基于最小能量准则的参数估计圆周SAR三维成像方法

针对圆周合成孔径雷达成像模式下应用参数化估计的三维成像算法效率低、精度差的问题,提出一种基于最小能量准则的参数估计圆周SAR三维成像算法。该算法首先对成像场景进行粗略网格划分,利用参数估计的方法得到目标的粗略位置,其次利用最小能量准则和精细化网格的方法得到目标精确三维位置和散射强度系数,最后通过CLEAN技术消除已估计点带来的影响,实现场景的三维成像。仿真实验结果表明:所提成像方法能有效对圆周观测下目标进行三维成像,同时与传统算法相比,解决了传统算法效率低、对目标估计不准确的问题,验证了所提算法的有效性。     

基于贝叶斯压缩感知的FD-MIMO雷达Off-Grid目标稀疏成像

传统压缩感知(CS,Compressive Sensing)成像方法一般假定目标精确位于事先划定的成像网格上,实际中由于散射点空间位置是连续分布的,因此偏离网格(Off-grid)问题必然存在.这会引起真实回波测量值与默认系统观测矩阵之间失配,导致传统CS成像方法性能恶化.本文基于频率分集多输入多输出(FD-MIMO,Frequency Diverse Multiple-Input Multiple-Output)雷达,针对Off-grid目标提出了一种基于贝叶斯压缩感知的稀疏自聚焦(SAF-BCS,Sparse Autofocus Imaging Method Based on Bayesian Compressive Sensing)成像算法.该算法依据最大后验(MAP,Maximum A Posteriori)准则,利用变分贝叶斯学习技术求解含有Off-grid目标的稀疏像.与传统稀疏重构方法相比,所提方法充分利用了目标先验信息,可自适应调整参数,能够更好地反演稀疏目标,同时具有校正Off-grid目标的网格位置偏差以及估计噪声功率等优势.仿真结果表明SAF-BCS算法对网格划分不敏感,具有稳健的成像性能.     

步进跟踪模式下的单脉中雷达三维成像技术研究

该文提出了步进跟踪模式下的单脉冲三维成像方法。分析了步进跟踪体制下差信号的幅度线性调制问题,同时提出了补偿方法,该方法解决了单脉冲三维成像中所必须的目标精确跟踪问题,最后通过仿真验证了所提方法的有效性。     

面向多声道三维音频的和差压缩编码技术

分析了传统基于单声道对的和差(M/S)编码技术,针对三维音频系统的空间特性将其拓展为基于三声道的和差编码技术(3D-M/S)。并提出一种基于3D-M/S的音频编码框架,使其能够压缩任意声道配置的三维音频系统。实验结果表明与独立声道编码相比,所提方法能够在相同码率下提高约25%的客观质量。并且在同等质量下,所提方法引起编解码复杂度的增加约为基于PCA编解码方法的1/3。     

CO-OFDM系统中利用阈值功率点改进的后向传输补偿算法

采用后向传输(BP)补偿算法补偿相干光正交频分复用(CO-OFDM)通信系统的非线性损伤是一种具有应用前景的方法。本文针对后向传输(BP)补偿算法计算复杂度高的问题,根据相干光正交频分复用(CO-OFDM)系统中非线性损伤与光功率的关系,通过选取合适的阈值功率点降低BP补偿算法的高计算复杂度。仿真结果表明,提出的方法可以大大降低BP补偿算法的计算复杂度,同时克服了传统算法过补偿的缺点,系统性能也得到提升。在100Gbit/s的CO-OFDM系统中,采用衰减因子为0.2dB/km的零色散光纤,信号传输3 200km(32×100km),光信噪比(OSNR)为16dB时,在选取合适的阈值功率点后,所需的BP补偿步骤数目由传统算法N=61降低为N=13,计算复杂度仅为原来的13/61。此外,采用改进的BP补偿算法补偿之后,系统的Q因子增加了0.204dB。     

