基于随机平均梯度下降和对比源反演的非线性逆散射算法研究

采用非线性对比源反演(CSI)算法求解电磁逆散射问题时,在每次迭代过程中都涉及到求解散射场数据关于对比源和总场的微分,即Jacobi矩阵,该矩阵求解导致算法存在计算代价大和收敛速度慢等问题。该文在CSI框架下,采用一种基于随机平均梯度下降的对比源反演算法(SAG-CSI)代替原来的全梯度交替共轭梯度算法来重构介质目标介电常数的空间分布信息。该方法在每次迭代中只需计算随机抽取的部分测量数据在目标函数中的梯度信息,同时目标函数对未抽中的测量数据的梯度信息保持不变,用以上两部分梯度信息共同求解出目标函数的最优值。由模拟数据结果表明,该方法与传统CSI方法在成像精度相比拟的情况下,降低了计算代价并提高算法收敛速度。     

基于线性抽样方法的定量逆散射成像方法研究

提出了一种基于线性抽样法(Linear Sampling Method ,LSM)结合对比度源法(Contrast Source Inversion,CSI)的高效电磁逆散射成像方法。LSM 方法用于外形成像具有高效性,用于定量成像只能对较低介电常数成像,而CSI 方法对初值选择具有较大的依赖性。因此,采用LSM 的外形成像快速确定目标的大致区域,减小计算空间;然后将LSM 的定量成像作为CSI成像的初值,进行非线性迭代成像,大大提高了成像精度和成像效率。仿真结果验证了算法的有效性和高效性。     

一种针对雷达成像的时域线性采样优化方法

传统时域线性采样法(TD-LSM)可以在探测区域散射体先验信息未知条件下,获取较为准确的重构散射体目标位置与部分外形信息,但由于检验函数时延值没有标准化选取方法,使得重构效果可靠性不稳定。并且运算过程中需要将原始数据方阵作离散卷积变换,导致数据维数膨胀严重增加运算消耗。因此,针对时延值选取无标准化方法和计算代价巨大的缺陷,首先通过分析雷克波传播特性,提出并验证了一种最佳时延值选取准则;其次结合该准则进一步提出一种基于分割思想的改进方法。仿真和实测数据表明,改进算法可以有效提高成像效果的可靠性并显著提高运算效率。     

探地雷达中的衍射层析算法

给出了二维情况下进行地下目标反演的线性衍射层析算法。该方法采用线性Born近似和傅里叶变换,避免了一般非线性逆散射算法的逐步迭代,因而可用于地下目标的快速检测和位置标定。本文的衍射层析算法考虑了空气地面交界面的影响并计入了凋落场。计算结果表明,该方法可以较好地描述低对比度目标的位置、轮廓和介电参数等信息,也可用于高对比度目标的检测和定位。     

二维有耗介质目标重建的Newton迭代方法

本文给出了一种由已知的散射场数据重建二维非均匀有耗目标的复介电常数的迭代算法。由积分方程出发，利用点匹配技术导出了依赖于未知参数的解析逆散射公式。由此可以以解析的形式计算场量对未知参数的导数（Jacobian和Hessian矩阵）。本文采用Newton优化方法迭代求解逆散射问题，具有二次收敛特性。为了克服逆散射中解的不适定性，连续采用多个方向的TM波照射目标，并采集目标区域外的散射场数据，以及采用共轭梯度法（CGM）求解逆问题，数值结果表明了本文所提方法的可行性和灵活性。     

基于迭代多尺度深度网络的非线性逆散射成像方法

传统的迭代多尺度方法 (iterative multiscaling approach, IMA)在求解非线性电磁场逆散射问题时,可以自适应提高成像空间的分辨率,缓解逆问题的病态性,但容易陷入局部极小值且无法做到实时重构.文中提出了一种迭代多尺度深度网络,该网络结合传统IMA和深度网络的优势,将IMA展开成深度网络模型（命名为IMA-Net）.该方法迭代地执行一种感兴趣区域(regions of interest, ROI)提取算法,在不同尺度的ROI内构建目标函数,并将目标函数分解成若干个优化子问题,子问题的迭代更新过程映射到深度网络结构中,交替更新相关分量,求解出目标函数的最优值.实验结果验证了该方法的有效性和优越性,为目标实时重构提供了一个有效方案.     

