基于长时间积累的低可观测目标检测方法

雷达信号的有效长时间积累是检测低可观测目标的一种常用方法,可以在不改变系统硬件的同时大大提高信噪比,以增加雷达威力。但是,在较长的积累时间下,快速机动目标有可能会带来距离走动、多普勒扩散等问题,严重影响检测性能。为解决上述问题,提出了一种段内相干积累段间非相干积累的方法,避免出现多普勒扩散,有效地矫正了距离走动,具有良好的性能。     

一种新的超声速弱目标长时间相参积累算法

由于超声速弱目标的高速、小雷达散射截面特性,常规雷达难以对其进行有效检测与跟踪。针对该问题,文中提出了一种新的超声速弱目标长时间相参积累检测与估计算法。首先,给出了超声速弱目标回波信号模型,并分析了距离走动特性,同时通过构造线性频率相位因子,补偿了距离走动的影响;然后,进行匹配滤波和相参积累,来提高目标的检测性能,同时完成目标的参数估计;最后,通过仿真实验分析了该算法的检测和参数估计性能。理论推导和仿真结果表明,该算法的信噪比积累增益为脉压比和相参积累脉冲数的乘积。     

一种降秩线性约束自适应波束形成算法

线性约束最小方差法可在多项约束条件下提供较好的干扰抑制能力,然而在低快拍数、固定零点和自适应干扰零点重合的条件下,该算法性能严重下降。该文提出了一种新的线性约束自适应波束形成算法———基于变换的线性正交投影算法,可较好地克服上述缺点,且计算量较小。理论分析与仿真结果验证了算法的有效性。     

一种在中频上实现测量目标速度的方法

提出了一种数字和模拟相结合的方法，用以实现在中频上对目标速度的测量，分析了时间压缩原理与配相原理。     

高机动雷达目标快速长时间混合积累算法

长时间积累是提高雷达微弱目标检测性能的有效方法,但高速高机动目标的跨距离单元和跨多普勒单元现象严重限制了积累性能。为此,本文提出了一种长时间混合积累的新方法,将积累时间划分为若干个子孔径,在子孔径内同一个距离单元相参积累,在子孔径间实现高效的跨距离单元非相参积累。该方法中采用启发式搜索策略,有效地解决了遍历搜索中运动模型阶数增长带来的运算量爆炸问题。同时,其可通过高阶包络补偿有效降低信噪比损失。数值实验表明,新方法较现有混合积累方法可显著改善检测性能和降低运算量。      

强背景杂波条件下运动的弱小目标检测方法

根据目标、背景干扰和噪声在红外序列图像中的差异。提出了一种基于空间高通滤波和时间域上N帧轨迹积累的运动小目标检测方法。该方法可以在低信噪比的情况下消除红外起伏和随机噪声的影响,有效检测出弱小目标。实验结果表明,采用这种时空混合处理的方法可以得到满意的结果。     

分布式相参雷达多脉冲积累相参参数估计方法

分布式相参雷达(DCAR)是目前国内外雷达领域的重要研究方向,精确的参数估计是实现其良好相参性能的前提和核心。基于动目标模型,提出一种基于多脉冲积累的相参参数估计方法。该方法通过对多脉冲信号进行快、慢时间匹配滤波处理,实现多脉冲相参积累;再利用互相关法进行相参参数估计。仿真分析对比了不同脉冲个数和不同输入信噪比下的参数估计性能和相参性能,仿真结果表明,该方法具有可行性,且可以有效提高低信噪比情况下的参数估计性能和相参性能。     

一种复杂背景下运动小目标的检测方法

本文将小目标的帧间信息和光流法紧密联系起来,把小目标的检测分为小目标的预处理、帧间差分和使用金字塔迭代Lucas-Kanade的光流法确定目标三个步骤进行．实验结果表明,该方法能够有效地检测运动小目标．     

