穿墙SAR成像中的墙体参数误差分析和估计

穿墙合成孔径雷达(SAR)成像中,图像的质量和可靠性由墙体参数决定。墙体参数估计误差会造成图像散焦和目标位置的偏移。分析了墙体参数估计误差对成像的影响,提出采用乘积型高阶模糊度函数(Product High-order Ambiguity Function, PHAF)算法来估计墙体参数的新方法。仿真结果表明,该方法能获得聚焦的SAR图像和较准确的墙体参数估计值。     

墙体参数未知时的穿墙雷达实时成像方法

为同时解决穿墙雷达成像中墙体参数未知和实时性要求这两个关键问题,提出了先利用支持向量机对墙体参数进行回归预测、再采用相移偏移算法进行成像的两步成像方法.重点介绍了墙体参数预测方法,讨论了目标的大小、位置、形状和个数及墙体长度、采样间隔、噪声对墙体参数预测的影响,仿真结果表明预测方法精度高、耗时短.对实际案例进行仿真分析,结果表明该两步方法成功地实现了墙体参数未知时的实时成像,成像结果令人满意.     

基于方位向互相干因子的建筑物布局成像

针对超宽带MIMO穿墙雷达建筑物布局成像中墙体位置偏移以及稀疏阵列引起的旁瓣和栅瓣问题,利用方位向上距离向轮廓在主瓣周围相似而在旁瓣/栅瓣周围不同的特性,提出一种基于方位向互相干因子加权的建筑物布局成像方法。首先计算方位向互相干因子,加权消除图像的旁瓣/栅瓣;然后结合Hough变换检测墙体位置并计算未知墙体的厚度,分别按墙体位置和墙体厚度划分子图像和补偿时延,获得墙体位置校正后的子图像;最后融合子图像得到最终的建筑物布局成像。仿真实验和实测数据处理结果表明,该方法在抑制旁瓣/栅瓣的同时也校正了墙体位置并实现聚焦成像。     

一种适用于穿墙雷达成像的墙体补偿算法

在穿墙雷达成像领域,建筑墙体会改变电磁波的传播路径和速度,引入目标散射回波延迟误差,造成隐蔽目标成像散焦、位置偏移和多径幻象等。对此提出一种墙体补偿技术,准确计算像素点与天线之间的聚焦延时,修正目标图像位置偏移和散焦等,实现聚焦目标图像。首先,对回波数据采用后向投影成像算法,得到原始图像。其次,利用Radon变换,并结合图像连通域检测得到墙体前后表面的位置。最后,通过计算墙体前后表面距离,得到约束条件;在该条件下,假定墙体厚度和介电常数,对墙后目标进行补偿成像。Matlab仿真数据验证了该算法的有效性。     

穿墙雷达建筑物结构布局稀疏成像方法

在穿墙雷达建筑物布局成像中,鉴于内部目标、墙角及杂波会对墙体回波产生较大的影响,导致形成的墙体图像模糊、轮廓不明显。为此,提出一种联合低秩稀疏分解和全变分约束稀疏重构的成像方法。该方法首先通过快速迭代软阈值算法求解低秩稀疏分解,恢复出墙体回波,然后通过增广拉格朗日和交替方向算法求解全变分约束下的稀疏重构系数,重构墙体图像。仿真和实测结果表明,该方法可以有效消除建筑物内部目标、墙角及杂波对墙体成像的影响,从而得到清晰的建筑物布局轮廓。     

组合字典下超宽带穿墙雷达自适应稀疏成像方法

针对现有超宽带穿墙雷达稀疏成像算法大多只采用点目标稀疏基表示模型和稀疏优化的正则化参数不能被自适应调整以及目标位置不在划分网格上带来虚假像的问题,该文提出一种基于贝叶斯证据框架的自适应稀疏成像方法。该方法首先利用组合字典独立稀疏表示场景中的点目标和扩展目标,然后在建立的偏离网格稀疏表示模型的基础上分层最大化各参数的似然函数,用第1层推理结合共轭梯度算法估计组合字典的各稀疏表示系数,用第2层推理估计正则化参数和目标的偏离网格量,最终通过迭代优化参数的设置得到问题的求解。仿真和实验结果表明,该方法不仅同时自适应增强穿墙场景中的点目标和扩展目标,还消除了偏离网格目标引起的虚假像。     

参数化稀疏表征在雷达探测中的应用

稀疏信号处理已经在雷达目标探测领域得到应用,并获得了优于传统方法的探测性能。然而,雷达目标探测过程中往往存在目标运动、雷达轨迹误差等未知因素,这导致预先设计的字典矩阵无法实现雷达信号的最优稀疏表征。该文将介绍字典学习的一个分支参数化稀疏表征,该方法通过构建参数化的字典矩阵,实现了对雷达探测过程中未知参数的动态学习和雷达信号的最优稀疏表征。该文还将介绍参数化稀疏表征在逆合成孔径雷达成像、合成孔径雷达自聚焦、基于微多普勒的目标识别等若干雷达探测问题中的应用。      