基于ISAR像序列的目标三维重构

提出了一种把矩阵分解应用于雷达目标的逆合成孔径雷达成像(ISAR)三维重构的方法。通过对目标运动场景建模,将目标的ISAR成像过程化,推导出图像序列中散射点二维位置坐标与原目标三维坐标的投影矩阵关系,利用正交投影下的矩阵分解基本方法,从观测矩阵中分解出原目标散射点的三维位置矩阵,进而实现目标的三维位置重构,仿真结果验证了该方法的有效性。     

基于非线性流形学习的ISAR目标识别研究

详细分析了逆合成孔径雷达（Inverse Synthetic Aperture Radar, ISAR）二维像的非线性流形结构特点,指出ISAR二维像可以看作是由位置、姿态和尺度等内在参数共同作用而张成的一个在高维图像空间中的非线性流形。在此基础上,论文将非线性流形学习的思想引入到ISAR目标识别领域,提出了一种基于局部保持投影（Locality Preserving Projections, LPP）算法和k近邻分类器的ISAR二维像特征提取和目标识别方法。该方法首先利用LPP算法对维数较高的ISAR二维像进行降维,然后采用具有拒识功能的k近邻分类器对四类飞机目标进行了分类识别。仿真实验结果表明,LPP算法能够发现嵌入在高维ISAR图像空间中的低维非线性流形,并且能够利用LPP算法降维后的特征获得较高的识别率。     

高速运动目标的宽带回波仿真和成像

利用图形电磁计算方法，提出了针对高速运动目标电磁散射数据的仿真方法，以宽带线性调频信号为例仿真得到高速空间目标的电磁散射数据，并对宽带仿真数据进行逆合成孔径雷达（ISAR）成像处理。ISAR处理结果表明，电磁散射仿真数据的一维像散射点具有明显的频谱展宽，与理论分析结果完全一致。利用针对高速运动目标的ISAR成像方法，可以得到清晰的目标高分辨像。此外，图形电磁计算方法GRECO计算效率高，可以快速获得目标的宽带散射特性，因此，文中的电磁散射仿真方法具有良好的应用前景。     

基于混沌理论的汉语语音信号的分析与预测

目前语音信号的分析与预测都是采用线性理论和线性预测技术,而语音信号的产生系统是一个复杂的非线性时变系统,而且具有混沌性,所以采用线性方法是不够的.深入研究了汉语语音信号的非线性特性,包括相空间重构理论及延迟时间、嵌入维数等相空间重构参数的确定方法,并求解出汉语语音音素的李雅普诺夫指数、延迟时间、嵌入维数和关联维数,所得结果表明汉语语音信号既非确定性的信号,又非随机信号,而是具有混沌特性的信号;根据汉语语音音素的延迟时间及嵌入维数的均值确定RBF神经网络(Radical Basis Function Network)模型中三层网络的神经元个数,结合 RBF 神经网络分析方法构造了一个非线性预测模型.仿真结果表明:基于 RBF 神经网络构造的非线性预测模型与线性预测模型相比,预测误差明显减小,预测性能上有所提高.     

基于原子范数最小化的一维距离像散射中心估计

雷达高分辨距离像（HRRP）体现了目标散射中心在视线方向分布的结构特征,在雷达自动目标识别领域具有重要的应用价值。本文提出了一种基于原子范数最小化的HRRP散射中心估计方法,该方法将HRRP的频谱近似表示为多个复正弦信号的叠加。复正弦信号的幅度对应散射中心的强度,频率则对应其位置。此估计方法直接在连续的位置空间进行求解散射中心的位置与强度,无需对散射中心的位置进行离散化处理,有效的避免了基不匹配的问题。与此同时,该方法也不需要已知散射中心的数量,而且对噪声较为鲁棒。仿真数据处理结果验证了该方法的有效性。      

