车载前视GPSAR浅地表杂波特性分析

车载前视地表穿透合成孔径雷达(GPSAR)能够穿透地表获得浅埋目标图像,可用于较大面积区域的快速探测.目前制约GPSAR浅埋目标检测实用化的主要障碍是探测环境复杂而带来的虚警过高.而对GPSAR浅地表杂波特性分析是指导检测器设计进而提高检测性能的前提.文中针对车载前视GPSAR图像杂波局部与整体统计特性不一致的情况,给出一种基于多维概率密度函数的GPSAR图像浅地表杂波特性分析方法.该方法揭示了局部图像与整体图像的浅地表杂波特性的区别与联系.可从理论上解释车载前视GPSAR图像浅地表杂波的实际统计结果,为指导检测器设计和提高浅埋目标检测性能奠定了基础.     

车载前视GPSAR图像背景均衡方法

车载前视GPSAR是对较大区域浅地表进行探测的有效工具,能够对探测区域进行二维高分辨率成像。针对车载前视GPSAR图像的空变及增益不均的特点,首先给出了对大面积图像数据进行均衡的基本框架;然后分析实测数据的杂渡分布并利用其对图像进行均衡;最后通过分析均衡后图像信杂比及其对杂波分布特性的影响,获得了均衡实测图像的较好方法,从而验证了均衡框架的有效性。     

地表穿透合成孔径雷达浅地表金属地雷二维电磁特征研究

利用机载或车载地表穿透合成孔径雷达(GPSAR)可以实现地雷和雷场的远距离大区域快速探测,是探雷的发展趋势.为了降低地雷检测中的虚警,需要基于地雷和杂波电磁特征设计有效的检测器.本文提出了GPSAR浅地表金属地雷二维电磁特征计算方法,理论计算结果与Rail-GPSAR实测数据基本吻合.电磁建模结果表明,浅地表金属地雷图像具有双峰特征,它将有效的提高地雷检测性能.     

基于二维时频特征的地雷目标检测

利用车载前视超宽带地表穿透雷达进行大区域地雷探测是探雷的发展方向,目前制约车载前视超宽带地雷穿透雷达探雷实用化的关键问题是难以提取一致性较好的地雷目标特征。文中以地雷目标的斜距 方位 频率 反射角四维散射函数为基础,提取二维时频域特征图像。然后对时频图像进行特征选择,并实现目标和杂波的分类。为降低分类器训练误差以提高其泛化性能,将特征选择和分类器设计有机结合。同时为保证地雷探测过程中具有恒定的探测率,在分类器训练过程中以恒检测率下的虚警率作为代价函数,通过实测数据验证,该方法适用于车载前视超宽带地表穿透雷达,最终得到的分类器能提供恒定的检测率,并且具有很好的泛化性能。      

基于图像分割的地雷目标检测

前视地表穿透雷达能够对车前安全距离外的区域成高分辨率图像,利用前视地表穿透雷达进行地雷探测是一个复杂环境下的微小目标检测问题。受非平稳背景干扰,传统检测算法探测性能有限。该文提出一种基于图像分割的背景估计及地雷目标检测方法。连续多帧图像用来估计出耦合信号,为降低计算量,将成像后估计改进为回波域估计后成像。对剔除耦合信号后的图像实施均衡以保证各处增益相同,均衡后图像利用二维Otsu 算法分割出能量较强的区域,降低后续检测过程中强目标对杂波统计的影响,最终获得比传统检测算法更好的探测性能。该文同时还提出一种快速算法用于实时系统。通过实测数据验证,该方法可以有效改善前视地表穿透雷达的探测性能。      

基于方位不变特征的地雷检测方法

车载前视超宽带地表穿透雷达在地雷探测中遇到的困难是虚警率过高,地雷与杂波在全孔径图像中很难准确区分。为降低地雷探测过程中的虚警率,该文提出一种基于目标子孔径图像方位不变性的检测方法。该方法利用分裂发射虚拟孔径成像模型,将全孔径图像分解为左右两个子孔径图像,并根据子孔径图像中的目标一维距离剖线建立双峰特征模型。在此模型基础上提取具有方位不变性的若干特征,进而得到左右子孔径图像中目标的一致性度量,并将该一致性度量作为最终的特征向量送入鉴别器加以判别。经实测数据验证,该算法能有效剔除原先在全孔径图像中无法剔除的杂波,从而降低前视地表穿透合成孔径雷达中地雷探测的虚警率。      

