稀布阵综合脉冲孔径雷达方程及应用分析

基于常规监视雷达方程、结合稀布阵特点,修正给出了稀布阵综合脉冲孔径雷达方程推导,并分析讨论了该体制雷达的特有参数.通过对脉冲积累时间、等效功率孔径积的计算分析以及与常规雷达的探测威力对比,得出了该体制雷达具有作用距离远、探测慢速目标时脉冲积累时间长以及所需等效功率孔径积小等优点.该方程在论证和研究稀布阵综合脉冲孔径雷达探测威力方面更具有实用性,为进行该体制雷达初步设计提供了一个良好的工具.     

改进的相控阵雷达信号检测方法

针对传统雷达信号检测方法对相控阵雷达信号检测概率较低的问题,提出了一种结合小波降噪和极值序列法的信号检测方法。该方法采用小波阈值降噪法对雷达信号进行预处理,以提高侦收信号的信噪比,利用极值序列法在高信噪比下检测精度较高的优势,完成对信号的准确检测和参数的精确估计。仿真结果表明,与传统检测方法相比,该方法在低信噪比下对相控阵雷达信号的检测概率平均提高21.8%。     

基于核函数的多极化HRRP识别

针对多极化雷达高分辨距离像(HRRP)识别中数据量大、分布复杂和识别算法复杂的问题,提出了基于核函数的识别方法.该方法首先定义了两种基于多极化HRRP的核函数,然后将其分别应用到核主分量分析(KPCA)中降维和提取特征,最后采用最近邻(1NN)分类器和支持矢量机(SVM)分类器对目标进行分类.该方法可以在不丢失极化信息的情况下,将多极化HRRP作为一个整体进行识别,降低了识别算法的复杂度.多极化HRRP数据的仿真实验结果显示,该方法的识别率比单极化HRRP提高7%～10%;与其他多极化HRRP识别方法相比,该方法不仅降低了提取特征的维数,而且还提高了识别性能.     

基于多元图形特征与云模型理论的质量评价方法研究*

针对综合质量评价中评价结果不能充分反映主、客观因素共同作用的问题,提出了一种基于多元图表示原理与云模型理论相结合的综合质量评价方法。该方法基于多元图表示原理,应用雷达图表示方法的图形面积融合多指标参数,结合云模型理论定性定量转换强大功能,实现综合质量评价,得到符合人类思维方式的定性定量综合评价结果。以成都市土壤为研究对象,实验结果表明,该方法得到的定性定量相结合的综合评价结果符合实际数据的分布和人的思维方式,是一种充分反映主、客观因素共同作用的评价方法。该方法适用于多指标参数的质量评价问题。     

基于压缩感知的SAR图像鲁棒编码传输

目的 尽管传统的联合信源信道编码方案可以获得高效的压缩性能,但当信道恶化超过信道编码的纠错能力时会导致解码端重构性能的急剧下降;为此利用压缩感知的民主性提出一种鲁棒的SAR图像编码传输方案,且采用了一系列方法提高该方案的率失真性能。方法 考虑到SAR图像丰富的边缘信息,采用具有更强方向表示能力的方向提升小波变换(DLWT)对SAR图像进行稀疏表示,且为消除压缩感知中恢复非稀疏信号时存在的混叠效应,采用了稀疏滤波方法保证大系数的精确恢复,在解码端采用了高效的Bayesian重建算法获得图像的高性能重建。结果 在同等码率下,与传统的联合信源信道编码方案CCSDS-RS相比,本文方案可以实现更加鲁棒的编码传输,当丢包率达到0.05时,本文方案DSFB-CS获得的重建性能明显要高于CCSDS-RS;与基于Bayesian重建算法TSW-CS的传统方案相比,本文方案可提高峰值信噪比(PSNR)3.9 dB。结论 本文方案DSFB-CS 实现了SAR图像的鲁棒传输,随着丢包率的上升,DSFB-CS获得的重建性能缓慢下降,保证了面对不稳定信道时,解码端可以获得相对稳定的重构图像。     

