基于两层均匀媒质的GPEN SAR地下目标成像方法及其性能分析

地表穿透合成孔径雷达(Ground PENetration SAR,GPEN SAR)为了探测掩埋在地下的目标,通常工作在多层媒质的环境中。传统成像模型是建立在同一均匀媒质的假设上,不再适合于GPEN SAR的实际情况。本文首先建立了两层分区均匀媒质中的成像模型,然后利用后向投影(BP)算法定量分析了成像几何参数、土壤参数等对成像的影响,进而提出了一种修正的后向投影(MBP)算法。MBP算法不仅能够校正两层分区均匀媒质对成像定位的影响,还能估计目标的掩埋深度,提供目标三维位置坐标。仿真结果验证了MBP算法在不同信噪比环境下,对多目标的三维定位精度能满足实际的需要。     

折射对地表穿透合成孔径雷达成像影响定量分析

分辨率和空间位置定位精度是合成孔径雷达（Synthetic Aperture Radar，SAR）图像的重要参数。传统成像模型是建立在同一均匀媒质的假设上，而地表穿透合成孔径雷达（Gmund PENetration SAR，GPEN SAR）为了探测掩埋在地下的目标，通常工作在多层媒质的环境中，传统模型不再适合。文章首先建立了分区均匀媒质中的成像模型，在此模型基础上，推导了两层媒质时后向投影算法的积累轨迹误差。然后利用实际与理论方位分辨率之比、积分旁瓣比和定位偏差定量分析了两层媒质表面的折射效应对成像质量和定位精度的影响，为校正土壤折射对成像的影响提供有益参考。     

基于综合时频分析的机动目标ISAR成像

传统的ISAR距离-多普勒成像算法基于目标平稳飞行假设。当目标作机动飞行时,转速和转轴经常是时变的,若用传统方法成像,会使图像模糊,甚至无法辨识。这时需要分距离单元进行时频分析,得到距离-瞬时多普勒图像。文中提出的综合平滑伪魏格纳分布克服了平滑伪魏格纳分布不能在时频分辨率和抑制交叉项两方面同时达到较好的缺点。最后以旁瓣电平、交叉项干扰抑制、方位分辨率损失等指标定量分析了两者的性能。仿真结果证实了文中方法在对机动目标成像中的优越性。     

基于插值DFT的正弦信号高精度参数估计方法

采用传统的DFT对正弦信号进行参数估计，估计精度会因频谱泄漏而降低。本文分析了基于插值DFT的对单分量正弦信号参数的精确估计方法。仿真试验表明，采用该方法估计单分量正弦信号参数时为近似无偏估计，估计误差方差接近Crammer-Rao界。在此基础上本文提出了对多分量正弦信号参数进行精确估计的插值DFT方法，该方法能很好地抑制噪声和分量信号间的旁瓣干扰，当各分量信号间不发生主瓣重叠时为近似无偏估计，估计误差方差接近Crammer-Rao界。     

UWB SAR非均匀区域目标检测方法

在超宽带合成孔径雷达(UWB SAR)图像目标检测中不仅会遇到均匀杂波区域，还会遇到叶簇区域、空旷区域及干扰目标等组成的非均匀杂波区域。恒虚警率(CFAR)目标检测是雷达目标检测的重要方法，而传统的CFAR检测对UWB SAR非均匀杂波区域目标检测效果较差。首先分析了叶簇区域、空旷区域及二者混合区域的杂波分布。然后针对UWB SAR的实际情况，运用智能索引变量的CFAR检测技术(VI—CFAR)，使得均匀杂波和非均匀杂波背景中目标检测都取得了较好的效果。最后，利用实际UWB SAR目标检测结果验证了VI—CFAR的有效性。     

SAR图像二维旁瓣自适应抑制技术

在分析SAR图像二维旁瓣特性的基础上,提出了二维可分离自适应旁瓣抑制(ASR)方法,其原理是沿着旁瓣出现的方向进行抑制.该方法能够有效抑制超宽带SAR图像中的非正交旁瓣和斜视SAR图像中的旋转旁瓣.本文所提的二维可分离ASR的旁瓣抑制性能略优于传统的二维联合ASR的性能,且算法效率更高.仿真和实际数据处理结果验证了本文的结论.     

车载前视GPSAR浅地表杂波特性分析

车载前视地表穿透合成孔径雷达(GPSAR)能够穿透地表获得浅埋目标图像,可用于较大面积区域的快速探测.目前制约GPSAR浅埋目标检测实用化的主要障碍是探测环境复杂而带来的虚警过高.而对GPSAR浅地表杂波特性分析是指导检测器设计进而提高检测性能的前提.文中针对车载前视GPSAR图像杂波局部与整体统计特性不一致的情况,给出一种基于多维概率密度函数的GPSAR图像浅地表杂波特性分析方法.该方法揭示了局部图像与整体图像的浅地表杂波特性的区别与联系.可从理论上解释车载前视GPSAR图像浅地表杂波的实际统计结果,为指导检测器设计和提高浅埋目标检测性能奠定了基础.     

基于模糊超球面支持向量机的超宽带SAR地雷检测

机载或车载超宽带合成孔径雷达(UWB SAR)可以大区域快速探测单个地雷和雷场,是探雷的发展趋势。虚警太多是UWB SAR探雷实用化的主要问题。本文提出了模糊超球面支持向量机( FHS-SVM)地雷检测器。FHS-SVM在高维核特征空间中构造封闭的超球面区分地雷和杂波,并在学习过程中利用隶属度定量表征地雷和杂波误判风险不同及地雷埋设环境变化等因素对检测器的影响。轨道地表穿透SAR(Rail-GPSAR)系统实测数据处理结果表明,FHS-SVM比传统超球面SVM(HS-SVM)和超平面SVM(HP-SVM)具有更好的检测性能。     

基于压缩感知的地雷散射结构提取

利用目标信号的先验稀疏性,通过压缩感知(Compressive Sensing, CS)算法可以实现对目标的稀疏成像,获取其空间散射结构。该文将CS理论应用于车载前视步进频率超宽带探地雷达(Vehicle-mounted Stepped-frequency Forward-looking Ground Penetrating Virtual Aperture Radar, SFGPVAR)系统,通过建立电磁散射模型,指出金属地雷目标可近似为旋转不变的对称圆柱体,在对电磁仿真和实测数据分析的基础上,得到超宽带SFGPVAR系统中金属地雷具有孤立的双散射点结构,双点间距与雷达入射角等因素无关,且只与地雷的物理尺寸相关,使得在成像空间满足稀疏分布条件,因此利用CS算法可以实现地雷空间散射结构的提取。该文最后通过对SFGPVAR系统实测数据处理验证了CS算法提取地雷散射结构的可行性以及地雷双散射点结构特征的稳健性,该方法不仅拓展了地雷目标特征提取的新思路,也为具有简单离散散射结构目标的检测鉴别探索出一条新路。      

基于自适应小波尺度选择的生物雷达呼吸与心跳分离方法

当使用生物雷达进行生命体征参数提取时,由于心脏跳动产生的位移形变很小,回波较为微弱,而呼吸带动的胸腔起伏回波强度较大,基于简单傅里叶变换的周期性信息检测,往往无法有效提取心跳信号。采用小波变换的方法可以较好地分离出含有心跳、呼吸运动信息的信号分量,但小波尺度的选择对于不同的场景存在细微差异,影响到了分离的效果。针对这一问题,该文采用Morlet二进小波变换,提出了一种基于信噪比阈值定标的自适应小波尺度选择方法,有效解决了不同场景的呼吸心跳分离问题。最后通过实测结果验证了算法的准确性和可行性。