基于干涉量子雷达的远距离空中目标探测系统设计

空中目标探测对于空中交通管理与调度具有重要的参考意义，为了克服距离给空中目标探测工作带来的困难，利用干涉量子雷达技术，从硬件和软件两个方面优化设计远距离空中目标探测系统。加设干涉量子雷达探测器，改装雷达信号处理与成像装置，完成硬件系统的优化。利用干涉量子雷达技术生成空中目标雷达图像，通过杂波抑制、图像增强等步骤完成初始雷达图像的预处理。提取雷达图像的轮廓特征，测量空中目标距离，计算空中目标尺寸、位置等几何参数以及移动速度参数，最终通过特征匹配确定区域是否存在空中目标，输出空中目标探测结果。通过系统测试实验得出结论：与传统探测系统相比，优化设计系统的距离、尺寸和移动速度探测误差分别降低了5.15m、4.85㎡和4.15m/s，同时扩大了空中目标的探测范围。     

两种典型情况下的多目标航迹关联方法

针对多目标测量雷达航迹关联中普遍存在的目标变换和目标重复两类典型问题，提出双向带密度控制的多项式检验和基于弹道动力学外推的雷达测元比较方法，有效解决了多目标雷达测量时一段连续航迹跟踪目标不唯一和对同一空间目标多次重复测量的技术难题，改变了完全依赖人工拼接测量数据完成多目标航迹关联的现状。实践结果证明该算法简单适用，便于工程实现，可极大地提高多目标航迹关联的准确度，缩短数据处理周期，对完成目标空域分布测量、目标识别等突防效果分析与评估具有重要价值。     

基于红外相机和毫米波雷达融合的夜间行人检测

为了提升夜间环境行人检测的能力,使用红外相机和毫米波雷达进行信息融合.对两传感器数据进行时间配准并分别进行处理,利用改进YOLO算法处理红外图像得到目标类别特征,处理毫米波雷达数据获得目标的距离和速度特征,再建立空间对准模型对两传感器进行目标匹配,最后利用基于特征的融合算法完成夜间行人多模态信息输出.两传感器检测目标首次匹配之后,可以将类别信息反馈给雷达数据处理单元进行记录,当红外图像检测算法漏检时,利用雷达记录的信息补充输出类别特征.通过实验证明该融合算法提升了单一传感器行人检测成功率,在夜间场景具有良好的应用效果.     

相控阵雷达外弹道测量事后数据处理软件设计

由于多径回波信号的干扰,雷达对低空掠海飞行小目标的实时测量很难达到靶场外弹道测量的精度要求;根据靶场应用需求,采用四阶差分统计误差计算方法,对相控阵雷达中心控制计算机实时处理过程中已经录取下来的测量数据进行随机误差修正处理,并且将结果用图形的方式显示;文中给出某次飞行试验的数据处理结果,通过与实时测量数据结果比较表明,该软件可较好地修正测量随机误差,提高数据处理精度,满足靶场雷达事后数据处理的要求,为靶场试验决策提供依据.     

基于人工智能技术的图像文字识别程序开发与设计

针对大量的图像文字检测识别统计工作，依靠人工读取数据处理效率不高，且很难在短时间内完成，在数据时效性及实时性方面无法满足实际统计工作的要求。因此，基于人工智能技术设计的光学字符识别（OCR）检测和识别方案，通过对图像文字进行图文增强处理，能较好地进行图像文字识别，对识别结果及时进行统计汇总，大幅缩短了统计时间，提高了图像文字识别的智能化处理能力。     

结合ADS-B的航管监视数据融合关键技术

航管多雷达数据和ADS-B数据各有优缺点,在分析了两类数据异同基础上指出了ADS-B数据引入航管多雷达数据处理中需要解决的关键技术难题。基于此,从探测时序和处理周期两方面给出了时间对准方法,研究了空间对准中的坐标转换及其误差配准技术,提出以当前模型和无迹卡尔曼滤波应对目标机动,给出了波门设定、最近邻相关以及融合算法的完整数据融合方案。实际应用中两类数据实现了有效利用和深度融合,提高了航管监视数据处理系统的精度和稳定性,是一种有效的航管监视数据处理方法。     

基于小波变换的人车目标特征提取算法

借助小波变换在时频分析上的优点,提取地面运动目标的回波信号特征在目标识别中加以应用.首先对目标的回波信号进行预处理,获取目标的瞬时多普勒频率信号,然后对该信号进行小波分解与重构,通过对特定频段的信号分析就可实现对运动目标周期性特征的提取.以在战场侦察雷达探测的人车目标识别中的应用为例,讲述该算法在人车目标识别中的特征提取过程,采用实际雷达回波数据对该特征提取算法进行验证,并对识别效果作分析.     

