附加直流的低信噪比雷达微振动信号提取

基于毫米波雷达的微振动测量是一种非接触式高精度测量手段,在桥梁健康监测领域发挥着重要作用。微振动信号提取通常对雷达回波信号进行差分干涉处理获取差分相位信息,然后对差分相位积分反演得到高精度的目标形变量。高背景噪声下,差分相位出现缠绕现象,造成反演的形变量产生跳变,破坏了振动信息,无法准确反映目标的形变量和振动频率等振动特征。为了解决这个问题,本文提出了基于附加直流的低信噪比雷达微振动信号提取方法,该方法利用附加直流约束相位缠绕,并推导了附加直流带来的形变量幅度值调制系数,在解决形变量跳变问题的同时准确反演振动信号形变量。最后仿真数据与毫米波雷达实测数据验证了本方法的有效性。     

基于注意力网络的地基SAR永久散射体选取方法

永久散射体法（Permanent Scatterer,PS）是地基合成孔径雷达（Ground-Based Synthetic Aperture Radar,GBSAR）形变监测的技术支撑,但使用传统多阈值法选取PS点时,会存在各个区域对阈值敏感性不同的问题。为解决选取PS点时漏选或错选的问题,本文提出一种注意力网络模型对GBSAR时序数据进行PS点筛选,并将该模型与循环神经网络（Recurrent Neural Network,RNN）和长短期记忆网络（Long Short-Term Memory,LSTM）进行对比实验,应用于三个不同场景的监测来比较选取PS点的结果。实验结果表明:基于注意力网络的模型的实时性比RNN模型更好,准确度比LSTM模型更高。因此基于注意力网络的模型在PS点选取上更具优势。      

基于2DPCA-SCN正则化的SAR图像目标识别方法

合成孔径雷达（synthetic aperture radar,SAR）图像解译是一项重大的科学应用挑战,SAR图像目标识别已成为该领域的主要研究方向之一。针对SAR图像识别算法训练参数较多的问题,本文提出一种二维主成分分析（two-dimensional principal component analysis,2DPCA）与L2正则化约束的随机配置网络（stochastic configuration network,SCN）进行集成学习的SAR图像目标识别方法。2DPCA不仅能够有效地提取出目标的特征信息而且通过稀疏表征方式降低数据量,SCN正则化算法参数较少且可以有效避免网络过拟合问题,提高网络的识别率。我们将提出的方法在MSTAR (moving and stationary target acquisition and recognition)数据集上进行实验,结果表明该方法相对传统方法具有更高的识别率。      

一种基于图像域相位误差估计的圆迹SAR聚焦算法

残余运动误差是影响高分辨率圆迹SAR图像获取的首要原因。该文针对回波数据域信杂比较低、相位误差跨距离分辨单元的问题, 提出了一种基于图像域估计相位误差的圆迹SAR聚焦算法。该方法首先对强点目标图像进行加窗截取, 然后从图像中重建回波估计方位向的相位误差, 计算距离向徙动误差, 最后通过对回波数据补偿相位误差完成跨距离分辨单元的徙动矫正和方位向聚焦, 获取高质量的圆迹SAR图像。仿真和实际数据处理结果验证了该方法的正确性和有效性。      

基于注意力网络的地基SAR时序差分相位分类方法

地基合成孔径雷达(Ground Based Synthetic Aperture Radar,GBSAR)是目前露天矿山工作帮及排土场进行亚毫米级形变监测的主要技术手段之一,但监测过程中出现的多径效应造成的差分相位变化会被错误识别为形变.针对识别形变精度低的问题,本文开展了差分干涉相位时序特征表达方法的研究,并以此为基...     

