2D HRR Radar Data Modeling and Processing

High Range Resolution (HRR) -based Automatic Target Recognition (ATR) has attracted increasing attention due to a number of potential advantages over alternative radar techniques in moving target identification. Most current HRR-based ATR studies have been conducted using 1D HRR signatures. However, these 1D HRR signatures are generally plagued by scintillation effects, and thus demonstrate highly irregular behavior that dramatically degrades the performance and robustness of algorithms based on these signatures. In order to circumvent this difficulty, an alternative HRR radar data representation and processing technique is presented in this paper. This technique models and extracts the target characteristics directly, based on the 2D HRR raw data. In this paper, we first derive a general, but complex HRR radar model, and then simplify this model by instantiating a set of real-world radar and target parameters for the model. This simplification process produces two HRR radar models with different degrees of simplicity. After establishing this set of models, the typical HRR data processes, such as feature extraction and clutter suppression, are reduced to one problem, which is model-parameter estimation. Based upon the most simplified HRR model we proposed, we devise two model- parameter estimation algorithms. One is a scatterer extraction algorithm based on available 1D Parameter Estimation (1DPE), while the other is based on 2D discrete Fourier Transform (2DFT). In order to examine the performance of these two algorithms a set of simulations are conducted. The experimental results are presented, and the performance comparison between 1DPE and 2DFT is presented.     

SAR图像特征提取与选择研究

特征提取与选择是SARATR的关键技术之一.通过特征提取与选择可以有效地降低数据空间的维数,从而实现对SAR图像的快速、准确解译.本文首先给出特征提取与选择问题的定义及其研究现状,进而对当前常见的特征提取与选择方法进行总结.在此基础上,给出各算法的选取标准.最后探讨了特征提取与选择过程的发展趋势.     

一种差分SAR层析高分辨成像方法

城区建筑的4维成像是差分SAR层析的重要应用领域之一。此种应用背景下,如何利用空间-时间2维平面内稀疏分布的观测数据,在保持方位向-距离向分辨率的同时实现高程向-形变速率向的高分辨成像是差分SAR层析面临的难点问题。在确定性点目标模型下,基于松弛(RELAX)算法,该文提出了一种适用于城区建筑目标的差分SAR层析高分辨成像方法。与统计模型下的空间谱估计方法相比,该方法无需多视处理,能够保持方位向-距离向分辨率。与奇异值分解方法相比,该方法具有更优的高程向-形变速率向分辨能力。在仿真实验和Envisat-ASAR实测数据处理中,该方法的有效性得到了验证。     

一种基于逆问题的差分干涉SAR层析成像方法

高度-速率维成像时,差分干涉层析成像合成孔径雷达获取的观测数据在基线-时间平面非均匀分布。若直接对观测数据进行两维傅里叶变换来恢复散射体高度-速率维像,则因强副瓣存在,成像效果不理想。该文将差分干涉层析成像合成孔径雷达高度-速率维成像问题归结为2维积分方程的逆问题,提出了一种采用Backus-Gilbert算法实现差分干涉SAR层析成像的新方法,并使用Tikhonov正则化获得逆问题的正则解。仿真结果表明该文提出的方法能够克服基线时间不均匀造成的影响,获得较好的成像结果。     

用于HRR雷达在非高斯杂波中进行起伏目标检测的基于Hough变换的两种算法之比较

在HRR雷达中,当目标尺寸大于雷达波长和雷达距离分辨单元时,在连续扫描过程中从目标不同散射中心返回的目标回波会产生不同的方向图,使传统杂波抑制方法无效。提出采用Hough变换来解决这个问题。Hough变换是一种在图像中识别曲线的著名变换。比较了两种基于Hough变换的雷达检测算法,一是将数据空间中的点映射到ρ-θ空间中的曲线的传统模式,另一种模式采用斜率-截距参数空间Hough变换。斜率-截距模式的效率通过仿真进行验证。与传统模式相比,Hough变换的斜率-截距模式的性能更好。针对非起伏目标及四种Swerling类目标,研究了在瑞利分布、Weibull分布、对数正态分布和K分布杂波下,Hough变换检测器的斜率-截距模式对HRR雷达信号的检测性能。还研究了目标速度和脉冲数的影响。通过Monte-Carlo仿真对Hough变换检测器的目标检测性能进行了分析。     

去斜率线性调频合成孔径雷达成像研究

为获得高距离分辨率 ,雷达一般发射宽带或超宽带信号 ,这给数据采集带来了很大的困难。A/ D采样是数据采集的瓶颈 ,所以必须降低大时间带宽积信号的采样频率。当雷达发射线性调频信号时 ,去斜率方法能有效降低接收机中频带宽 ,从而减小数据采集难度和数据量。本文将去斜率原理用于高分辨率合成孔径雷达 ,通过原理分析和仿真实验证明了该方法的正确性和有效性 ,并给出了成像步骤和实验结果     