MIMO雷达三维成像自适应Off-grid校正方法

在压缩感知成像算法中,真实目标点一般不会恰好落在预先划定的网格点上,这种网格偏离(Off-grid)问题会带来真实回波与测量矩阵之间的失配,严重降低雷达成像的性能。针对多输入多输出(MIMO)雷达3维成像的网格失配问题,该文提出一种自适应的Off-grid校正方法,基于Off-grid目标的稀疏回波模型构造贝叶斯概率密度函数,采用最大后验概率(MAP)方法求解含有失配偏差的稀疏像。与传统方法相比,该方法可以充分利用失配参数的先验信息,自适应地更新参数,降低了失配误差的影响,并能实现对稀疏目标和噪声功率的高精度估计。仿真结果表明,该方法可以有效地实现对网格失配的优化,具有精确且稳定的成像性能。     

稀疏阵列L 型MIMO 雷达运动目标三维成像方法

针对L型多输入多输出(Multiple-Input Multiple-Output,MIMO)雷达对空中运动目标三维成像天线数目较多问题,提出了发射阵列采用稀疏布阵的L型MIMO雷达三维成像方法。该文首先分析了MIMO雷达发射阵列的稀疏布阵方式,其次结合压缩感知理论具体阐述了基于稀疏阵列的三维成像方法。该方法在大幅减少L型MI-MO雷达发射天线的条件下,实现了对运动目标的单次快拍三维成像,不仅有效避免了目标机动带来的运动补偿难题,同时又降低了系统的硬件复杂度,便于工程应用。最后利用仿真实验验证了本文方法的有效性和可行性。     

多基站非圆信号直接定位：降维PM与泰勒补偿

针对现有多阵列非圆(NC)信号直接定位方法(DPD)谱峰搜索计算复杂度高,对基站的位置比较敏感,没有考虑信号在空间中传播时的损耗差异,导致估计性能不稳定的问题,提出一种联合降维传播算子与泰勒补偿(JRT-PM)的非圆信号直接定位算法。首先根据非圆信号的椭圆协方差信息扩展阵列孔径,通过降维方法消除非圆相位搜索维度进行粗估计降低计算复杂度,然后联合所有基站的信息进行泰勒补偿提升算法估计性能。仿真实验表明,相比于传统到达角K均值聚类(AOA-clustering)两步定位算法、最小均方无畸变响应(MVDR)直接定位算法、子空间数据融合(SDF)直接定位算法,所提算法在提升定位精确度的同时可以估计更多目标;与非圆传播算子(NC-PM)直接定位相比,所提算法在保证估计性能的同时显著降低了计算复杂度。     

基于稀疏贝叶斯学习的超材料孔径计算微波成像系统离网格成像方法

基于超材料孔径的计算微波成像可以看作微波压缩感知成像。这种成像方式的成像效果受网格失配误差的严重影响。该文针对超材料孔径计算微波成像系统对2维场景的重构过程进行分析,构建了一种基于Sinc插值函数的2维离网格(Off-grid)观测模型,并在此基础上提出一种基于稀疏贝叶斯学习的Sinc插值离网格成像方法(OGSISBL)。在期望最大化算法的框架下,恢复散射体回波的幅值和位置,同时校准网格失配误差。通过对超材料孔径计算微波成像系统的仿真数据进行成像处理验证所提算法的性能,结果表明所提算法具有很强的鲁棒性。     

基于自学习稀疏先验的三维SAR成像方法

合成孔径雷达三维成像技术(3D SAR)能通过孔径维度扩展实现三维成像能力,但数据维度大、系统实现难、成像分辨率低。压缩感知稀疏重构技术在简化3D SAR系统、提升成像质量等方面展现出巨大潜力,但面临计算复杂度高、参数设置困难、弱稀疏场景适应差等新问题,制约了其实际应用。针对上述问题,该文结合卷积神经网络的特征学习及迭代算法的深度展开理论,提出了基于自学习稀疏先验的3D SAR成像方法。首先,探讨了常规3D SAR稀疏成像中矩阵向量线性表征模型的局限性,引入成像算子提升成像算法处理效率。其次,讨论了迭代算法映射网络的深度展开模型和实现方式,包括网络拓扑结构设计、算法参数的优化约束及网络的训练方法。最后,通过仿真数据和地面实验,证明了所提方法在提升成像精度的同时,其运行时间较传统稀疏成像算法降低一个数量级。      

High-Resolution Three-Dimensional Radar Imaging for Rapidly Spinning Targets

A 3-D inverse synthetic aperture radar imaging method for rapidly spinning targets, i.e., a generalized Radon transform (GRT)-CLEAN algorithm, is proposed in this paper. The signal model is first changed into an equivalent high-speed turntable model after the compensation of the translational motion. Second, based on the relationship between the range profile variation of the spinning targets and the scatterers' positions, the GRT is utilized to estimate the scatterers' positions. Finally, combining the GRT with the modified CLEAN approach, the parameters of each scatterer and, thus, the 3-D image of the targets can be obtained. In addition to the development of the GRT-CLEAN algorithm, the estimation and compensation of the linear translational motion error in the imaging process is also considered in this paper. Good images yielded confirm the effectiveness of the GRT-CLEAN algorithm in the simulations.     

