基于优化初值选择的自适应高斯包络线性调频基信号分解

基于高斯包络线性调频基的自适应信号分解是一种分辨力高、性能优良的时频分析算法,在语音信号、地震信号、雷达信号等可以用调频类函数进行建模的信号分析中有着广阔的应用前景。该算法在四维参数空间构造和求解超越方程,得到参数的闭式解,与传统的优化算法相比大大降低了运算量。对于由高斯包络线性调频基不相交或浅相交形成的简单信号,该算法具有非常优良的分辨性能,而对由高斯包络线性调频基深相交形成的复杂信号分解存在较大误差。本文针对这一问题进行研究,指出初值选择在该算法中的重要作用,分析了得到高精度分解结果的初值条件,提出了基于优化初值选择的高斯包络线性调频基自适应信号分解算法。通过在局部信号粗时频平面中搜索最优初值,结合自适应分解中建立和求解超越方程的方法得到参数闭式解,提高了分解精度,同时降低了运算量。对仿真信号及语音信号的分解效果验证了改进后算法的有效性和准确性。     

短时高斯包络线性调频基自适应信号分解算法

作为一种参数化时频分析的方法,基于高斯包络线性调频基自适应信号分解的快速算法具有分辨力高、零交叉项和计算量小的优点,在信号时频分析中具有独特的优势和广阔的应用前景.然而该快速算法却存在由于采样点初值选择不当而造成分解失效的缺点,虽然后来的基于优化初值选择的自适应高斯包络线性调频基信号分解对初值选择算法进行了改进,提高了分解性能的稳定性,但仍存在较多的问题没有解决.本文将对这些问题进行研究和改进,并提出短时自适应高斯包络线性调频基信号分解算法.算法通过加短时窗来增强时频中心定位的准确性,通过控制采样基时宽来获取有效的初始方差取值范围,从而提高了分解的自适应性和稳定性.对仿真信号和语音信号的分解结果表明了该算法的有效性.     

基于时频分析的ISAR成像

传统的逆合成孔径雷达(ISAR)成像算法用傅里叶变换进行频谱分析,对机动目标的成像会导致成像模糊。本文应用短时傅里叶变换(STFT)、魏格纳分布(WVD)、平滑伪魏格纳分布(SPWVD)几种时频分析方法对机动目标进行瞬时成像。仿真和实验结果表明,通过该方法能得到清晰的目标的距离-瞬时多普勒像。     

一种基于时域分解的ISAR图像理解与处理方法

逆合成孔径雷达(ISAR)图像的自动理解是应用其进行自动目标识别(ATR)的基础。文中提出一种基于改进的自适应高斯表示(AGR)的ISAR图像理解与处理方法。该方法对目标ISAR图像中点散射与非点散射效应并存的现象给以有效的参数化的描述,进而消除非点散射在图像中造成的模糊展布,并提取到可用于目标识别的成像目标散射中心特征。基于飞机目标实测数据的实验验证了该方法的有效性。     

一种基于时频分解的ISAR图像理解与处理方法

逆合成孔径雷达(ISAR)图像的自动理解是应用其进行自动目标识别(ATR)的基础.文中提出一种基于改进的自适应高斯表示(AGR)的ISAR图像理解与处理方法.该方法对目标ISAR图像中点散射与非点散射效应并存的现象给以有效的参数化的描述,进而消除非点散射在图像中造成的模糊展布,并提取到可用于目标识别的成像目标散射中心特征.基于飞机目标实测数据的实验验证了该方法的有效性.     

基于线性调频步进信号的高速目标ISAR成像

该文讨论了一种利用线性调频步进(LMSF)雷达信号通过频域带宽合成以进行高距离分辨率逆合成孔径雷达(ISAR)成像的方法。文中建立了高速目标的回波模型。为了精确估计高速运动目标运动参数,给出了利用包络对齐和多普勒中心估计拟合目标运动轨迹的方法。针对ISAR中目标回波的特点,对原始的多普勒中心估计方法进行了改进,提高了运动参数估计精度。最后给出了处理流程,并用仿真结果验证此种方法的有效性。     

基于线性调频步进信号的ISAR成像技术研究

分析了线性调频步进雷达信号(LMFS)的形式及成像的特点,利用对雷达发射信号的设计,提出了此类信号切实可行的运动补偿方案;提出了两种形成延展目标ISAR像的拼接方法;最后通过实测数据验证所提运动补偿方法的有效性并通过仿真验证了所提ISAR像拼接方法的正确性。     

基于线性调频步进ISAR参数估计和成像算法研究

本文在建立了线性调频步进ISAR回波信号模型的基础上,对线性调频步进ISAR信号特性进行了分析,指出径向速度和加速度将严重影响线性调频步进ISAR成像;因此,为了得到更好的ISAR图像,本文提出了一种新的基于线性调频步进ISAR的成像方法,充分利用距离时域包络和方位多普勒信息对径向速度和加速度进行精确的估计,同时在数据中对运动参数加以补偿,并最终实现方位多普勒成像;而且,该方法还适用于较低信噪比情况下的ISAR成像;在最后,本文给出了线性调频步进ISAR成像的详细步骤,并用不同信噪比的仿真数据验证了本文所提出方法的可行性。     

