二维非重构压缩感知自适应目标检测算法

针对重构算法影响压缩成像目标检测效率和结果的问题,提出一种二维非重构自适应阈值的红外弱小目标检测算法。基于Hadamard矩阵构建的二维观测模型,利用Hadamard矩阵的特性对压缩差分图像进行解压缩,直接解码目标的空域特征,并利用改进的自适应阈值法对解码后的图像进行目标检测,避免了重构带来的存储空间和运算时间的浪费。仿真实验表明:在单目标和多目标的情况下,该算法都可以有效检测目标,并在检测率、虚警率和运算时间等指标上具有优越性能,为压缩感知红外弱小目标检测的工程应用提供新的思路和有效算法。     

编队卫星合成孔径雷达空时二维压缩感知成像

以减小编队小卫星数据传输负荷,加快编队小卫星合成孔径雷达(SAR)成像速度为目的,提出了一种基于空时二维压缩感知(CS)理论的解决方案。通过对编队小卫星SAR回波信号模型稀疏性的研究与分析,提出了一种基于该回波模型的空时二维压缩算法。在此基础上建立了编队小卫星SAR的回波稀疏模型和目标信息的重构矩阵,并用最小l1范数算法对压缩后的数据进行了时间维和空间维的恢复重构,实现了编队小卫星的低负荷、快速成像。通过仿真分析,验证了该方案的有效性。     

压缩感知在ISAR谱图压缩重构中的应用

针对天基逆合成孔径雷达（Space-borne ISAR）回波信息传输到地面过程中数据量大的问题,本文提出了一种基于压缩感知的ISAR数据压缩与重构方法。该方法是将目标回波变换到谱图域（即距离-慢时间域）后,再利用压缩感知技术将目标谱图压缩后传输,大幅减少了传输数据量。在地面接收端,利用基于正交匹配追踪法的谱图重构方法恢复谱图信息,并重构最终的ISAR像。仿真结果表明,利用本文方法恢复的谱图与压缩前的谱图相比相当逼近,而且重构出了高质量的ISAR像。      

一种ISAR二维压缩感知成像的运动补偿方法

 通过发射一组具有随机脉冲重复间隔(PRI)的线性调频信号,并对经过去斜率(Deramp)处理的回波信号随机下采样,可以得到目标的二维随机观测回波数据.本文通过分析该类回波信号的模型和信号的稀疏性,针对ISAR(Inverse Synthetic Aperture Radar)二维压缩感知成像技术提出了一种运动补偿算法.实测数据处理结果表明,本文提出的算法可以有效地针对ISAR二维随机观测回波数据实现运动补偿.     

基于信号方向信息的二维压缩感知重构研究简

理论证明了可压缩信号各列及其对应稀疏变换域系数矩阵各列具有相同的能量和方向信息;测量数据各列的能量和方向信息本质上反映了可压缩信号各列的能量和方向信息;图像稀疏变换域系数矩阵相邻列具有极高的相似性.基于二维压缩感知模型在传统的OMP算法中引入信号方向信息,构建了2DDOMP算法,取得了更好的图像重构效果,避免了当前压缩感知重构算法单纯依靠测量数据的盲目性和不确定性.基于信号方向信息的重构算法设计思想可用于改造优化各类重构算法,是对当前压缩感知研究的重要补充.     

基于二维频域投影的弱小运动目标检测方法

针对光学成像弱小运动目标难以准确快速检测问题,提出了基于图像序列行列最大投影的二维频域运动小目标检测算法。首先,为了减少计算复杂度和使目标背景分离,将经过背景全局运动补偿后的视频向二维频域投影并去除频率为零的成分,从而获得含弱小运动目标和噪声的图像序列;其次,通过行列序列最大投影,得到信噪比提高的含弱小运动目标的行列图像;然后,通过主运动滤波和图像重构,检测到滤除配准误差和噪声的弱小运动目标;最后,针对强噪声干扰下的弱小运动目标检测问题进行了仿真实验,仿真结果表明,所提算法不仅可有效的检测出弱小运动目标,而且相对单一的行列分解图像在二维频域内有更高的检测信噪比。     

基于时空二维信号处理的合成孔径雷达动目标检测

本文基于时空二维信号处理方法，利用阵列天线回波的时空等效性，对合成孔径雷达数据进行运动目标成像处理，该方法克服了单天线系统中由于运动目标径向速度太小而不能检测和成像的固有缺点，解决了盲速问题，实现慢速运动目标成像，计算机模拟表明了算法的有效性。     