基于条带式SAR与聚束式SAR内在联系的SAR成像研究

针对条带式合成孔径雷达（stripmap sar）与聚束式合成孔径雷达（spotlight sar）的方位向频谱结构,讨论了两种模式SAR之间的区别与联系,利用两者之间的内在联系,提出斜视条件下将条带式SAR数据分块,进行聚束式处理的方法,并对聚束式成像区域大小参数的选择进行了分析.对于相同尺寸的成像区域,对条带式SAR进行聚束式处理可以减小运算量.采用空间频率插值成像算法实现了条带式SAR与聚束式SAR成像算法上的统一,最后应用外场实测数据完成成像,成像结果证实了理论分析的正确性.     

高距离分辨率雷达的低空目标高度估计方法

雷达在跟踪海面（地面）低空目标时,由于受到多路径反射效应的影响,由目标反射的直接回波和经由海面（地面）反射的反射回波同存在于一个接收天线波束宽度内,从而产生“角闪烁”效应。该文利用直接回波和反射回波之间的多路径时间差与目标高度之间的关系,提出了一种基于目标高分辨一维距离像的测高方法,即通过对高分辨一维距离像进行自相关获得多路径时延差进而估计低空目标的高度。为了提高时域分辨率,避免“栅栏效应”,文中又采用逆Chirp—z变换方法,通过对频域接收信号进行密集采样插值,提高时域目标高分辨一维距离像的分辨能力并改善雷达测高性能。仿真结果验证了本方法的有效性。     

基于多尺度特征的SAR区域型目标检测方法

通过对SAR图像的目标特性分析，提出了一种SAR区域型目标的检测方法。与通常的一些目标检测算法相比，该算法在ROI的提取和目标建模两个方面作了改进，提出了一个新的特征提取算子并引入多尺度的梯度特征作为分类依据。算法应用于真实的SAR图像进行居民区的检测，获得了预期的结果。实验表明，基于多尺度梯度特征的目标检测算法具有良好的性能。     

一种联合Khatri-Rao子空间与块稀疏压缩感知的差分SAR层析成像方法

虽然采用压缩感知技术(Compressive Sensing, CS)的差分SAR层析成像方法实现了4维空间信息的重构,但是此方法仅利用了目标的稀疏特性并没有考虑目标的结构特性,因此对同时具有稀疏特性和结构特性的目标进行重构时其性能较差。针对这一问题,该文采用联合Khatri-Rao子空间和块压缩感知(Khatri-Rao Subspace and Block Compressive Sensing, KRS-BCS),提出一种差分SAR层析成像方法。该方法依据目标的结构特性和重构观测矩阵具有的Khatri-Rao积性质,将稀疏结构目标的差分SAR层析成像问题转化为Khatri-Rao子空间下的BCS问题,最后对目标进行块稀疏的l1/l2 范数最优化求解。相比CS差分SAR层析成像方法,该方法不仅保持了CS差分SAR层析成像方法的高分辨率特点,而且其重构精度更高性能更优。仿真数据和ENVISAT星载ASAR数据以及地面GPS实测数据的试验结果验证了该方法的有效性。     

基于线性回归的SAR目标方位角估计方法

方位角估计是合成孔径雷达(SAR)图像自动目标识别研究中的一个重要问题。一般而言,基于SAR图像的目标方位角估计方法应满足精度高、速度足够快、对目标部署条件的变化具有一定的稳健性。文中在分析现有的SAR图像目标方位角估计方法优缺点的基础上,给出了一种有效的基于线性回归的SAR图像目标方位角估计方法,并通过对大量实测MSTARSAR图像目标方位角的估计试验,详细分析了该方法对SAR图像目标方位角的估计性能。     

层析SAR系统基线优化设计

自然场景3维影像重构是层析合成孔径雷达(TomoSAR)的重要应用。传统方法在沿高程维进行层析处理时,均通过对等距线阵模型进行加权的方式,以主瓣展宽为代价来抑制方向图旁瓣水平。针对该问题,该文建立一种基于非等距线阵的峰值旁瓣比极小极大优化模型,即在约束主瓣宽度一定的情况下,通过阵元位置的优化配置来获取观测场景视角范围内任意指向的最优旁瓣水平;提出一种目标函数离散栅格化方法,进而采用序列二次规划(SQP)方法并结合差分进化算法特有的全局记忆能力,以获取最优阵元配置方案。对PolSARpro全极化层析SAR仿真数据的处理结果表明该方法能够有效地应用于自然场景的3维影像重构。     