基于帧间DBSCAN聚类的毫米波雷达交通多目标跟踪方法

毫米波雷达已成为车联网中的主流传感器之一,可用于交通场景的多目标跟踪。本文将毫米波雷达安装于道路上方进行交通目标跟踪,针对基于帧内DBSCAN(Density-Based Spatial Clustering of Applications with Noise)聚类的多目标跟踪中,在该安装场景下多径噪点难以去除和纵向的交通目标点云难以区分的问题,提出了基于帧间DBSCAN聚类的毫米波雷达交通多目标跟踪方法。该算法使用多帧合并处理的方式,利用帧序特征用于解决多径噪点问题,并利用空间纵向分段的方法改善了原算法在纵向上目标区分度不足的缺点。本文通过六组不同的实际场景实验,证明了本方法在不同场景下,均相比原方法对跟踪结果有不同程度的改善。      

基于圆迹干涉SAR的DEM提取

圆迹干涉SAR具有对场景目标进行全方位观测测量的优势,为了满足高分辨率圆迹SAR成像对高精度的场景数字高程模型(Digital Elevation Model, DEM)的需求,该文提出了一种基于圆迹干涉SAR数据的高程估计方法。首先推导了采用后向投影(Back Projection, BP)算法时的圆迹干涉SAR信号模型,然后给出了基于圆迹干涉SAR处理的场景DEM提取流程,最后通过仿真实验验证了所提方法的有效性。     

多角度极化SAR图像散射特征建模及其应用

本文将基于条带观测模式的极化SAR散射模型拓展至方位向多角度观测模式,基于典型极化散射类型组合提出一种非各向同性散射特征模型。该模型参数纬度多且随方位向观测变化,需要替代性方法提取多角度极化散射特征。首先,采用基于Wishart分布的统计量对非各向同性散射中心进行检测,并逐像素生成基于散射特征差异的新序列图像。其次,以新序列图像作为处理对象,提取极化似然比序列、子孔径角度序列、极化熵—似然比序列、极化散射角—似然比序列、极化各向异性度—似然比序列。最后,集成特征序列编码及支持向量基（SVM）方法进行分类。通过机载P波段极化SAR开展360°观测试验,验证了方法的有效性并揭示出在地物分类方面的应用潜力。      

高渗透光伏接入下基于近似值函数的主动配电网鲁棒优化

针对高渗透率光伏接入下主动配电网(ADN)运行优化的不确定性问题,提出了一种基于近似值函数的自适应鲁棒优化方法。该方法考虑光伏出力的随机特性和系统运行的鲁棒性,通过自适应鲁棒优化保证系统安全运行,同时最小化运行成本。首先,建立考虑多种可调装置的ADN运行优化模型,并通过凸优化技术将该模型转化为混合整数二阶锥优化模型。然后,利用近似动态规划的值函数思想构造ADN时段解耦的自适应鲁棒优化模型,通过逐次投影近似算法进行近似值函数参数训练。最后,采用列与限制生成算法实现模型的鲁棒逐时段递推求解。对IEEE 33节点和PGE69节点系统进行算例分析,并与确定性优化、近似动态规划和两阶段鲁棒优化方法进行对比,验证了所提方法的可行性和有效性。     

多角度极化SAR图像散射特征分解及SVM分类

在极化合成孔径雷达（synthetic aperture radar,SAR）图像理解和解译中,地物分类是重要的应用方向之一.为了研究多角度极化SAR图像的地物分类,文中基于极化统计特征差异性顺序,给出了多角度极化分解特征序列构建方法.首先,采用基于Wishart分布的统计量对非各向同性散射中心进行检测,并逐像素生成基于散射特征差异的新序列图像.然后,面向多种极化特征分解模型,提出通用的多角度极化特征一阶差分序列描述方法及编码方法,包括Yamaguchi四分量分解、Krogager分解以及H/A/Alpha分解,得到多维特征参数序列.最后,通过两种方法对比后最终选用支持向量机（support vector machine,SVM）方法对特征序列进行分类.通过机载P波段极化SAR开展360°观测试验,验证了该方法的有效性,并展示出在地物分类方面的应用潜力.