二维压缩感知多投影矩阵特征融合的SAR目标识别方法

针对合成孔径雷达（synthetic aperture radar,SAR）目标识别问题,提出联合多层次二维压缩感知投影特征的方法。采用二维压缩感知投影作为基础特征提取算法,具有不依赖训练样本、效率高等显著优势。构建多个二维压缩感知投影矩阵提取原始SAR图像的多层次特征。不同投影矩阵获得的特征具有差异性,从不同方面描述SAR图像的灰度分布特性;同时,这些特征源自相同的输入图像,因此也具有一定的内在关联性。采用联合稀疏表示对提取的多个特征矢量进行表征分析,在内在关联性约束下考察不同特征的独立鉴别能力,从而提升每一类特征的稀疏表示精度。最终,根据求解的稀疏表示系数,分别在各个训练类别上对测试样本的多类特征进行重构,获得重构误差。根据最小误差的准则,判定测试样本所属目标类别。通过综合运用多层次二维压缩感知特征提取和联合稀疏表示分类,提高SAR目标识别的整体性能。利用MSTAR数据集中的多类目标SAR图像对方法进行测试验证,结果反映其在标准操作条件（standard operating condition,SOC）和扩展操作条件（extended operating condition,EOC）均可保持可靠的识别性能。     

合成孔径雷达中的二维自动增益控制

该文给出一种合成孔径雷达接收机自动增益控制(AGC)的方法,该方法对合成孔径雷达信号 进行二维平均,既保持了信号的原有特性,又提高了接收机的动态范围。与传统的自动增益控制方法相比,它能更好地消除短时间内的干扰以及保留合成孔径雷达图像中的对比度。该文在对二维AGC工作方式及时间参数选择进行阐述之后,给出了二维AGC的计算机仿真结果以及雷达实际使用AGC后获得的图像。     

一种基于二维运动重构的旋转对称目标拟规则进动参数估计方法

在初始扰动和扭矩的作用下,自旋稳定空间飞行器的运动形式是章动和进动合成的拟规则进动。拟规则进动目标运动参数的估计对于确定目标姿态和预测目标落点具有重要意义。针对拟规则进动的旋转对称目标,该文提出一种基于宽带雷达观测的运动参数估计方法。首先推导了拟规则进动的运动学模型,而后将基于多散射中心1维径向距离历程的目标运动3维重构方法扩展到旋转对称目标的2维运动重构,然后基于2维运动的欧式重构采用序列二次规划和非线性最小二乘循环迭代的方法估计目标的章动和进动参数。最后,利用电磁仿真数据验证了算法的有效性。     

基于压缩感知的SAR海面场景目标数据压缩与重构方法

针对海面场景目标SAR的海量数据压缩与重构问题,提出利用一种新的数据压缩与重构理论——压缩感知理论来完成。首先构造随机高斯噪声观测矩阵对原始回波数据进行降维处理以达到大幅压缩的目的,然后利用平滑L0算法重构原始回波信号,在此基础上,利用传统的频率变标SAR成像算法进行成像。仿真结果证明了该方法的有效性。     

基于压缩感知的鸟类目标成像稀疏合成方法

对鸟类目标进行高分辨成像是确保飞行安全的重要举措.针对现有雷达分辨率过低问题,提出了利用逆合成孔径激光雷达进行鸟类目标高分辨成像探测的构想.给出了逆合成孔径激光雷达实现鸟类成像的原理框图,以此为基础,提出了一种基于压缩感知的稀疏合成方法,该方法能以较少的有效数据获得准确的高分辨方位像.仿真结果证明了方法的有效性.     

