穿墙雷达建筑物结构布局稀疏成像方法

在穿墙雷达建筑物布局成像中,鉴于内部目标、墙角及杂波会对墙体回波产生较大的影响,导致形成的墙体图像模糊、轮廓不明显。为此,提出一种联合低秩稀疏分解和全变分约束稀疏重构的成像方法。该方法首先通过快速迭代软阈值算法求解低秩稀疏分解,恢复出墙体回波,然后通过增广拉格朗日和交替方向算法求解全变分约束下的稀疏重构系数,重构墙体图像。仿真和实测结果表明,该方法可以有效消除建筑物内部目标、墙角及杂波对墙体成像的影响,从而得到清晰的建筑物布局轮廓。     

基于低秩稀疏约束的穿墙雷达成像算法

针对穿墙雷达(TWR)成像过程中墙杂波与成像空间分别具有低秩性和稀疏性的特点,提出了一种基于低秩稀疏约束的穿墙雷达成像算法.所提成像算法通过奇异值软阈值法和l1范数最小化技术进行迭代求解低秩稀疏约束优化问题,实现在墙体强反射波存在的探测环境中基于压缩感知框架对墙后隐蔽目标的准确成像重建.仿真和实验数据的处理结果验证了所提成像算法的有效性和准确性.     

基于鲁棒主成分分析的多域联合杂波抑制算法

奇异值分解等传统算法在处理穿墙成像中的杂波抑制问题时,杂波消除不够彻底,目标成像质量不高,严重影响后续的目标检测与识别.为解决这一问题,该文基于鲁棒主成分分析理论,在回波域和图像域分别建立联合低秩稀疏模型,以光滑化快速交替线性化(SFAL)方法来求解模型,并对目标图像进行指数加权联乘多域图像融合处理,从而得到最终成像结...     

穿墙雷达扩展目标自聚焦稀疏成像方法

实际场景中穿墙雷达成像的墙体参数大多是未知的,采用现有的穿墙稀疏成像算法会出现目标位置偏移和图像模糊,提出一种基于结构化贝叶斯压缩感知的自聚焦稀疏成像方法。该方法首先把墙体厚度和介电常数视为字典的参数,建立了参数化字典稀疏表示模型,并且充分考虑扩展目标像素间的结构信息,然后对未知墙体参数的字典矩阵在墙体参数上进行一阶泰勒级数展开,采用变分法进行分层交替迭代优化相应的隐变量和参数。仿真和实验结果表明,该方法通过修正墙体参数偏差,有效消除了目标位置偏移和图像模糊,实现了未知墙体参数下的高分辨自聚焦成像。     

基于鲁棒主成分分析的混沌穿墙成像雷达杂波抑制方法

针对混沌穿墙成像雷达的杂波抑制问题,提出一种基于鲁棒主成分分析的杂波抑制方法。该方法首先通过互相关计算得到原始数据,并利用后向投影法聚焦目标能量,提高数据的稀疏性,然后利用鲁棒主成分分析法对聚焦后的数据进行低秩稀疏矩阵分解,从而抑制杂波。实验结果表明,该方法得到的图像信杂比高达20.69 dB,能有效去除杂波干扰,并实现人体目标的精确定位。与传统方法相比,该方法能大幅度提高图像的信杂比,改善成像质量。     

联合低秩与稀疏先验的高光谱图像压缩感知重建

本文建立了一种新的高光谱图像压缩感知重建模型,编码端采用块对角的Noiselet测量矩阵对每一谱带进行独立采样,解码端首先建立高光谱图像低秩稀疏表示模型,分解为低秩与稀疏成分,并对低秩成分在空间维进行稀疏分解,进而构建联合谱间低秩性先验与谱内空间稀疏性先验的凸优化重建模型,并提出模型求解的增广拉格朗日乘子迭代算法,通过引入辅助变量与线性化技巧,使得每一子问题均存在解析解,降低了模型求解的复杂度。实验结果验证了本文模型及其算法的有效性。     

基于子空间技术中奇异向量分析的穿墙雷达杂波抑制方法

穿墙雷达成像中,墙体反射杂波干扰严重,严重影响目标成像效果.子空间技术对回波信号矩阵进行奇异值分解后去除墙体子空间,可以有效的抑制墙体杂波干扰,在穿墙雷达成像中具有广泛的应用.该文针对子空间技术中墙体与目标子空间的划分这一难题,提出一种基于奇异向量平稳度分类的墙体子空间提取技术.该方法利用墙体回波信号的相关特征,根据奇异值分解后各个左奇异向量的平稳程度来精确划分墙体与目标子空间.实验结果表明,与现有技术相比,该方法对墙体子空间的确定更加精准有效,提高了穿墙雷达墙体杂波干扰抑制能力,改善了墙后目标的成像质量.     

