其邻域像素的强度差异,形成背景抑制滤波,充分增强弱小目标;考虑云区域的特有属性,联合非线性滤波,定义了云区域识别机制,提取空域映射;引入Butterworth差异低通滤波器,对去噪图像中的显著目标完成初步识别;基于其幅度信息,进行显著目标的精细检测;再利用细显著性检测结果,计算阈值,利用二值分割方法来获取去噪红外图像的频域映射;联合空域映射与频域映射,提取红外图像中的候选目标;根据真实动目标与虚警之间的运动特征差异,利用多尺度改进的管道滤波来抑制虚警,准确识别出真实目标。实验数据表明,相对于已有的弱小目标识别方案,所提方案能够准确地识别出真实目标,拥有更好的ROC特性曲线。     

基于特征点检测与光流法的运动目标跟踪算法

为了解决当前运动目标跟踪算法在背景模型复杂和目标特征不明显的情况下,导致算法跟踪能力不足的问题,本文分别从特征点检测与光流法分析的角度出发,提出了基于特征点检测与光流法的运动目标跟踪算法。首先,根据图像梯度矩阵最小特征值,通过仿射变换,精确化特征点帧间匹配,排除伪特征点,达到精准检测运动目标特征点的目的。然后,基于图像像素守恒原理,进行2幅图像间变形评估,建立图像约束方程,进一步精确跟踪运动目标。最后,基于软件开发环境QTCreator实现算法,并系统集成。实验测试结果显示:与当前运动目标跟踪技术相比,本文算法拥有更高的准确性与稳定性。     

Detecting moving and standing objects using cellular neural networks

The general framework of motion detection based on discrete time samples of the moving image is defined. Four types of motion detection problem are studied. the simplest one is a model resembling the famous Hubel-Wiesel experiment with a cat's retina for detecting the motion of an object having a given speed in a given direction. the most complicated case is the determination of the vertical and horizontal velocity components of a moving image. Various cloning template sequences are proposed for detecting different types of motion. In the sampled mode the consecutive black-and-white snapshots are fed to the input and to the initial state nodes of the cellular neural network respectively. After the transients have decayed, the output gives the information necessary for detecting the presence or absence of a specific motion as well as for estimating the direction and magnitude of the velocity vector. In continuous mode the sampling process is eliminated by the use of delay-type templates. Conditions are analysed under which the detection is correct. the circuit realization of some motion detectors is discussed and the use of a programmable dual-CNN structure is proposed.