太赫兹雷达宽带STAP算法研究

太赫兹雷达可以对地面进行高帧率高分辨力成像,是太赫兹技术领域研究热点。针对太赫兹雷达宽带高分辨成像与地面动目标检测一体化实现需求,提出了一种基于宽带空时自适应处理(STAP)的地面运动目标检测算法,首次在机载太赫兹雷达上实现了同时对地高分辨雷达成像监视和多通道地面动目标指示(GMTI)检测。机载太赫兹雷达实测数据验证了算法的有效性。     

视频合成孔径雷达双域联合运动目标检测方法

视频合成孔径雷达(SAR)具有高帧率成像能力,可作为地面运动目标探测的重要技术手段。经典SAR地面动目标显示(SAR-GMTI)依靠目标回波能量来实现动目标检测,同时动目标阴影亦可作为视频SAR动目标检测的重要途径。然而,由于动目标能量和阴影的畸变或涂抹,依靠单一方式难以实现稳健的动目标检测。该文基于目标能量和阴影的双域联合检测思想,分别通过快速区域卷积神经网络和航迹关联两种技术途径实现了视频SAR动目标联合检测,给出了机载实测数据处理结果,并进行了详细分析。该文方法充分利用目标阴影与能量的特征及空时信息,提升了机动目标检测的稳健性。      

基于CSI-MD的地面动目标聚焦成像技术

对于合成孔径雷达(SAR)图像,地面静止场景中同时存在运动目标;由于其运动参数未知,动目标在SAR图像上呈现方位向偏移和散焦;而在高分辨条件下,运动目标更可能会存在跨距离单元徙动现象,从而影响运动目标的聚焦成像。文中结合多通道合成孔径雷达-地面动目标显示技术,提出了基于杂波抑制干涉(CSI)和子视图相关法(MD)的动目标聚焦成像技术。该方法结合多通道SAR图像信息,在CSI抑制杂波后进行动目标检测,根据动目标散焦范围挑出包含动目标的区域;然后,用MD算法估计动目标所在距离单元的方位调频率,重新设计方位匹配滤波函数,对该区域内散焦的运动目标聚焦成像。仿真数据和实测数据的处理结果均证明了该方法能较好地实现动目标的聚焦成像。     

一种机载前视SAR动目标检测方法

当机载雷达接收天线阵面处于前视时,由于接收天线之间没有沿航迹基线,致使已有的基于沿航向基线的合成孔径雷达(SAR)动目标检测方法如DPCA,ATI方法无法应用。此外,由于在前视条件下地杂波的多普勒频率与空间角频率呈现非线性关系,从而给地面运动目标的检测带来困难。针对该问题提出了一种机载前视阵雷达SAR地面运动目标检测定位方法,该方法在短脉冲条件下利用降维空时自适应处理(STAP)技术对杂波进行抑制,然后采用最优波束形成方法对动目标进行径向速度搜索。该方法能够实现在前视SAR条件下的地面动目标检测。仿真实验结果验证了该方法的有效性。     

一种基于多级维纳滤波的多通道SAR动目标检测算法

该文针对机载多通道SAR-GMTI系统及实测数据,提出一种新的地面慢动目标检测算法。新算法利用多级维纳滤波器实现多通道SAR系统杂波抑制,同时结合对角加载技术和非均匀检测器,进一步改善SAR系统在非均匀环境下的动目标检测性能。实测数据实验结果表明:与常规的自适应检测方法相比,新算法能够明显提高系统对杂波的抑制能力及非均匀环境下系统的动目标检测性能。     

SAR/GMTI方法的改进与动目标在雷达图像上的再定位处理

SAR雷达是一种高分辨成像雷达,GMTI是SAR的一种工作模式,主要用于地面动目标搜索及跟踪,而雷达图像则可为检测出的动目标提供地理定位参考。传统的GMTI方法对动目标速度估值不够准确,作者改进了原来的方法,提高了动目标速度估值准确性,更便于后续的航迹相关处理。当动目标轨迹得到后,其在雷达图像上因为多普勒效应产生了移位,本文介绍了通过频谱搬移将动目标在雷达图像上重新定位的方法,得到了真实的动目标轨迹。文章最后利用雷达实测数据进行处理,得到了较满意的结果。     