超宽带SAR浅地表地雷聚焦与定位技术

机载或车载超宽带合成孔径雷达可以大区域快速探测单个地雷和雷场,是探雷的发展趋势。由于传统成像算法基于均匀媒质的假设,在浅地表目标成像中不再适应。该文首先建立了浅地表目标回波模型,定量分析了折射和色散对成像的影响。基于回波模型,提出了分别在回波域和图像域补偿折射和色散影响的浅地表后向投影(Subsurface Back-Projection, SBP)成像算法。但是对未知区域进行地雷探测时,无法获得目标埋设深度和入射角先验信息。针对这个问题,提出了基于图像域SBP成像算法的粗、精补偿分级处理流程,实现了大区域多目标精确聚焦定位。最后利用Rail-GPSAR探雷试验系统实测数据验证了该文方法的有效性。     

一种基于特征提取的车载前视步进频率虚拟孔径雷达速度补偿方法

车载前视步进频率虚拟孔径雷达受运动速度影响会造成目标图像散焦,严重影响目标图像特征提取。该文通过建立点目标回波模型,分析车辆速度对成像影响的同时给出了速度补偿等效原理,并在此基础上提出了基于目标ROI图像紧致度最优的速度补偿方法,有效改善了补偿效果,增强了目标特征一致性,仿真和实测数据处理结果均验证了该方法的有效性。     

一种VFGPIR序列图像特征评估与选择新方法

利用车载前视地表穿透成像雷达(VFGPIR)进行浅埋目标探测时,从序列图像中提取有效特征是保证高检测概率的同时最大程度剔除杂波降低虚警的关键.针对Fisher鉴别比(FDR)和顺序浮动前进选择(SFFS)方法用于地雷特征选择的局限性,提出一种基于分布参数和SFFS相结合的特征评估与选择方法.首先利用特征样本的分布参数定义代价函数来评估单个特征,并结合探测指标选择有效特征,然后利用SFFS方法并结合相关性分析搜索最优特征子集.实测数据的试验结果表明:序列特征比单帧图像特征具有更好的鉴别能力;该方法可快速有效地选择出具有良好鉴别能力的特征子集.     

一种适用于FLGPSAR的自适应干扰抑制与背景均衡新方法

针对车载前视地表穿透合成孔径雷达(Forward-Looking Ground Penetrating Synthetic Aperture Radar, FLGPSAR)探测系统存在自信号干扰和图像背景增益不一致问题,该文提出了一种基于图像域距离带分割和迭代操作的自适应干扰抑制和背景均衡新方法。通过距离带分割实现并行处理并提高参数估计的准确性,采用迭代操作在线估计和更新参数,自适应实现干扰去除和图像背景增益均衡。实测数据处理结果表明:所提方法具有更好的环境适应性,且结构上适于实时处理,可满足车载FLGPSAR探测系统对图像预处理的需求。     

基于俯仰维信息的机载气象雷达目标检测

机载气象雷达系统能够在飞行中实现对气象目标的探测。然而,近地气象目标易受到强地杂波干扰,从而导致目标信息的缺失和检测虚警。为了实现地杂波背景中气象目标的准确检测,本文提出了一种基于俯仰通道干涉相位的空域气象目标检测技术。首先利用俯仰双通道系统获取雷达回波数据,经过多视处理后生成干涉相位图,对干涉相位图进行干涉相位补偿后得到待检测的干涉相位数据;然后将干涉相位作为检验统计量,解析高斯杂波背景下地杂波与气象目标的干涉相位统计特性;最后嵌入该统计特性至恒虚警率检测器中,实现气象目标的鲁棒检测。多组仿真与实测数据处理结果表明,相较于其他气象目标检测方法,所提方法具有更高的检测概率和更好的鲁棒性。     