基于SVA算法和时频分析的ISAR成像

研究了时频分析在ISAR成像中的运用,论述了一维SVA算法和改进的二维SVA算法在提高图像分辨率、降低信号自身旁瓣电平方面的优势。在此基础上,提出将两者联合运用到机动目标的逆合成孔径雷达成像中,改善了传统的距离-多普勒算法对机动目标成像的模糊现象。实验结果证明了此方法的正确性和有效性。     

基于自适应核时频分布的机动目标ISAR成像

具有复杂姿态运动的目标由于其多普勒的时变性,使得传统的逆合成孔径雷达(ISAR)距离多普勒算法成像模糊,时频分析技术是解决该问题的有效途径之一.在详细分析复杂姿态运动导致的目标回波多普勒相位非线性特性的基础上,利用白适应核时频分布进行ISAR瞬时成像,并给出了一种新的自适应高斯核函数的参数估计方法.仿真数据和外场实测数据成像结果证明了该方法的有效性.     

基于自适应Chirplet分解的舰船目标ISAR成像

相对于飞机目标的ISAR成像,舰船目标的ISAR成像同样具有重要意义, 但国内对舰船目标的成像研究刚刚开始。由于舰船运动的复杂性,使得舰船目标的成像条件要比飞机目标复杂得多,传统的针对飞机目标的成像方法已经不能满足要求。因此,该文提出了基于自适应Chirplet分解的舰船目标成像方法,得到了舰船不同时刻的瞬态ISAR像。     

基于自适应chirplet变换的ISAR瞬时成像的快速算法

在逆合成孔径雷达(ISAR)瞬时成像中,针对自适应chirplet分解方法运算量大,对信号的逼近精度有限等问题,提出了一种瞬时成像快速算法。该方法在参数粗搜索的基础上,将多维参数搜索过程转化为超越方程的求解问题。与传统方法比较,该方法不仅运算速度快,计算量小,而且参数估计精度高。仿真和真实雷达数据用此方法均能成出质量较好的ISAR图像。因而此快速算法是一种有效的ISAR瞬时成像的快速算法。     

基于自适应最优核时频分布理论的ISAR成像方法

由于运动的复杂性, 传统的成像方法已无法满足机动目标成像的要求。在分析机动目标复杂运动引起目标回波多普勒相位非线性变化的基础上, 提出了一种基于自适应最优核时频分布(AOK TFR)理论的ISAR成像方法。通过计算回波数据不同距离单元的AOK TFR, 得到不同时刻目标的瞬态ISAR像, 且不受交叉项的影响;通过估计距离单元的瞬时多普勒频率并依此对成像时间段进行选择。仿真数据结果验证了该方法的有效性。     

基于参数化时频分析的机动目标ISAR成像方法

对于机动目标,运动补偿后目标相对于雷达并不是标准的转台目标,目标的多普勒是时变的,此时传统的距离多普勒成像算法不能得到很好的成像效果.论文分析总结了几种针对非匀速转动的时频联合分析算法,提出了一种基于参数化时频分析--AGCD快速算法的ISAR成像算法,并且用机动目标的仿真数据进行了验证,验证结果表明了该算法具有精度高、速度快且无交叉项的优点,比传统的算法有较大的改进.     

基于自适应权重GPSR算法的ISAR成像

为了提高ISAR成像运算效率,本文提出一种自适应权重GPSR(AW GPSR)算法,并用于ISAR成像。该算法为加快参数重构的收敛速度,给ISAR图像中每个散射点都赋予正则化权重系数。对于幅度较小的散射系数,赋予较大的权重,使其快速减小为0;对于幅度较大的散射系数,给予较小的权重,使其在迭代中保持不变。在梯度下降迭代过程中,不断更新散射系数和正则化权重。本文采用仿真信号和实测信号进行ISAR成像实验,实验结果表明,相比常规GPSR算法,AW GPSR算法达到收敛的速度更快,成像时间降低了约23%。在成像效果方面,AW GPSR算法与常规GPSR算法相当,但明显好于传统的R-D算法和ESPRIT算法。     

基于包络拟合的Chirplet分解算法

针对信号自适应Chirplet分解未知参数多、分解算法运算量大的问题,提出了一种基于包络拟合的Chirplet自适应分解算法。该方法利用二次相位函数在时间上的积分估计调频率,通过对包络主瓣峰值的幅度拟合估计标准差和时间中心,并利用包络主瓣峰值的相位信息对调频率与初始频率估计值进行修正,提高参数估计精度。给出了单分量和多分量情况下的Chirplet参数估计流程。推导了一般高斯环境下Chirplet信号参数估计的CRB界。仿真及实测数据处理结果验证了算法的有效性。      

一种基于自适应Chirplet分解的逆合成孔径雷达成像方法

对于机动目标的成像需要用距离－瞬时多普勒成像方法,文献［４］中给出了目标机动性不强时的成像方法,本文提出了一种自适应的ｃｈｉｒｐｌｅｔ信号分析方法,在此基础上给出了具有强机动性的目标的ＩＳＡＲ成像算法。最后利用实测数据验证了该方法的有效性。