基于透射系数的穿墙雷达墙体参数估计

超宽带穿墙雷达中未知墙体参数估计精度直接影响目标位置定位和成像质量。针对该问题,文中提出了一种基于透射系数的未知墙体参数估计方法。该方法首先通过计算电磁波穿透墙体时的透射系数推导出振幅衰减系数;然后,结合传播时延与墙体参数的非线性关系,利用牛顿迭代法能够精确估计出未知墙体参数;最后,对结果进行了误差分析和比较,表明该方法在未知墙体参数估计中的可行性。文中利用时域有限差分方法进行电磁建模,其仿真数据验证了墙体参数估计算法的有效性。     

基于墙体补偿与多视角融合的穿墙雷达建筑物布局成像算法

穿墙雷达能够对建筑进行布局成像,并准确获取建筑内部结构信息,已广泛应用于灾害搜救、反恐作战等领域。针对建筑物墙体穿透导致的墙体展宽、位置偏移和墙体多径杂波导致的多径鬼影等成像问题,本文提出了一种基于墙体补偿与多视角融合的建筑布局成像算法。首先,对雷达回波的后向投影成像结果应用Radon变换,通过恒虚警率检测提取峰值,提取墙体位置信息,以墙体前后表面中心为分界线将图像分割为两个子图像;其次,对包含偏移墙体的子图像进行自适应补偿,矫正墙体位置;最后,对多个视角成像结果进行图像融合,抑制多径鬼影。仿真结果表明,该方法可以有效解决图像中墙体展宽、位置偏移和多径鬼影问题,得到正确清晰的建筑布局图像。     

基于折射波静校正的未知参数穿墙成像合成延迟时算法

在穿墙雷达实际应用中,墙体一般由两层不同介质构成,且各层墙体参数未知.若对墙后目标直接成像,会产生目标散焦或位置偏移.针对该问题,提出了基于折射波静校正的合成延迟时方法对墙后目标进行聚焦成像.首先读取每根接收天线回波数据确定电磁波的折射回波时刻,通过基本折射方程得到延迟时超定方程组,解此超定方程组可得电磁波在外层墙体内...     

基于深度迭代网络的穿墙雷达成像方法

联合墙杂波抑制及图像重建迭代求解方法为当前较前沿的穿墙雷达成像(through-the-wall radar imaging, TWRI)算法,能够同时抑制墙体杂波和重构目标图像,但仍存在收敛速度慢、人工干预过多以及对初值的选取敏感等问题,难以快速精确地进行目标成像. 针对上述问题,本文提出一种联合低秩与稀疏分解驱动的可学习深度迭代网络的TWRI方法. 该方法利用穿墙雷达场景下墙体杂波的低秩特性以及待重建目标图像的稀疏特性,首先将穿墙雷达成像问题建模为联合低秩与稀疏分解的正则化优化问题,然后采用变分框架和轮换策略将优化问题转化成两个准线性优化子问题并推导其更新公式,最后将上述迭代更新公式映射到网络结构中,展开成深度迭代网络模型并采用端到端学习策略,形成融合物理模型的可学习深度迭代网络框架. 仿真结果表明该方法能够有效抑制墙体杂波,相对于其他方法显著提高了目标成像精度和速度.     

基于折射角近似的穿墙成像墙体补偿方法

穿墙成像雷达探测中墙体穿透将导致目标图像散焦和位置偏移,墙体补偿是解决这一问题的关键。最短路径法是实现精确墙体补偿的典型算法,但存在运算量大的问题。为解决上述问题,提出了上述基于折射角近似的穿墙成像墙体补偿方法,其原理是利用折射角近似法得到大幅度缩短的最短路径法搜索区间,从而显著减小运算量。一方面,不同墙体参数的数值分析结果定量说明了减小运算量的程度;另一方面,MATLAB仿真结果证明了算法在有效减少计算量的同时实现了精确墙体补偿。     

基于改进灰色预测模型的雷达备件消耗预测

在穿墙雷达成像领域,建筑墙体会改变电磁波的传播路径和速度,引入墙体回波延迟误差,造成建筑布局图像出现墙体位置偏移,这种现象随着穿透墙体的面数增加而加剧。并且电磁波穿透墙体时的衰减会带来前后墙体图像强度差异。对此提出了一种墙体补偿算法,该算法利用 Radon变换进行墙体距离向位置检测,实现在距离向上对成像区域进行划分,结合线段检测,实现在方位向上对成像区域进行划分,最终完成成像区域的精确划分,分别对各成像区域补偿墙体穿透延时和聚焦成像。XFDTD仿真数据验证了该算法能实现各成像区域和各面墙体的聚焦成像,有效地矫正了墙体位置,降低了前后墙体图像强度差异。     

倾斜阵列下奇异值分解穿墙雷达杂波抑制

天线阵列与墙体之间的未知倾斜角会影响超宽带穿墙雷达目标位置探测与成像。针对天线阵列不平行于墙体时引起的目标偏移与墙体杂波难于抑制的问题,提出时延校正的基于Jacobi奇异值分解的杂波抑制算法。即首先通过时延校正使得天线阵列等效于平行于墙体放置,再通过单边Jacobi实现奇异值分解,获取正交性好的奇异向量,利用子空间投影抑制墙体杂波,最后对目标进行探测与成像。仿真结果表明经过该方法处理后可准确定位目标,并且能够获得较好的墙体杂波抑制效果,成像的目标杂波比有了明显提高。     