互相关算法在运动目标距离选通激光三维成像中的应用

在微光成像中,距离选通成像是一种获取目标三维信息的有效手段。对于静止目标而言,可以通过对目标切片成像,获得不同选通距离的目标图像,进而通过二值化算法或质心算法获得目标的三维图像。而对于运动目标而言,在切片成像的同时,目标的空间位置会发生变化,因此需要对不同选通距离的目标图像进行配准,而后才能获得目标的三维图像。搭建了基于像增强电荷耦合器件(ICCD)的距离选通实验系统,提出了一种基于像质评价的互信息配准算法配准激光图像目标的空间位置,然后对配准后的激光图像通过互相关算法获得三维图像,并在保证一定的三维精度基础上,逐渐减少激光图像的像幅数,最后与二值化算法和质心算法三维重构进行了实验对比,实验结果表明,互信息配准算法能够有效配准激光图像,互相关三维成像算法精度高于二值化法和质心法,最少采用2幅图像即可获得目标的三维点云图像,大大降低了对运动目标三维成像的难度。     

一种基于模型的合成孔径声呐图像目标快速识别方法

针对基于合成孔径声呐(SAS)图像目标识别的先验模板获取困难、运算复杂度高的问题,该文提出一种基于模型的改进型相关快速识别方法。首先,基于构造凸壳估计目标姿态角,实现目标成像几何关系的估计;其次,提出改进的基于隐藏点移除的目标图像快速生成方法,可实时得到各备选目标对应成像几何关系的仿真图像;进而基于图像相关实现目标图像识别;最后,仿真实验证明了算法的有效性。仿真实验结果表明,相比于常规的直接模板识别方法,该方法识别率高,计算速度快。     

基于FGG NUFFT的穿墙成像雷达快速BP算法

针对穿墙成像雷达后向投影(Back Projection,BP)算法存在计算复杂度较高、内存需求较大等问题,本文提出了一种基于快速高斯网格化的非均匀快速傅里叶变换(Fast Gaussian Gridding Nonuniform Fast Fourier Transform,FGG NUFFT)成像算法,该算法能够有效加速BP算法。对经过联合熵值法抑制墙体杂波后得到的目标回波数据,首先将BP算法中像素点幅值与高斯核函数反卷积消除高斯平滑的影响,然后对均匀数据进行快速傅里叶变换,最后对得到的数据进行卷积运算实现对数据均匀平滑输出。该方法预先划分网格并存储系数,避免了重复运算。通过对基于时域有限差分法(Finite Different-Time Domain,FDTD)的仿真软件GprMax2D/3D所获得的穿墙雷达数据进行处理,仿真实验证明该方法在保证成像质量的情况下,有效降低计算复杂度与内存需求。     

基于弹跳射线法的海面舰船目标三维散射中心快速建模方法

海面舰船目标3维散射中心的快速建模对雷达目标信号快速仿真、特征提取与分类识别等应用具有重要意义。该文结合目标-海面耦合散射的“4路径”模型、随机海面散射修正Fresnel反射系数模型,以及基于射线管积分的快速3维成像等模型与方法,提出一种舰船-海面复合的快速3维成像方法,并通过CLEAN算法建立一种3维散射中心快速建模算法。该算法由于实现了单频、单视角条件下的目标3维成像,并且采用简化的海面模型避免了大量海面面元的构建,因而大大提高了3维散射中心建模的计算效率,从而满足实际工程应用的需求。典型海面舰船目标仿真实验结果表明,与传统基于FFT的3维成像算法相比,在典型计算条件下该算法的计算效率可提高4个数量级。不同海情下,3维散射中心重建的与直接仿真计算的1维距离像历程图和2维像的对比结果,也验证了算法的计算精度。      

