基于方位特性表征的属性散射中心模型参数估计方法

属性散射中心模型使用一组富含物理意义的特征参数描述高频区目标的散射特性,其模型参数中具有的频率和方位依赖项为目标识别提供了重要的特征信息。但复杂的模型形式使得参数的提取只能在图像域中进行,其中一个关键的步骤就是图像分割。由于属性散射中心在图像域中表现形式的复杂性,传统的分割算法往往不能准确地描述划分区域中散射的内在本质,使得参数的估计误差偏大。针对此缺陷,提出了一种基于方位特性表征的参数估计方法。该方法利用散射点的方位函数对散射类型进行判断,指导散射中心区域的划分以提高参数的估计精度。仿真实验验证了方法的有效性。      

基于四阶混合累积量的CP-GTD模型参数估计方法

二维相干极化GTD（CP-GTD）模型能够精确描述高频区雷达目标的电磁散射机理。基于此模型,针对二维ESPRIT方法在色噪声情况下估计精度不高的问题,提出了一种新的二维散射中心参数估计方法。根据二维四阶混合累积量的特点和性质,用其代替观测数据实现色噪声背景下二维CP-GTD模型的位置参数估计,然后通过MUSIC谱峰搜索方法估计散射中心的类型参数,通过最小二乘法估计散射中心的相干极化散射矩阵。该方法能够实现全极化雷达目标的超分辨成像和二维CP-GTD模型参数的正确估计,与现有的二维MUSIC和二维ESPRIT方法相比,改善了估计性能,对色噪声具有较强的稳健性,同时克服了在长观测样本情况下计算量过大的缺陷。仿真和暗室测量数据实验验证了上述结论的正确性。      

基于正交投影的GTD模型参数估计方法

雷达目标散射中心的参数估计在目标高频电磁散射特性分析和识别中有着许多重要的应用.以几何绕射(GTD)模型为基础,提出了一种基于正交投影的模型参数估计方法.该方法依据GTD模型中散射中心位置与类型参数的低耦合,利用信号子空间的平移不变结构估计散射中心的位置,根据频率依赖项的正交投影系数对类型参数进行鉴别.由于整个估计过程一次完成,因此,具有较低的计算复杂性.仿真实验结果表明:该方法具有较高的估计精度和良好的推广性能.     

雷达目标二维结构成像方法研究

该文首先研究了雷达目标二维电磁散射的频域散射模型;而后提出了用参数估计方法实现目标ISAR成像的思想,并研究了MP2D参数估计方法;最后用仿真数据和波音727客机真实目标实测数据对该方法进行了实验验证。实验结果表明,该方法能准确估计目标的二维散射中心,且对噪声有较强的抑制能力。     

基于压缩感知的二维GTD模型参数估计方法

几何绕射理论(Geometrical Theory of Diffraction,GTD)模型能够精确描述高频区雷达目标的电磁散射机理.该文在分析雷达回波稀疏特性的基础上,将参数估计问题转化为压缩感知理论中的稀疏信号重构问题,据此提出了一种基于压缩感知的2维GTD模型参数估计方法.该方法首先利用2维傅里叶变换成像确定目标散射中心的支撑区域,然后在支撑区域内对散射中心的GTD参数进行估计,最后利用聚类方法和最小二乘方法对估计结果进行修正.仿真和暗室测量数据实验结果表明,与现有方法相比,所提方法能有效改善模型参数的估计性能,且对提高散射中心类型参数的估计精度更为明显.     

关于动目标近距的杂波谱中心补偿

杂波谱中心补偿是机载雷达动目标检测的关键步骤.杂波谱中心的估计方法主要有两种:惯导估计法和回波数据估计法.对于机载雷达的动目标检测所运用的估计方法利用回波数据进行估计杂波谱中心,然后利用惯导估计的杂波谱中心进行解模糊操作.但是在5km近距的杂波谱中心发现,传统的回波数据方法—重心法估计、相关法估计,仍然会使动目标检测出...     

High resolution parametric modelling for two-dimensional radar target using prony algorithm

On the conditions of low-resolution radar, a parametric model for two-dimensional radar target is described here according to the theory of electromagnetic scattering and the geometrical theory of diffraction. A high resolution estimation algorithm to extract the model parameters is also developed by building the relation of the scattering model and Prony model. The analysis of Cramer-Rao bound and simulation show that the method here has better statistical performance. The simulated analysis also indicates that the accurate extraction of the diffraction coefficient of scattering center is restricted by signal to noise ratio, radar center frequency and radar bandwidth.     