SAR复图像数据的CCSDS-IDC编码性能分析与四叉树编码

目的：CCSDS-IDC (国际空间数据系统咨询委员会-图像数据压缩) 是NASA制定的基于离散小波变换(DWT)尺度间衰减性的空间图像数据压缩标准,适用于合成孔径雷达(SAR)幅度图像及各类遥感图像的压缩。然而,与光学图像不同,常见的SAR图像都是复图像数据,其在干涉测高等许多场合具有广泛应用,分析研究CCSDS-IDC对SAR复图像数据的编码性能具有重要的应用价值。方法：由于SAR复图像数据不具有尺度间的衰减性,因此将其用于SAR复图像数据编码时性能较低。考虑到SAR复图像数据DWT系数呈现出聚类特性,提出将四叉树(QC)用于DWT域的SAR复图像数据编码,发现QC对SAR复图像数据具有高效的压缩性能。结果：实验结果表明,在同等码率下,对基于DWT的SAR复图像数据压缩, QC比CCSDS-IDC最多可提高幅度峰值信噪比4.4dB,平均相位误差最多可降低0.368;与基于方向提升小波变换（DLWT）的CCSDS-IDC相比,QC可提高峰值信噪比3.08dB,降低平均相位误差0.25;对其它类型的图像压缩,基于聚类的QC仍能获得很好的编码性能。结论：CCSDS-IDC对SAR复图像数据编码性能低下,而QC能获得很好的编码性能。对应于图像平滑分布的尺度间衰减性,其在某些特殊图像中可能不存在,而对应于图像结构分布的聚类特性总是存在的,故在基于DWT的图像编码算法设计中,应优先考虑利用小波系数的聚类特性,从而实现对更多种类图像的高效编码。     

车载毫米波雷达Bootloader的设计与实现

毫米波雷达用于盲区监测系统时,一种连接方法是仅一个雷达挂接在车身网络上,而另一个雷达无法直接与车身网络通信,因此也无法通过OBD直接升级软件。该文提出一套基于UDS的软件升级方案,在传统下位机Bootloader中增加主从通讯功能,使得两个雷达能同时完成软件升级。经实际应用,设计的Bootloader在盲区监测系统和前碰撞预警系统中都能可靠地升级应用软件。     

轻量化卷积神经网络在SAR图像语义分割中的应用

针对合成孔径雷达图像的语义分割问题,构建了一个全新的TerraSAR-X语义分割数据集GDUT-Nansha。然后,为解决传统深度学习方法模型体积大,难以在样本数量偏少的合成孔径雷达图像数据集上应用的问题,对轻量化卷积神经网络ENet模型进行了分析和改造。提出了一种改进的轻量化卷积神经网络模型(revised weighted loss eNet,RWL-ENet);针对合成孔径雷达图像数据集样本不平衡问题,使用了带有权重的损失函数。通过和其他经典卷积神经网络语义分割模型的对比实验,验证了新数据集的可靠性;同时,在参数量和模型体积远远小于其他网络模型的前提下,RWL-ENet模型在像素精度、平均像素精度、平均交并比三个定量指标上分别达到了0.884、0.804和0.645。     

基于雷达和相机融合的目标检测方法

在自动驾驶感知系统中,为了提高感知结果的可靠度,通常采用多传感器融合的方法。针对融合感知系统中的目标检测任务,提出了基于雷达和相机融合的目标检测方法——PRRPN,旨在使用雷达测量和前一帧目标检测结果来改进图像检测网络中的候选区域生成,并提高目标检测性能。首先,将前一帧检测到的目标与当前帧中的雷达点进行关联,以实现雷达预分类。然后,将预分类后的雷达点投影到图像中,并根据雷达的距离和雷达散射截面积（RCS）信息获得相应的先验候选区域和雷达候选区域。最后,根据候选区域进行目标边界框的回归和分类。此外,还将PRRPN与区域生成网络（RPN）融合到一起来进行目标检测。使用新发布的nuScenes数据集来对三种检测方法进行测试评估。实验结果表明,与RPN相比,PRRPN不仅可以更快速地实现目标检测,而且还使得小目标的平均检测精度提升了2.09个百分点;而将所提PRRPN与RPN进行融合的方法,与单独使用PRRPN和RPN相比,平均检测精度分别提升了2.54个百分点和0.34个百分点。     

便携式雷达电源检测维修系统设计

针对某大型相控阵雷达装备电源系统维修过程中型号多、数量大、维修周期长、检测维修难的问题,设计了一种便携式电源检测维修系统;该系统由FPGA核心板、数据采集板、ePC-K70-Lite-L一体化模组组成,集成维修人员故障维修经验,通过数据处理及故障诊断软件分析采集的电源数据,最终实现对多种类电源故障的快速检测维修;该系统可对该型雷达3大类13种电源实现在线控制、参数读取和赋值,最多同时可对7组电源参数实现在线检测,测试时间由5分钟缩短到10秒内,电源检测准确率达99 ％以上,不依靠外接电源可连续工作达5小时以上;本系统投入使用4年以来,运行稳定、易于操作维护,检测维修多种类电源达800余次,极大提高了装备的自主保障能力和维修效率,提升了装备的任务执行成功率.