一种高速运动目标长时间积累方法

针对高速运动目标相位编码回波信号不能进行长时间相参积累,提出双频共轭处理方法,该方法采用双频共轭及Keystone变换处理,同时解决高速运动目标越距离单元走动及速度模糊,实现信号的有效相参积累。采用两目标回波仿真数据进行实验,实验结果表明了该方法的有效性。     

低照度背景下弱小目标的成像实验研究

无人机等弱小目标具有飞行高度低、反射截面小、热信息弱等特点,尤其在低照度背景下,单一成像方式难以实现对弱小目标的探测和识别。实验对比了可见光成像、微光夜视成像、长波红外成像、激光主动照明成像等对弱小目标的成像效果,目的是研究适用于不同照度背景下弱小目标的探测识别方法。外场实验中,被测目标为小型四旋翼无人机,尺寸为290 mm×290 mm×196 mm,实验环境照度在10?2~10?4 lx之间,作用距离范围0.5~2 km。成像实验结果表明:普通可见光系统无法在环境照度低于10?2 lx时成像;环境照度为10?3 lx时,微光夜视和长波红外热系统的识别距离仅为0.5 km;近红外激光（中心波长808 nm）主动照明与微光夜视结合的主动成像方式可增加对弱小目标的识别距离,同等条件下主动照明成像作用距离是被动成像的3倍。     

一种基于线性约束的自适应方向图控制方法

提出了一种基于线性约束最小方差波束形成（LCMV）的自适应方向图控制方法。该方法通过在原有线性约束基础上构造新的线性约束,然后根据新组成的线性约束进行LCMV自适应波束形成,所得到的自适应方向图在固定零点方向和干扰方向形成零陷的同时保留了期望静态方向图的副瓣电平特性,从而能够减小快变干扰的影响,并且计算十分简便。计算机仿真证明了本文方法的有效性。     

基于GSC结构的波束形成器的互耦校正

广义旁瓣对消器(GSC)是线性约束最小方差波束形成器的等效结构。但由于实际互耦误差的影响,GSC的支路会出现期望信号泄漏,导致此波束形成器不能正常工作。文中基于一种新定义的互感矩阵,对阵元之间的互耦进行精确的量化和分析,提出了一种GSC波束形成器的互耦补偿方法。该方法通过修改GSC的参数,解决了期望信号相消的问题。仿真试验表明,该方法能精确的校正阵列天线阵元间的互耦效应,使GSC波束形成器对互耦误差具有稳健性。     

雷达信号与遥感地图融合的深度学习低慢小目标检测算法

雷达复杂环境低慢小目标检测是一项具有挑战性的任务,而利用深度学习以及数据特征融合等方法是解决这一难题的有效手段。本文在雷达地图融合检测网络（Radar Map fusion Detection Network, RMDN）的基础上进行了优化,主要优化方向为将雷达与地图信息在检测过程中进行重要性程度区分,具体优化内容为减少地图特征提取模块的网络深度,加入通道注意力机制,让神经网络自主学习雷达信息与地图信息特征的权重,使神经网能够更好地利用地图信息对雷达目标进行辅助检测。在此优化基础上,本文重新设计出了雷达地图融合检测网络RMDN-V2。算法的主要思想为利用卫星遥感地图来提供背景环境信息,作为雷达信号检测的辅助,通过将目标背景中的特征信息融入检测决策中,提高目标检测的准确性和鲁棒性,减少对强杂波和移动物体的干扰敏感性,改善目标检测算法在复杂环境下的表现。最后的无人机雷达实测数据实验结果表明,本文所做的针对性优化是有效的,RMDN-V2的检测性能优于原始的RMDN,同时本文算法检测性能远超传统的雷达检测算法,同时也优于目前主流的一些深度学习雷达目标检测算法。本文为解决当下低慢小目标检测的难题提出了新的算法。     