穿墙雷达墙体与目标回波信号学习分离方法

在穿墙雷达成像中，事先有效分离墙体回波与目标信号，可以避免它们在后续的建筑物布局反演和内部目标成像中的相互影响。然而，现有的稀疏分离方法往往需要人工选择阈值参数，在一定程度上影响了分离效果，为此提出一种墙体回波与目标信号的学习分离方法。该方法将两信号的分离视为一种联合低秩-稀疏约束问题，使用迭代软阈值分离算法求解稀疏解，然后把稀疏解的迭代过程映射成多层神经网络中的每一层，并用数据集自适应训练所有层中的阈值参数。仿真和实测数据处理结果表明，该方法与人工选择阈值参数相比，有效提高了墙体与目标回波信号的分离效果。     

基于延迟锁定环跟踪对消技术的穿墙雷达杂波抑制

穿墙雷达成像中,墙体反射波等杂波严重影响成像效果.针对现有子空间技术等方法在去杂波同时会对目标信息造成消减这一问题,本文采用M序列雷达,提出一种多级延迟锁定环路技术.该方法对墙体反射波、直达波等强杂波时延分别进行准确估计,重建干扰杂波信号并从入射信号中消减,实现对杂波干扰的有效抑制,可以广泛的应用于执法、救援及反恐等各领域.结果表明,与平均消去、子空间杂波抑制技术对比,在不同噪声环境下,本方法均能够有效的抑制干扰,图像改善因子分别提高了1~6dB,目标成像效果得到大幅度改善.     

倾斜阵列下奇异值分解穿墙雷达杂波抑制

天线阵列与墙体之间的未知倾斜角会影响超宽带穿墙雷达目标位置探测与成像。针对天线阵列不平行于墙体时引起的目标偏移与墙体杂波难于抑制的问题,提出时延校正的基于Jacobi奇异值分解的杂波抑制算法。即首先通过时延校正使得天线阵列等效于平行于墙体放置,再通过单边Jacobi实现奇异值分解,获取正交性好的奇异向量,利用子空间投影抑制墙体杂波,最后对目标进行探测与成像。仿真结果表明经过该方法处理后可准确定位目标,并且能够获得较好的墙体杂波抑制效果,成像的目标杂波比有了明显提高。     

基于组合滤波的压缩感知穿墙雷达杂波抑制

针对压缩感知穿墙雷达成像过程中受壁杂波污染严重等问题,提出了一种组合滤波的杂波抑制算法。该算法利用小波预处理、统计信号滤波法相结合的方式对回波信号进行处理,通过动态阈值分段弱正交匹配追踪进行稀疏迭代求解。在强壁杂波存在的情况下,组合滤波法能够有效地消除杂波检测出墙后目标。实验结果表明,该算法与传统单一主成分分析、奇异值分解和经验模态分解滤波相比,所成雷达像的子杂波比分别提高了1.57、1.52、1.26倍。     

基于CV-FISTA网络的稀疏孔径ISAR成像方法

逆合成孔径雷达(inverse synthetic aperture radar,ISAR)在雷达目标识别、空间监视和弹道导弹防御等领域发挥着重要作用。针对传统稀疏孔径ISAR成像算法对参数敏感和收敛速度慢的问题,提出一种基于复值快速迭代收缩阈值算法网络的稀疏孔径ISAR成像恢复方法。将加速近端梯度方法引入稀疏重构算法中,并将其迭代步骤构建为深度展开网络的隐藏层,构建初始参数相同的随机散射点和飞机散射点的数据集,将复值一维距离像作为网络的输入,利用ISAR像对应的标签对网络进行训练和验证。该方法直接处理复数数据替代传统的分实虚部两路计算方法,显著减少了计算负担。仿真实验表明,相较于传统模型驱动算法,通过对网络进行训练避免了手动调参过程,收敛速度更快,成像质量更高,而且对于特征差异较大的数据具有更好的泛化能力。     