Fast super-resolution estimation of DOA and DOD in bistatic MIMO Radar with off-grid targets

In this paper, we focus on the problem of joint DOA and DOD estimation in Bistatic MIMO Radar using sparse reconstruction method. In traditional ways, we usually convert the 2D parameter estimation problem into 1D parameter estimation problem by Kronecker product which will enlarge the scale of the parameter estimation problem and bring more computational burden. Furthermore, it requires that the targets must fall on the predefined grids. In this paper, a 2D-off-grid model is built which can solve the grid mismatch problem of 2D parameters estimation. Then in order to solve the joint 2D sparse reconstruction problem directly and efficiently, three kinds of fast joint sparse matrix reconstruction methods are proposed which are Joint-2D-OMP algorithm, Joint-2D-SL0 algorithm and Joint-2D-SOONE algorithm. Simulation results demonstrate that our methods not only can improve the 2D parameter estimation accuracy but also reduce the computational complexity compared with the traditional Kronecker Compressed Sensing method.     

图像融合在空间目标三维重建中的应用

图像融合可以获取目标更加丰富的层次和细节信息，有利于对探测目标信息的有效地获取，在包括空间目标的三维重建等应用中有着重要意义。针对空间目标的宽动态范围提出了一种多次曝光的图像融合方法，利用信息熵的非线性压缩判定图像融合权重，并引入双边滤波残差加强弱纹理的分配权重，有效地增加了图像的特征信息，提高了三维重建点云的数量。利用提出的融合方法开展了空间目标模拟成像试验，采用融合的图像对目标三维重建，并与多种不同曝光程度以及采用其他融合图像的方法进行了对比，提出的方法得到的重建点云数量相对恰当曝光状态提高了35%，重建结果优于其他方法。结果表明:将图像融合引入到三维重建中，能有效地加强了重建图像信息，避免了光照条件对目标三维重建的不利影响，获得较高质量的重建效果，该方法可以很好地应用到基于图像序列的空间目标三维重建应用中。     

基于视觉显著模型的遥感图像舰船快速检测

为了降低传统高分辨率海面遥感图像舰船目标检测方法的计算复杂度,提高检测速度,在舰船目标检测中引入了基于直方图对比度的视觉显著模型和空间降维算法,提出一种新的高分辨率海面遥感图像舰船目标快速检测算法。首先对高分辨率遥感图像进行空间降维,然后计算降维图的视觉显著图,突出感兴趣目标区域,最后利用最大类间方差法分割视觉显著图以获取舰船目标候选区域。结果表明,目标检测所消耗的时间减小为原来的10%~12%,弱化了复杂海面纹理背景对目标检测的影响。该研究提高了高分辨率遥感图像舰船目标的检测效率。     

基于区域增长的遥感影像视觉显著目标快速检测

针对传统视觉注意模型在遥感影像视觉显著区域检测中存在的计算复杂度高、检测精度低等缺点,提出了一种新的视觉显著区域快速检测算法。首先利用整数小波变换降低遥感影像的空间分辨率,从而降低视觉注意焦点检测的计算复杂度;然后在视觉特征融合中引入二维离散矩变换,生成边缘与纹理信息更为丰富的遥感影像显著图;最后在显著图分析中提出区域增长策略来获得视觉显著区域的精确轮廓。实验结果表明,新算法不仅有效降低了遥感影像视觉显著区域检测的计算复杂度,而且能够精确描述视觉显著区域的轮廓信息,同时避免了对整幅遥感影像的分割与特征提取,为今后的遥感影像目标检测提供了一定地参考价值。     

基于Kmeans++的自适应超像素投点方法

超像素分割作为目标分割的预处理环节,能够极大地减少后续处理的数据量,对图像分割起着至关重要的作用。在大部分超像素生成算法中,初始种子点的选取都是以规则网格或随机确定,这容易导致欠分割。为了得到良好的初始种子点分布,减少种子点选取引起的欠分割,提出了一种基于Kmeans++的自适应确定超像素种子点方法,并由此改进了简单非迭代聚类算法(Simple Non-Iterative Clustering,SNIC)。实验结果表明,在不耗费大量计算成本的前提下,改进的SNIC算法相比传统算法能够得到更高的边界召回率和更低的欠分割错误率。