基于波场互相关的探地雷达快速自聚焦成像

传统探地雷达偏移成像算法计算复杂度高、准确性低,且需要准确已知介质的电性参数。针对这些问题,本文提出了一种基于波场互相关的探地雷达快速自聚焦成像算法,利用水平分层介质频域格林函数的平移不变特性和快速傅里叶变换减小了对计算和存储资源的需求,并能够实时对地下目标进行高分辨成像;通过引入时间相位因子得到不同聚焦时刻的偏移图像,然后基于图像熵最小准则获取最优成像结果,解决了由于介质参数未知而导致的图像散焦问题。仿真结果验证了所提算法在介质参数未知情况下具有良好的自聚焦性能。      

利用块间耦合稀疏贝叶斯学习的建筑物布局成像方法

该文针对现有穿墙雷达建筑物布局成像中扩展目标稀疏成像方法未能有效利用墙体反射信号的结构稀疏性,导致成像中出现墙体不连贯和墙体轮廓不明显的问题,提出一种利用稀疏信号块间耦合的建筑物布局成像方法。该方法在块稀疏信号特性的高斯分层先验模型的基础上,利用块间耦合系数进一步表征场景中墙体反射信号的结构稀疏性,然后将其引入到控制稀疏信号先验概率分布的超参数中,从而把稀疏信号的结构性转化为超参数的耦合关系,最后利用期望最大化(EM)算法求解超参数的最大后验(MAP)估计。仿真和实验数据处理结果表明,该方法有效改善了墙体的成像质量。     

超宽带雷达建筑物结构稀疏成像

超宽带雷达具备穿透墙体获得建筑物内部结构布局的能力,为建筑物内人员探测定位提供更丰富的信息。传统成像常存在较为严重的旁瓣,而且墙后目标成像位置也会受墙体影响而产生偏移。为提高成像质量,稀疏重构技术被引入穿墙成像领域,但传统方法对弱散射目标的重构概率较低。该文提出结合相干因子(Coherence Factor, CF)加权的稀疏重构方法,在稀疏重构提取支撑集的过程中,利用CF增强成像的结果来提高支撑集原子的正确性,降低稀疏重构过程中强散射目标旁瓣的影响,最终提高场景中弱散射目标的重构概率。同时建立了多层墙体位置校正模型,将场景校正放到稀疏重构之后进行,从而以较低的计算复杂度降低墙体定位误差。实测数据处理结果表明,相比于传统的稀疏成像方法,相同的数抽取比例下,该文提出的方法能够有效提高场景中弱散射目标重构概率,并将建筑物内部墙体定位误差降低至10 cm以内。      

基于空间特征的MIMO穿墙雷达墙杂波抑制

在穿墙成像中,墙体反射波相对于目标回波具有很强的能量,因此对目标的成像及检测造成严重干扰。传统的空域滤波方法基于单发单收阵列体制,利用墙体空间特征不变性有效地抑制墙体杂波。随着MIMO技术越来越多的应用于穿墙雷达,墙体空间特征发生变化,该方法不再适用于MIMO穿墙雷达回波。为解决这一问题,该文分析了MIMO穿墙雷达回波中墙体与目标回波的空间特征,参数化建模结果表明,墙体回波的空间特征与天线阵列的位置无关且具有对称性,而目标回波不具有该特性。根据两者的这一差异,该文提出对称消去法来消除墙体回波。仿真结果表明该方法能够有效地消除墙体杂波,且能够保留目标的全部信息。     

穿墙雷达多视角建筑布局成像

穿墙雷达成像主要包括建筑物的建筑布局成像和内部隐蔽目标成像,其中,建筑布局成像形成的建筑物墙体图像作为参照物能够确定隐蔽目标在建筑物内的相对位置,进而辅助内部隐蔽目标成像实现墙体穿透相位补偿和多径杂波抑制。该文提出了一种多视角建筑布局成像算法,针对多个视角的合成孔径探测回波,首先采用后向投影成像算法形成多幅包含部分墙体图像的单视角建筑布局图像;然后采用M-N-K检测器融合多幅单视角建筑布局图像,形成一幅包含全部墙体图像的二值化建筑布局全景图像;最后,采用中值滤波和Hough变换抑制墙体图像的空洞残缺和边缘毛刺,形成相对整齐的建筑布局全景图像。XFDTD仿真数据和穿墙雷达实验数据验证了算法的正确性和可行性。     

SAR穿墙成像中墙体影响图像域补偿方法

合成孔径雷达(SAR)穿墙成像中的关键问题是对墙体影响的补偿.而墙体参数通常为未知量,获得其值后才能进行补偿.本文在定量分析了墙体对墙后目标聚焦和定位影响的基础上,提出了一种图像域墙体影响补偿方法.该方法基于传统成像算法获得的图像及其滤波结果进行墙体参数估计,具有估计精度高和计算量小的优点.仿真结果验证了本文提出的方法...