抗干扰自适应天线阵波束形成零陷算法

针对传统的功率倒置算法应用在卫星信号接收时,不能在有用信号方向上形成主波束,不具有提高信噪比的功能,提出一种新的波束形成零陷算法,提高了该功能。通过软件仿真验证,结果表明提出的新算法克服了功率倒置算法在有用信号方向不能形成主波束的不足,不仅能在干扰方向形成更深的＂零陷＂,而且具有更高的输出信噪比。     

相参积累网络雷达对球形目标检测性能分析

本文研究了总发射功率一定的条件下,相参积累网络雷达四种模式对球形目标检测性能.分析和仿真结果表明网络雷达宜采用MIMO和MW模式,而且MIMO模式随着通道数的增加系统性能增加变慢,MW模式在高信噪比时也表现出同样的特性.     

云杂波背景下红外弱小目标的改进检测算法

根据目标和背景的时域特性,建立了不同像素类型的时域模型。提出了一种基于时域廓线的云杂波背景下红外弱小目标的一种改进算法。首先,采用基于时域方差滤波预处理方法,滤除平稳背景;然后采用基于时域廓线的目标检测方法,根据时域剖面线上的拐点值变化,转化为大小相当的正负脉冲来检测目标。理论分析和实验结果表明,文中算法对于不同云杂波背景具有广泛的适应性。     

基于Householder多级维纳滤波器的全联通WSN分布式LCMV波束形成器方法

针对减少分布式LCMV波束形成器在全联通WSN中的计算量问题,提出基于Householder多级维纳滤波器(HMSWF)的分布式LCMV波束形成器方法.该方法通过有效引入HMSWF技术避免本地协方差矩阵估计及求逆运算,能以更少的计算量获得分布式LCMV波束形成器相同的输出性能.另外,还可以在递推过程中进行合理截断处理来进一步降低运算量.计算机仿真结果验证了算法的优良性能.     

Sampling adaptive block compressed sensing reconstruction algorithm for images based on edge detection

In this paper, a sampling adaptive for block compressed sensing with smooth projected Landweber based on edge detection （SA-BCS-SPL-ED） image reconstruction algorithm is presented. This algorithm takes full advantage of the characteristics of the block compressed sensing, which assigns a sampling rate depending on its texture complexity of each block. The block complexity is measured by the variance of its texture gradient, big variance with high sampling rates and small variance with low sampling rates. Meanwhile, in order to avoid over-sampling and sub-sampling, we set up the maximum sampling rate and the minimum sampling rate for each block. Through iterative algorithm, the actual sampling rate of the whole image approximately equals to the set up value. In aspects of the directional transforms, discrete cosine transform （DCT）, dual-tree discrete wavelet transform （DDWT）, discrete wavelet transform （DWT） and Contourlet （CT） are used in experiments. Experimental results show that compared to block compressed sensing with smooth projected Landweber （BCS-SPL）, the proposed algorithm is much better with simple texture images and even complicated texture images at the same sampling rate. Besides, SA-BCS-SPL-ED-DDWT is quite good for the most of images while the SA-BCS-SPL-ED-CT is likely better only for more-complicated texture images.     

腔内线性调频影响激光相干性的实验研究

介绍了腔长调制线性调频信号体制引起激光相干性降低的实验研究。对这种影响的机制提出一种理论分析，认为腔长调制可能使激光器谐振腔端镜产生随机振动，从而影响激光的相干长度     

频域切变Radon-Fourier变换算法及其对微弱目标的检测

针对Radon-Fourier变换(RFT)在进行高速微弱目标检测过程中运算量大和实时处理问题,提出频域切变RFT(FSRFT)算法,其在不失积累增益和检测性能的情况下,简化处理过程并降低运算量,且所提方法适合于雷达跟踪过程中的滑窗处理和并行运算。仿真实验结果表明,理想情况下,FSRFT方法的相参积累检测性能接近理论值,并行处理运算量较现有快速方法降低一个数量级。