一种改进的图像域SAR目标散射中心特征提取方法

散射中心是SAR图像目标识别的重要特征。本文基于属性散射中心模型，在文献[6]的基础上，提出了一种改进的图像域SAR目标散射中心特征提取方法。在该方法中，通过引入参数规则化处理步骤，解决了属性散射中心特征提取方法的收敛问题，提高了属性散射中心特征参数估计的精度和效率；提出了一种能同时实现散射中心数目确定和结构判别的方法，实现了散射中心类型的可靠判别。仿真数据和MSTAR实测SAR图像数据的实验结果，验证了本文改进的图像域SAR目标散射中心特征提取方法的有效性。     

基于CP-GTD模型的三维散射中心参数估计

 散射中心是目标光学区电磁散射的基本特征,可反映目标精细物理结构.在建立精确描述目标高频电磁散射的三维CP-GTD模型的基础上,根据散射中心类型和位置参数的弱耦合性,提出基于三维ESPRIT方法估计目标全极化三维散射中心的位置,进而利用特征分析中信号子空间与噪声子空间的正交性和最小二乘方法,实现散射中心类型和相干极化散射矩阵的估计.与现有基于单极化观测模型的估计方法相比,所提方法不仅具有更好的估计性能与抗噪能力,而且能够直接估计出目标散射中心的相干散射矩阵,仿真实验验证了上述结论的正确性.     

一种大转角SAR图像散射中心各向异性提取方法

基于各向异性特性反映了散射中心本身属性,该文提出一种大转角SAR条件下提取散射中心各向异性特性的算法。首先根据属性散射中心模型分析单个散射中心的回波构成;之后以单位矩阵作为标准正交基,将各向异性特性的估计转化为求解散射中心幅度变化的逆问题;再利用散射中心幅度变化的实数特性与连续性对该逆问题进行约束求解,实现了对散射中心各向异性特性的提取。Matlab仿真和电磁计算数据的处理结果验证了算法的准确性以及稳定性;与现有算法对比,所提算法运算效率高。     

雷达目标散射中心参数估计的极限性能分析

本文基于衰减指数和(DE)模型的克拉美-罗限(CRB)研究散射中心参数估计的极限性能.通过对单分量和双分量DE模型CRB矩阵的化简,获得了散射中心位置、强度、类型参数估计精度与雷达参数、目标参数的关系式,并导出了鉴别散射中心类型的信噪比门限和宽带雷达的极限分辨力.本文的结果均以解析式给出,揭示了各参数间相互影响的规律.仿真验证了结论的有效性.     

采用双混频实现扩展目标运动参数 估计和散射中心重构

 推导了运动扩展目标在全去斜率体制下的回波信号形式,指出其为多分量多项式相位信号(mc-pps).分析了时频分析方法和多项式相位变换方法对该信号处理的不足,提出一种采用双混频实现扩展目标运动参数估计和和散射中心重构的新方法:通过对回波的双混频处理避免自相关处理带来的能量损失及分辨率降低;根据相关函数的功率谱特点,在频域抑制由多分量带来的交叉项干扰;通过循环估计减小参数估计误差的传播影响,最后利用ESPRIT超分辨估计方法提高参数估计精度.仿真结果表明该方法能有效提取目标的运动特征并能重构目标的一维散射中心.     

Scattering center parameterization of wide-angle backscattered datausing adaptive Gaussian representation

We present a scattering center extraction algorithm to parameterize the backscattered data from complex targets collected over large angular apertures. This parameterization is based on a scattering center model of the target, but includes an aspect-dependent amplitude function for each scattering center. A two-dimensional (2-D) adaptive Gaussian representation (AGR) algorithm is used to extract the position and the amplitude function associated with each scattering center. The algorithm is tested with data generated by the Xpatch radar simulation code as well as chamber measurement data. The results show that a very good compression ratio can be achieved, resulting in a compact scattering center model of the target. Once such model is available, we can easily reconstruct range profiles and ISAR images at any aspect on the same plane with good accuracy     

基于光学区雷达目标频率响应的结构成像与目标识别的研究

本文首先根据多散射中心理论与局部谐振原理，建立了雷达目标在光学区阶梯频率波形激励下的响应方程。在这种方程中，每个散射中心的局部瑞利或谐振响应曲线用各种不同的近似模型去逼近；然后导出了从目标的限带响应数据中抽取目标空间特征的结构成像方法，所得到的目标准二维图像既揭示了目标在宽带波形激励下的距离响应特征（即一维距离像），又反映了目标各局部散射中心的几何类型特征，可用于雷达目标的识别。     