POS数据在机载干涉SAR运动补偿中的应用

提出了一种利用高精度的定位定向系统(POS)数据,在SAR成像阶段实现机载干涉SAR运动补偿及图像配准的成像处理方法。该方法针对机载干涉SAR系统的双天线雷达数据对的特点,在成像阶段直接利用高精度的POS数据完成干涉SAR图像对的位置误差补偿、干涉相位误差补偿以及自动配准等过程。实际处理结果表明,该方法可以有效地提高机载干涉SAR的图像质量,改善复图像对之间的相干性,非常适用于机载双天线干涉SAR雷达数据的成像处理过程。     

采用DSP的雷达电视测量系统的设计与实现

为了弥补相控阵雷达的盲区,在雷达上加装电视测量跟踪系统.本文介绍一种采用DSP的雷达电视测量系统.它以计算机为核心管理整个系统,存储和事后处理数据,显示和输出处理结果;采用DSP+FPGA的线性流水阵列结构设计的数字图像处理卡完成目标数据采集和处理.针对低对比度场景下目标与背景分界模糊的情况,在图像处理算法上利用最大模糊熵原则分别选择黑白目标的分割阈值,把目标从背景中分割出来.并根据实际应用的需要选用了金字塔分解的图像匹配算法方法,实现模板匹配.该系统已应用于多台雷达测量设备中,取得了较好的图像处理、目标跟踪效果.     

全极化SAR数据信息提取研究

全极化SAR(Synthetic Aperture Radar)测量的是每一像元的全散射矩阵,可合成包括线性极化、圆极化及椭圆极化在内的多种极化图像。因此与常规的单极化和多极化SAR相比,在雷达目标探测、识别、纹理特征的提取等方面全极化SAR具有很多优点。基于新疆和田地区的SIR-C L波段全极化雷达数据,介绍了极化合成的基本原理和数据处理流程,分析了几种典型地物全极化信号的特点,并在此基础上用监督分类法进行了全极化SAR数据的信息提取。结果表明:全极化SAR数据比单极化和多极化SAR数据具有更高的分类精度,并有效地的提取出地表信息,为利用SAR数据反演地表参数打下了基础。     

基于并行Boosting算法的雷达目标跟踪检测系统设计

目前的雷达目标跟踪检测系统跟踪路线与实际路线相差较大,泛化误差率高。基于并行Boosting算法设计了一种新的雷达目标跟踪检测系统,硬件内部引入数据多处理器,对收集的雷达位置数据集中处理,连接I/O接口,配置数据过滤器,将雷达位置信息数据的状态参数录入过滤器元件中。在软件部分,利用并行Boosting算法的内部学习融合方式调节不同的雷达目标追踪系统状态,通过信息处理、航迹分析、落脚点判断来整合相应的跟踪检测信息,构建检验方程式防止外来无关数据的侵扰,最终得到雷达目标跟踪数据操作状态,完成目标跟踪检测。实验结果表明,基于并行Boosting算法的雷达目标跟踪检测系统设定的检测路线与实际路线吻合度高达99.21%,泛化误差远远低于传统目标跟踪检测系统,实用性更强。     

基于卷积神经网络的雷达目标检测方法

雷达目标检测近年来一直是雷达信号处理中的重要任务,在探测监控等安全领域中有非常重要的作用;针对传统恒虚警目标检测方法存在的环境适应能力较弱、复杂地形环境下雷达虚警数量急剧上升等问题,提出一种基于卷积神经网络的雷达目标检测方法;以雷达回波信号数据处理后得到的距离-多普勒图像作为模型的训练集和测试集,设计基于FasterR-CNN结构的雷达目标检测模型,训练模型并将测试结果与传统恒虚警目标检测算法结果相比较,所设计的模型提升了雷达目标检测正确率并较大地减少了虚警数量,这表明将卷积神经网络应用于雷达回波信号的处理任务中是可行的。     

复杂场景下深度表示的SAR船舶目标检测算法

雷达图像目标检测是国家海洋军事和经济发展的重点研究领域.与被动成像的光学雷达相比,合成孔径雷达(synthetic aperture radar,SAR)由于其高分辨率、全天候、全天时、主动式等特点,成为20世纪以来多国雷达研究的重要组成部分.图像目标检测是雷达图像解译的基础.提出一种复杂场景下深度表示的SAR船舶目标...     