一种机载SAR层析三维成像算法

针对机载平台难以同时满足多基线SAR层析3维成像所要求的短基线及大孔径问题,本文提出一种基于稀疏信号表示的机载SAR层析3维成像算法。首先基于高频率SAR目标的多散射中心假设,将目标在第3维成像方向上建模为稀疏分布模型,进而根据观测系统几何及信号频率特征构建了冗余字典,从而实现了成像问题到稀疏信号表示问题的转化,并最终通过求解以稀疏性度量函数为正则项的不适定方程获得成像结果。通过仿真实例的成像结果阐述了算法参数对成像的影响,并通过对SAR层析3维成像的仿真结果证明了算法的有效性。     

调频连续波SAR的研究进展

调频连续波合成孔径雷达(SAR)是一种新体制的高分辨率成像雷达,具有体积小,重量轻,耗电少,造价低,分辨率高等优点,非常适合小型化SAR的应用。文中建立了更易于实现的调频连续波SAR回波信号模型,给出了基本的成像处理流程;综述了国内外调频连续波SAR的最新进展,讨论了可能的应用背景,分析了进一步发展面临的主要技术问题。分析表明,调频连续波SAR具有广阔的应用前景。     

高分辨SAR目标散射中心模型分析

散射中心是光学区雷达目标电磁散射的基本特征,是高分辨SAR图像解译的根本特征。以高分辨SAR图像解译为应用背景,分析了目前典型的三种散射中心模型（理想点散射中心模型、衰减指数和模型、属性散射中心模型）的优缺．点和适用条件,并导出了模型及模型参数间的关系。通过理论分析、仿真及实测SAR图像数据验证了属性散射中心模型是目前最符合高分辨SAR图像解译应用需求的散射中心模型。在此基础上,分析了属性散射中心的特性与特点,为研究基于属性散射中心模型的高分辨SAR图像特征提取及解译方法奠定了基础。     

一种通用的SAR/ISAR自聚焦方法

首先介绍了我们最近提出的一种ISAR自聚焦新方法AUTOCLEAN(AUTOfocus viaCLEAN),然后对其中的特征提取算法进行了深入研究。研究结果表明,用CLEAN作为特征提取算法是合适的。AUTOCLEAN不仅是一种稳健的ISAR自聚焦方法,而且还可以推广应用到聚束SAR、曲线SAR和机载双天线干涉SAR中的自聚焦处理。     

波速误差对浅地层探地雷达SAR算法影响的研究

定性地研究了波速误差对基于Stolt偏移的SAR算法和基于微波全息成像的SAR算法产生的影响,给出波速误差对两种SAR算法方位分辨率影响的关系曲线,得出基于Stolt偏移的SAR算法对波速误差没有基于微波全息成像的SAR算法敏感;当波速小于真实值,两种算法都能得到更好的方位分辨率.并对这些结论进行了合理的物理解释.     

基于SAR图像的自动目标识别系统设计与实现

设计并实现了一套完整的、基于合成孔径雷达（SAR,synthetic aperture radar）图像的自动目标识别（ATR,automatictargetrecognition）系统。该系统包括降相干斑处理、恒虚警率（CFAR,con-stantfalsealarmrate）检测、强散点聚类与鉴别、感兴趣区域（ROI,rangeofinterest）分割和基于模板的最大相关匹配等五大部分。SAR图像匹配模板库来自于对典型目标的电磁仿真,待检测SAR图像来自某机载SAR系统对某地面区域的成像实验。测试表明所介绍的ATR系统在满足工程性能要求的意义上,实现了在典型的地貌环境下对典型军事目标的实时自动识别。     

小波变换和预测编码结合的抗差错SAR图像无损压缩算法

分析了即将推出的JPEG2000标准算法和基于自适应的上下文预测编码技术，提出了小波变换有损编码加自适应上下文预测无损残差编码的具有抗差能力的SAR图像无损压缩算法。该算法既具有小波变换图像编码的累进传输，对信道具有一定鲁棒性的特点，而且压缩率高于即将推出的国际标准JPEG2000的无损压缩和国际标准算法JPEG—LS。     

基于KFD准则的SAR目标特征提取与识别

给出了一种基于KFD和SVM的合成孔径雷达目标特征提取及识别方法。该方法首先在非线性空间内利用Fisher准则提取样本特征 ,然后由SVM分类器完成目标识别。实验结果表明该方法不但有效地提高了目标的正确识别率及运算效率 ,还大大降低了对目标方位的敏感度 ,在目标方位信息未知的情况下 ,识别率仍可达到 95 %以上