多重网格技术与波恩迭代法 相结合的反演新方法

本文将多重网格技术与波恩迭代法(BIM)相结合,利用时域散射数据对二维无耗非均匀介质剖面进行了反演.在反演迭代过程中,待反演目标区域的离散网格由粗逐渐变细.由于在反演的初期,目标区域离散网格较粗,离散反演积分方程所得到的矩阵方程的维数较小、条件数较低,使得该方法具有稳定性好、更容易收敛到真解的特点.通过反演实例表明,该方法极大地降低了反演过程的计算量,与传统的BIM方法相比能更精确地反演高对比度的散射目标.更为重要的是本文方法简单可行、可以与其它任何反演方法相结合.     

合成孔径雷达参数化成像技术进展

传统合成孔径雷达(SAR)成像可视为点目标散射模型约束下数据空间到图像空间的映射.然而,真实目标多为延展目标,与传统线性成像处理中的点目标散射模型存在失配,会导致SAR图像表征失真.常见的现象是使延展目标多呈现为孤立强点,阻碍了基于SAR图像的目标辨识等应用.SAR参数化成像技术是为解决上述模型失配问题而诞生的一种非线...     

由近场测量确定目标空间散射特性的研究

本文谁了由平面近场测量确定目标散射特性的原理，导出了具体的计算公式，与其它测量方法相比，该法可以提取出目标散射特性的大理信息，对几种简单的目标模型进行了测量，所得到的背向散射图和不同方向来波照射目标的空间散射图均与理论计算符合良好，说明了方法的正确性和优越性。     

HSC分类法及其在海量数据分类中的应用

使用支持向量机对非线性可分数据进行分类的基本思想是将样本集映射到一个高维线性空间使其线性可分.本文则基于Jordan曲线定理,提出了一种通用的基于分类超曲面的分类方法,简称HSC分类法,它是通过直接构造分类超曲面,根据样本点关于分类曲面的围绕数的奇偶性进行分类的一种新分类判断算法,与SVM方法相比,不需要考虑使用何种核函数,不需要做升维变换,直接解决非线性分类问题.对数据分类应用的结果说明:HSC可以有效地解决非线性数据的分类问题,并能够提高分类效率和准确度.     

空间失稳目标的高精度运动估计方法

运动估计是解决线性测量系统下动态目标成像畸变问题的有效手段，然而空间失稳目标的非合作性和运动复杂性往往使得运动估计精度难以保证。为提高运动估计的准确性，提出了一种特征驱动的空间失稳目标高精度运动估计方法。该方法首先引入球面坐标建立一般空间失稳目标的自约束时空运动模型，将运动估计推演到高维空间进行非线性无约束求解。然后，根据真实解的存在唯一性，制定了两次异帧相似判别法则给出非线性求解的成功判别，提高运动估计的准确性和鲁棒性。最后，实验比较了不同条件下多类非线性求解方法针对本问题的求解效率，设计了一种基于初值精度划分的求解策略，进一步提高运动估计的效率。实验结果显示该方法最多采用15帧均可实现一般情况的高精度（<10?5）运动估计，进而能够对成像畸变进行精准畸变矫正。     

基于组网雷达的有翼弹道目标三维成像

组网雷达的多视角特性有利于获取目标的真实空间结构。该文在构建有翼进动目标回波模型的基础上,分析不同类型散射中心的微多普勒信息变化率的变化趋势,对微多普勒信息进行分离提取。利用非线性最小二乘拟合获取散射中心的幅度、相位信息。基于微动特征的不变性,利用多部雷达锥顶散射中心的幅度信息估计微动特征和坐标转换参数。然后根据各散射中心在不同视角上投影分量的差异,实现尾翼散射中心的匹配,之后求解散射中心的瞬时空间位置,实现目标重构。仿真验证了算法的有效性,并分析了微动参数和信噪比对重构结果的影响。     

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。