基于图注意力网络的半监督SAR舰船目标检测

基于深度学习的合成孔径雷达(SAR)舰船目标检测近年得到了快速发展。然而,传统有监督学习需要大量的标记样本来训练网络。针对此问题,该文提出一种基于图注意力网络(GAT)的半监督SAR舰船目标检测方法。首先,设计了对称卷积神经网络用于海陆分割。随后,完成超像素分割并将超像素块建模为GAT的节点,利用感兴趣区域池化层提取节点的多尺度特征。GAT采用注意力机制自适应地汇聚邻接节点特征实现对无标记节点的分类。最后,将预测为舰船目标的超像素块定位到SAR图像中并获得精细检测结果。在实测高分辨SAR图像数据集上验证了所提方法。结果表明该方法可以在少量标记样本下,以低虚警率实现对舰船目标的可靠检测。     

三通道TOPSAR-GMTI技术研究

多通道宽带雷达不仅要求能够对大场景进行高分辨成像,而且要求具有动目标检测的能力。该文提出一种三通道TOPSAR模式下对地面动目标检测与定位(GMTI)的方法。首先建立三通道TOPSAR-GMTI系统几何模型,并对三通道回波数据进行全孔径成像,然后采用相位中心偏置天线(DPCA)和双门限单元平均恒虚警(CFAR)检测方法完成动目标的检测,最后推导出TOPSAR-GMTI模式下动目标干涉相位与速度的关系,完成对动目标的速度估计并在SAR图像中对其进行重新精确定位。仿真数据处理结果验证了该算法的有效性。     

单脉冲SAR地面动目标检测技术初探

合成孔径雷达(SAR)是一种高分辨成像雷达,但对运动目标的成像经常会出现模糊和方位向偏移.本文对文献[1]提到的利用单脉冲SAR实现地面动目标检测(GMTI)技术进行简单的介绍,该方法利用单脉冲系统接收的和/差通道的聚焦数据对成像场景中的动目标进行检测,并且进行方位向偏移校正,以及准确测得各个动目标的径向速度分量.     

基于深度学习的ViSAR多运动目标检测

视频合成孔径雷达(ViSAR)在地面动目标检测和感兴趣区域(ROI)的动态监测方面具有巨大的潜力。对地面运动目标的检测与跟踪一直是ViSAR的研究热点。针对现有基于深度学习的ViSAR动目标检测方法存在的依赖预训练模型,模型迁移难等问题,本文提出了一种基于深度学习与多目标跟踪(MOT)算法的ViSAR动目标阴影检测方法。该方法首先设计了一种从零开始深度学习的网络模型,实现动目标阴影的单帧检测。为了提高检测性能的鲁棒性,采用了基于卡尔曼滤波和逐帧数据关联的多目标跟踪算法跟踪动目标。实测数据处理结果表明该方法具有良好的检测性能。     

一种机载SAR地面运动目标成像模块设计

针对一体化机载合成孔径雷达/地面运动目标指示(SAR/GMTI)处理器实现多功能同步的难题,提出一种基于混合SAR/ISAR处理的地面运动目标成像处理模块设计,复用距离脉压数据实现场景成像、动目标检测以及动目标成像功能的并行。结合集成了多处理器的分布式内存体系结构的数字信号处理板卡,通过同构设计和链式数据缓存,每片DSP和其外存构成独立的成像处理节点。同时链路口互联结构可发送当前子孔径的脉压结果实现同步缓存,因此各成像节点可并发响应上位机对已检测动目标的成像请求。基于外场实测数据的处理结果证明了该设计的有效性。     

SAR的动目标成像与定位处理

合成孔径雷达（SAR）是一种高分辨成像雷达。当今雷达成像技术已经非常成熟，在国民经济与军事领域中有着广泛的应用。但在SAR成像过程中如何对动目标成像并定位依然是一个值得探讨的课题。该文提出通过求取动目标调频斜率的方法能对动目标更清晰地成像，然后通过多普勒频谱搬移法得到动目标在雷达图像上的定位，使成像质量较高的动目标图像叠加到静止地物雷达图像上。最后通过雷达实测数据进行处理，得到较为满意的结果。     

三孔径天线DPCA实现星载SAR动目标检测的方法

地杂波抑制是实现星栽合成孔径雷达地面运动目标检测的一个关键问题。本文给出了对DPCA条件下的三孔径天线回波数据，利用类似动目标显示(MTI)雷达中三脉冲对消滤波器的原理来抑制地杂波，从而实现星栽合成孔径雷达(SAR)动目标检测的方法。首先介绍了三脉冲对消器的原理及其频率响应特性，然后在建立星载SAR沿航迹向三孔径天线空间几何模型和机理分析的基础上，推导了对三孔径天线回波用三脉冲对消实现被地面背景杂波淹没的运动目标的检测方法。最后，用计算机仿真结果验证了其有效性。     