基于相关视角多视校正的太赫兹阵列雷达散斑抑制方法

在针对人体安检的站开式太赫兹阵列雷达三维成像中,散斑效应严重影响了对体表隐藏违禁品的检测和识别性能,为此,对全息散斑进行有效抑制有着迫切的需要。利用目标旋转带来的角度自由度,结合目标散射对角度的敏感性,提出了一种基于相关视角多视校正的太赫兹全息雷达散斑抑制方法。在理论上推导了全息雷达散斑强度在相关角度照射下的归一化协方差表达式,给出了相关视角多视处理后的散斑对比度。在实验上利用340 GHz站开式MIMO阵列成像系统的快速成像的优势,对低速旋转目标在相关视角下的单视成像结果进行成像空间旋转校正、目标配准和多视处理。处理后散斑对比度降低至单视散斑的44％,散斑得到了有效抑制,目标轮廓明显,细节更加丰富。该方法能够在不增加系统复杂度的条件下有效抑制散斑噪声,实现图像增强。     

基于零相关区序列集的空时自适应处理地面运动目标检测算法

在多发单收的合成孔径雷达-地面运动目标检测(SAR鄄GMTI)雷达系统中,虽然多颗卫星之间不需要数据传送就能在接收卫星上实现地面运动目标检测,但存在由于空间发射互相正交的一组波形而导致SAR 成像相干积累的积分旁瓣过高的问题,从而影响对后续的图像域杂波相消性能。因此,文中提出了将空时自适应处理算法用于发射零相关区序列集(ZCZcodes)信号的星载多入单出系统,这样不用考虑积分旁瓣对SAR 成像质量和图像域杂波相消性能带来的影响,且计算量较SAR鄄GMTI 算法小,同样不需要数据传送也在接收卫星上实现了地面运动目标检测。仿真结果和性能分析验证了该方法的有效性。     

A novel SVM for Ground Penetrating Synthetic Aperture Radar landmine detection

The use of vehicle-or air-borne Ground Penetrating Synthetic Aperture Radar （GPSAR） to quickly detect landmines over large areas is becoming a trend. However, producing too many false alarms in GPSAR landmine detection is a major challenge in practical applications of GPSAR. Support Vector Machine （SVM）, employing structural risk minimization theory, does not need large amounts of training data, which makes it suitable for solving the landmine detection problem. In this paper, a novel SVM with a hypersphere instead of a hyperplane classification boundary is proposed for landmine detection in GPSAR. The HyperSphere-SVM （HS-SVM） can be trained with both landmine and clutter data, or with landmine data only, which are called the two-class HS-SVM and the one-class HS-SVM, respectively. The HS-SVM has better generalization capability than the traditional HyperPlane-SVM （HP-SVM） with respect to varying operating conditions. Quantitative comparisons have been made using real data collected with the rail-GPSAR landmine detection system, which show that both the two-class and the one-class HS-SVMs have better detection performance than the HP-SVM.     

浅地层探地雷达自动目标检测与定位研究

该文提出了一种基于图像熵变化及窗口能量检测的探地雷达自动目标检测与定位方法,该方法首先通过探地雷达未经合成孔径处理的图像与经合成孔径处理后的图像之间的熵变化来检测目标,再通过在合成孔径图像中进行窗口能量检测来判断目标所在的位置。通过对实测数据的处理,结果表明该方法取得了较好的效果。     

一种新的多视全极化SAR目标检测器及其性能分析

本文提出一个新的多视极化合成雷达（SAR）的目标检测算法，对均匀和非均匀的杂波及目标模型，分析了该算法的检测性能，给出了检测统计的精确表达式。模拟实验结果表明，本文所提出的目标检测算法明显优于全功率检测算法和利用单通道强度的检测算法。     

基于Stolt偏移的探地雷达合成孔径成像研究

对探地雷达数据进行合成孔径处理可提高探地雷达图像的分辨力,有利于对地下目标的探测及精确定位.文中提出了一种新的stolt偏移插值实现方法,用于探地雷达合成孔径成像,它能克服传统方法中偏移能量不集中的缺点并保持处理速度快的优点,通过对实测数据进行处理,其结果表明该方法取得了很好的效果.     

浅层探地雷达的快速异常检测

提出了一种浅层探地雷达快速异常区域检测方法.通过数字图像处理技术对探地雷达探测数据进行分析处理,根据地表回波梯度幅度大的图像特性将其从雷达数据中去除以克服其对地下异常目标检测的影响,然后利用基于梯度的自适应阈值方法在抑制杂波干扰的同时,对地下层中的异常区域进行快速定位.通过实测数据的实验验证,证实了所提的方法在处理异常目标检测与定位时的高效与快速.