Multipath Ghosts in Through-the-Wall Radar Imaging: Challenges and Solutions

In through-the-wall radar imaging (TWRI), the presence of front and side walls causes multipath propagation, which creates fake targets called multipath ghosts. They populate the scene and reduce the probability of correct target detection, classification, and localization. In modern TWRI, specular multipath exploitation has received considerable attention for reducing the effects of multipath ghosts. However, this exploitation is challenged by the requirements of the reflecting geometry, which is not always available. Currently, the demand for a high radar image resolution dictates the use of a large aperture and wide bandwidth. This results in a large amount of data. To tackle this problem, compressive sensing (CS) is applied to TWRI. With CS, only a fraction of the data are used to produce a high-quality image, provided that the scene is sparse. However, owing to multipath ghosts, the scene sparsity is highly deteriorated; hence, the performance of the CS algorithms is compromised. This paper presents and discusses the adverse effects of multipath ghosts in TWRI. It describes the physical formation of ghosts, their challenges, and existing suppression techniques.     

基于l0正则化的增量低秩特征学习目标跟踪

为了提高生成型目标跟踪算法在遮挡、背景干扰 等复杂条件下的性能,在稀疏编码模型中引入l₀范数正 则化约束,以减少冗余编码信息并改善目标表观重构效果。同时提出一种新的基于非凸近端 加速梯度的快速迭代算法, 解决由此产生的非凸非光滑优化问题。设计了一种增量低秩学习策略,和传统方法需 要将目标观测数据作为 一个整体进行低秩学习不同,本文方法通过l₀正则化稀疏编码能够有效地对目标低秩特 征子空间进行在线学习和更 新。在多个视频序列上的实验表明:基于l₀正则化的增量低秩学习方法能有效提高目标 跟踪算法的准确率和鲁棒性; 和8种优秀的跟踪算法相比,本文算法在中心误差稳健性和重叠率稳健性两个指标上都取得 了最好结果。     

Wideband synthetic aperture beamforming for through-the-wall imaging

Through-the-wall radar imaging (TWRI) and sensing is emerging as an important area of research and development. A TWRI system provides enhanced situational awareness in operational environments for a variety of civilian and military applications. In particular, a TWRI system facilitates realtime information gathering and intelligent decision-making about the contents of the indoor scene. Compared to other radar applications, TWRI faces unique challenges due to signal propagation through walls. The composition and thickness of the wall, its dielectric constant, and the angle of incidence affect the strength and characteristics of the propagating signal. The change in propagation speed and wave refraction must be taken into account for effective and accurate imaging. In this article, we present a synthetic aperture beamforming approach that uses ray perturbation theory to account for the effects of transmission through a single uniform wall.     

Target Detection in Single- and Multiple-View Through-the-Wall Radar Imaging

A detector of targets behind walls and in enclosed structures is presented. The detector is applied to through-the-wall radar images obtained by wideband delay and sum beamforming. We consider the detection problem using single- and multiple-view imaging. The statistics of noise, clutter, and target images are examined and formulated using sample scenes. The effects of wall parameter errors on the image statistics are shown. An iterative detection scheme, which adapts itself to the image statistics, is presented. The proposed detection schemes are evaluated using real data.     

基于知识辅助的MIMO雷达波形设计方法

该文针对雷达系统受到天线主瓣和副瓣杂波以及强干扰影响时性能下降问题,提出基于距离扩展目标和杂波先验信息的MIMO雷达波形设计方法。首先建立了目标函数,综合考虑了波束主瓣增益、旁瓣杂波抑制能力以及目标输出SCNR的改善性能;然后在优化问题求解中对约束条件进行松弛,使得波形矩阵空域和时域2维解耦合,从而实现空域波束形成和时域波形设计独立优化求解;其次利用L-BFGS算法设计恒模的发射波形矩阵,形成低副瓣的波束方向图和较深的强杂波抑制凹口,并基于目标输出SCNR最大化准则,利用迭代算法分步求解优化的主瓣发射波形和接收滤波器;最后通过电磁仿真的距离扩展目标数据验证所提算法的有效性。     

一种基于深度学习的异常数据清洗算法

在物联网(IoT)中采用合适的异常数据清洗算法能极大地提升数据质量.许多研究人员采用统计学方法或分类聚类等方法对时-空相关数据进行清洗.但这些方法需要额外的先验知识,会给汇聚节点带来额外的计算开销.该文根据低秩-稀疏矩阵分解模型,提出一种基于深度神经网络的快速异常数据清洗算法,来解决物联网中时-空相关数据的清洗问题.结...