一种稳健的视频SAR动目标阴影检测与跟踪处理方法

视频合成孔径雷达(VideoSAR)可获取观测场景高帧率图像序列,利用车辆等地面运动目标在图像序列中形成的阴影能够实现动目标状态感知,该方法具有定位精度高、检测概率高、无最小可检测速度限制等优点。针对视频SAR动目标阴影变化剧烈、信杂噪比低、多普勒模糊干扰等特有的图像特征,该文充分利用帧图像空间域和时间域信息,研究了视频SAR数据预处理、动目标阴影检测和视频SAR多目标跟踪方法。实测数据全流程处理结果验证了该文方法的有效性。     

基于半监督学习的SAR目标检测网络

现有的基于卷积神经网络(CNN)的合成孔径雷达(SAR)图像目标检测算法依赖于大量切片级标记的样本,然而对SAR图像进行切片级标记需要耗费大量的人力和物力。相对于切片级标记,仅标记图像中是否含有目标的图像级标记较为容易。该文利用少量切片级标记的样本和大量图像级标记的样本,提出一种基于卷积神经网络的半监督SAR图像目标检测方法。该方法的目标检测网络由候选区域提取网络和检测网络组成。半监督训练过程中,首先使用切片级标记的样本训练目标检测网络,训练收敛后输出的候选切片构成候选区域集;然后将图像级标记的杂波样本输入网络,将输出的负切片加入候选区域集;接着将图像级标记的目标样本也输入网络,对输出结果中的正负切片进行挑选并加入候选区域集;最后使用更新后的候选区域集训练检测网络。更新候选区域集和训练检测网络交替迭代直至收敛。基于实测数据的实验结果证明,所提方法的性能与使用全部样本进行切片级标记的全监督方法的性能相差不大。     

视频SAR成像与动目标阴影检测技术

视频合成孔径雷达(SAR)技术将观测场景的动态信息以视频方式呈现出来,其高帧率成像特性有利于实现对地面机动目标的实时探测。视频SAR信号处理关键技术主要包括高帧率成像处理算法和运动目标检测技术等。该文对视频SAR成像处理进行了探讨,给出了两种典型视频SAR成像处理仿真数据结果,详细分析了视频SAR阴影形成机理和对动目标检测性能的影响,并将基于机器学习的视频SAR阴影目标检测技术与经典处理方法在实际数据上进行了验证对比。      

利用样本协方差矩阵特征值分解实现双通道SAR动目标检测

该文针对机载双通道SAR-GMTI系统及实测数据,提出一种新的地面慢动目标检测方法。该方法基于双通道样本协方差矩阵特征值分解,将杂波第2特征值和干涉相位联合统计特性的研究结果用于慢动目标检测,即根据给定的恒虚警概率确定一条联合分布的第2特征值干涉相位等高线作为门限检测曲线,同时结合第2特征值、干涉相位门限预处理,实现地面慢动目标的精确检测。实测数据实验结果表明:该方法不但扩大了慢动目标的可检测速度范围,同时还降低了系统的虚警概率。     

一种新的双通道SAR动目标检测方法

针对机载双通道SAR/GMTI系统,本文提出了一种稳健的地面慢动目标检测方法.文中首先对基于样本协方差矩阵特征值分解的一类动目标检测算法的基本工作原理及各算法存在的优缺点进行了分析;在此基础上,针对该类动目标检测算法稳健性差的缺点,将第二特征值和归一化相位门限预处理引入到双曲线检测算法中,提出一种稳健的双通道SAR动目...     

基于GEO SAR编队飞行的动目标检测

地球同步轨道合成孔径雷达(GEO SAR)编队飞行,是指2个或2个以上的搭载了合成孔径雷达的地球同步轨道卫星协同工作,组成一颗大的“虚拟卫星”,进而完成多项任务并降低风险。GEO SAR编队飞行形成的多通道可以用来进行动目标检测。空时自适应处理(STAP)在空-时二维平面上抑制杂波,完成强杂波背景下的动目标检测。在传统STAP算法的基础上,提出了基于GEO SAR编队飞行的对地面运动目标检测的方法,并通过仿真分析了该方法的性能。     

应用DBS技术在SAR/GMTI模式下高分辨率成像

多普勒波束锐化成像技术(DBS)能为检测出的动目标定位提供参考，从而有效地实现精确打击。DBS技术在弹道导航、地形匹配等许多方面有着广泛的应用。首先简述了DBS成像方法的一般工作原理，经分析得出结论：DBS成像在SAR，GMTI模式下应用时，如果引入聚焦型的SAR处理方法．即通过去距离单元走动、去方位向调频斜率等方法可有效提高雷达成像质量。最后利用雷达实测数据进行处理．得出了较满意的高分辨DBS成像结果。