Missile target automatic recognition from its decoys based on image time-series

As the development of the technology for radar target recognition, missile target automatic recognition has received considerable attention in recent years. Missile target, compared with the plane target, is hard to recognize for its smallness, feebleness and maneuver. In this paper, a new recognition method based on radar image time-series, which can significantly reduce the recognition time and classification error, is proposed. The image time-series are produced by range instantaneous Doppler imaging algorithm firstly, and then cross-range scaling of the images is processed. In particular, the inertia ratio, extracted from the obtained image time-series, is introduced to distinguish the missile from decoys. Furthermore, the effectiveness of this method is demonstrated by application to simulated data and it has been shown that this method has the potential to be used in a number of real-time applications.     

Symbolic target detection in SAR imagery via rotationally invariant-weighted feature extraction

This article introduces the application of a physics-based symbolic image partitioning method to detect targets in synthetic aperture radar (SAR) imagery. ‘Targets’ in this case refer to vehicular objects which produce a distinct radar return pattern, and have spatial characteristics that are known a priori. The proposed Rotationally Invariant Symbolic Histogram (RISH) detection method co-analyses both target and speckle statistics, and significantly reduces computational requirements by partitioning the data into a discrete number of state representations. RISH requires only one pass for robust detection, unlike other SAR detection methods which rely on difference metrics calculated using multiple passes. To improve performance in high-resolution data, RISH uses a weighted feature extraction algorithm to avoid the common requirement of processing each pixel of the image equally. The weighted structure extracts geometrically undefined and rotationally invariant target features. This article details the analysis of 24 experimentally obtained very high-frequency (VHF)-band SAR magnitude images using this novel approach to SAR target detection. In localizing small (~8.4 m²) foliage-concealed targets, without the aid of pre-processing, this method results in high performance characteristics (90% true positive) with a low Type-II error rate of 6.4 false alarms per 1 × 10⁶ m². With the addition of change detection, RISH lowers the error rate by 85%.     

SAR目标检测中的聚类算法改进

合成孔径雷达(简称SAR)自动目标识别(简称ATR)算法是一个标准的目标检测算法,该算法分为3级:Prescreener、Discriminator和Classifier,处于Prescreener级和Discriminator级之间的聚类算法对于检测算法的整体性能有重要的影响。为此首先介绍了常规聚类算法的聚类步骤,然后针对实际应用情况分析了常规算法在聚类过程中存在的问题,并从图像数据读取顺序和准聚类中心计算方法两个方面对聚类算法进行了改进,基于两幅实际SAR图像得到的聚类结果验证了聚类算法改进的有效性。     

基于堆叠双向LSTM的雷达目标识别方法

现阶段雷达目标检测识别主要依赖人工算法提取目标的特征,难点在于环境自适应能力弱,高强度杂波背景下难以有效检测到目标;针对上述问题,结合深度学习在图像识别等领域表现出的强大的学习表示能力,提出基于堆叠双向长短期记忆网络的雷达目标识别方法;网络模型以雷达多普勒维的回波数据构建数据集,采用双向LSTM提取雷达回波数据在时间序列上的正向和逆向信息,通过RMSProp优化算法对神经网络参数迭代训练,实现了对无人机这种低空慢速小目标的有效识别;实验结果表明,基于堆叠双向LSTM的雷达目标识别方法优于传统的SVM分类算法和卷积神经网络分类算法.     

基于特征融合卷积神经网络的SAR图像目标检测方法

针对合成孔径雷达图像目标在背景复杂、场景较大、干扰杂波较多情况下检测困难的问题,设计一种层数较少的卷积神经网络,在完备数据集验证其特征提取效果后,作为基础特征提取网络使用。在训练数据集中补充复杂的大场景下目标训练样本。同时设计一种多层次卷积特征融合网络,增强对大场景下小目标的检测能力。通过对候选区域网络和目标检测网络近似联合训练后,得到一个完整的可用于不同的复杂大场景下SAR图像目标检测的模型。实验结果表明,该方法在SAR图像目标检测方面具有较好的效果,在测试数据集中具有0.86的AP值。     

A SAR image method of detecting target changes using two-dimensional scattering centre characteristics

Remote-sensing image interpretations and applications require information on changes in the target. In high-resolution synthetic aperture radar (SAR) images, multi-scattering centres reflect the characteristics of target scattering, but not those of point targets or point scattering. Total scattering is the vector summation of each scattering centre. These scattering centres include shape and structural information of the target. When a target changes, both the scattering characteristics and the scattering centres change. In this way, changes in the centres may cancel out changes in the target. This article proposes a new method of change detection for SAR image targets using the two-dimensional scattering centre characteristics (TDSCC). This method is here called the TDSCC algorithm. This algorithm differs from other change detection algorithms that are based on image fields. General change detection algorithms require accurate registration. Otherwise, the change information is inaccurate. The TDSCC method is a feature-level or target-level change detection algorithm and it does not require registration operation. Therefore, it avoids errors in change information. The experimental data have confirmed the feasibility of the proposed algorithm.