地杂波背景下运动点目标的SAR成像算法

以理想面目标回波作为地杂波的近似，对面目标特征、面目标回波信号及其处理进行了分析，给出了以面目标为背景的运动点目标SAR成像算法，通过具体实例模拟仿真出独立运动点目标的SAR成像图和以面目标为背景的运动点目标SAR成像图。     

基于分布式压缩感知的高分宽幅SAR动目标成像技术

高分宽幅SAR动目标成像对目标跟踪具有重要的意义,常规天基多通道SAR技术要实现高分宽幅动目标成像需要通道数量巨大,系统复杂度过高,而且图像在方位向存在成对回波,形成虚警。针对上述问题,该文提出了一种基于分布式压缩感知的高分宽幅SAR动目标成像技术,在通道数量较大时,通道数量相比常规高分宽幅动目标成像构型通道数量约降低1倍,利用动目标稀疏特性和杂波背景非稀疏特性构建分布式压缩感知观测模型,采用先方位1维分布式压缩感知重建再距离方位2维分布式压缩感知重建,实现杂波背景和稀疏动目标的重建,并抑制多通道SAR动目标成像中的成对回波。结合RADAR-SAT数据的仿真试验结果验证了该技术的有效性。      

基于Kalman滤波器运动目标跟踪的火灾监测方法

针对目前通常采用的火焰信息特征检测方法无法有效排除环境变化产生的干扰,特别是光线变化易引发实时火灾监控出现误检的问题,提出了一种基于Kalman滤波器运动跟踪算法的火焰检测方法,同时利用颜色、圆形度等特征和信息进一步确认火灾。不同干扰条件下的测试结果表明,利用文中提出的算法进行火灾识别判断,具有响应时间短,抗干扰性强等优点,可满足实际使用需求。     

SAR的动目标成像与定位处理

合成孔径雷达（SAR）是一种高分辨成像雷达。当今雷达成像技术已经非常成熟，在国民经济与军事领域中有着广泛的应用。但在SAR成像过程中如何对动目标成像并定位依然是一个值得探讨的课题。该文提出通过求取动目标调频斜率的方法能对动目标更清晰地成像，然后通过多普勒频谱搬移法得到动目标在雷达图像上的定位，使成像质量较高的动目标图像叠加到静止地物雷达图像上。最后通过雷达实测数据进行处理，得到较为满意的结果。     

基于滑动平均和逆抛物方程的目标定位法

应用逆抛物方程法进行有源目标定位时,传播空间中的背景散射体会产生高强度的杂波,从而导致其定位精度下降或失效.针对这一问题,使用自适应滑动平均算法进行有效信号提取,研究了不规则地形和不均匀大气媒质环境中的目标定位问题,分析了定位误差和定位门限的选取.通过对离散化的回波数据进行处理,利用运动目标和背景杂波的非相干特性进行信号提取和杂波抑制.仿真结果表明:该方法与逆抛物方程定位算法相比,改善了目标位置的信号聚焦程度和信干噪比.     

SAR图像中运动目标重聚焦改进的最小熵方法

合成孔径雷达(Synthetic Aperture Radar,SAR)利用回波多普勒(Doppler)频移生成高分辨率的SAR图像。高速运动的目标产生额外的多普勒频移,在SAR图像上会呈现出带有拖曳尾迹的散焦图像。最小熵方法是一种无参数的优化方法。该文以图像的信息熵为目标函数,对最小熵方法的优化算法进行了改进,加快该方法对于目标重聚焦的实现速度。该文中用模拟的飞行目标散焦图像进行最小熵优化实现重聚焦,为在SAR图像中快速识别模糊散焦的运动目标提供了一种应用方法。     

Efficient 3D imaging method of MIMO radar for moving target

When compressive sensing (CS) was used to achieve sparse imaging of moving targets,the Doppler frequency caused by motion will increase the processing dimension,change the center frequency of echo and worsen the mutual coherence property of measurement matrix.In order to improve the three-dimensional (3D) imaging performance of MIMO radar for moving targets,an efficient method was proposed.In each dimension,the distribution information of targets was searched respectively and a new low-dimensional measurement matrix was reconstructed accordingly,so the targets’ area was narrowed down.At the same time,in order to optimize the mutual coherence property of measurement matrix,Bayesian method was used to optimize the velocity-dimensional projection matrix to reduce the strong mutual coherence brought by sampling of Doppler frequency,then the efficient sparse imaging could be achieved.The simulation results show that proposed method can improve the efficiency,accurate imaging performance with efficient.     

星上运动目标识别的若干关键问题

未来战争,敌我双方的战争机器将向机动性、隐蔽性方向发展。许多武器系统本身就是运动目标,如航母战斗群、弹道导弹、巡航导弹,远程战斗轰炸机等。因此,空间卫星侦察系统的星上运动目标检测和识别就是迫在眉睫的课题。文中探讨了与此课题相关的若干关键技术问题,并给出了一个检测弹道导弹运动目标的方法和模拟结果。