基于改进矩阵束的超宽带一维散射中心提取方法

针对微动参数的高精度快速估计问题,该文提出一种基于几何绕射(GTD)模型和改进矩阵束的超宽带(UWB)散射中心提取算法,可实现散射中心径向距离、类型参数及散射强度的同时估计.该方法将超宽带条件下的目标GTD散射模型转化为状态空间方程,利用奇异值分解将汉克尔矩阵中的噪声分量去除,对降秩的汉克尔矩阵做广义特征值分解,利用单...     

基于散射中心极化比的锥体目标姿态反演

从高分辨一维距离像（high range resolution profile,HRRP）出发,针对HRRP姿态敏感以及锥体目标识别中姿态获取困难的问题,推导分析了散射中心极化比与锥体目标姿态的关联关系,提出了基于散射中心极化比姿态反演的方法:利用散射中心参数估计模型对锥体目标不同极化下的宽带数据进行分析,分别提取其散射中心参数,同时计算散射中心参数的极化比,并与理论的极化比曲线进行匹配,最终获取目标的姿态角.基于球头锥的数值计算与极化特征提取结果验证了方法的有效性.利用此方法能够做到对目标姿态的快速反演,为进一步的目标识别提供支撑.     

Circular Acoustic Vector-Sensor Array for Mode Beamforming

Undersea warfare relies heavily on acoustic means to detect a submerged vessel. The frequency of the acoustic signal radiated by the vessel is typically very low, thus requires a large array aperture to achieve acceptable angular resolution. In this paper, we present a novel approach for low-frequency direction-of-arrival (DOA) estimation using miniature circular vector-sensor array mounted on the perimeter of a cylinder. Under this approach, we conduct beamforming using decomposition in the acoustic mode domain rather than frequency domain, to avoid the long wavelength constraints. We first introduce a multi-layer acoustic gradient scattering model to provide a guideline and performance predication tool for the mode beamformer design and algorithm. We optimize the array gain and frequency response with this model. We further develop the adaptive DOA estimation algorithm based on this model. We formulate the Capon spectra of the mode beamformer which is independent of the frequency band after the mode decomposition. Numerical simulations are conducted to quantify the performance and evaluate the theoretical results developed in this study.     

烟花算法在SAR图像属性散射中心参数估计中的应用

针对合成孔径雷达（SAR）属性散射中心估计问题,提出基于烟花算法的方法。首先,在图像域对SAR图像中高能量区域进行分割解耦,获得单个独立散射中心在图像域的表现形式。在此基础上,以属性散射中心参数化模型为基础,构建优化问题,对分离出来的单个散射中心进行最优参数的搜索。在此阶段,引入烟花算法进行参数寻优。该算法具有强大的全局和局部搜索能力,在保证优化精度的条件下避免陷入局部最优,从而保证散射中心参数估计的可靠性。在原始图像中剔除求解后的单个散射中心,对残余图像进行高能量区域分割,序惯估计下一个散射中心的属性参数。最终,获取输入SAR图像上所有散射中心的参数集。实验中,首先基于MSTAR数据集中的SAR图像进行参数估计验证,通过参数估计结果与原始图像的对比以及基于估计参数集对原始图像进行重构,反映了提出算法的有效性。此外,实验还基于估计得到的属性参数进行SAR目标识别算法验证,通过与其他参数估计算法在相同条件下进行识别性能的对比,进一步体现了提出方法在属性散射中心参数估计上的性能优势。     

Attributed scattering centers for SAR ATR

High-frequency radar measurements of man-made targets are dominated by returns from isolated scattering centers, such as corners and flat plates. Characterizing the features of these scattering centers provides a parsimonious, physically relevant signal representation for use in automatic target recognition (ATR). In this paper, we present a framework for feature extraction predicated on parametric models for the radar returns. The models are motivated by the scattering behaviour predicted by the geometrical theory of diffraction. For each scattering center, statistically robust estimation of model parameters provides high-resolution attributes including location, geometry, and polarization response. We present statistical analysis of the scattering model to describe feature uncertainty, and we provide a least-squares algorithm for feature estimation. We survey existing algorithms for simplified models, and derive bounds for the error incurred in adopting the simplified models. A model order selection algorithm is given, and an M-ary generalized likelihood ratio test is given for classifying polarimetric responses in spherically invariant random clutter.