基于相关检测的旋翼无人机检测与识别方法

针对复杂杂波背景环境下无人机目标旋翼回波信噪比低导致检测与识别困难的问题,提出了一种基于相关检测的旋翼无人机检测与识别方法.该方法首先利用信号相关性对目标进行检测,得到无人机各旋翼的初始相位差.然后在相关检测结果的基础上,对回波信号进行积累以提高信噪比.最后将积累后的回波信号进行时频分析得到无人机的目标特征信息,从而有...     

基于深度学习的探地雷达二维剖面图像结构特征检测方法

该文针对探地雷达(GPR) 2维剖面图像中目标特征提取困难及其识别精度较低等问题,采用深度学习方法来提取2维剖面图像中目标的特征双曲线。根据GPR工作的物理机制,设计了一种级联结构的卷积神经网络(CNN),先检测并去除回波数据中的直达波干扰信号,再利用CNN得到B扫描(B-SCAN)图像的特征图,并对特征信号进行分类识别以提取目标的特征双曲线。同时,为处理各种干扰信号影响目标特征双曲线结构完整性的问题,提出了一种基于方向引导的特征数据补全方法,提高了目标特征双曲线识别的准确率。与方向梯度直方图(HOG)算法、单级式目标检测(YOLOV3)算法和更快速的区域卷积神经网络(Faster RCNN)算法相比,在综合评价指标F上该文方法的检测结果是最优的。     

基于频率分集探地雷达的介质参数估计方法

针对地下目标体周围介质参数估计问题,提出一种基于图像熵的介质参数估计方法。首先推导了介质条件下频率分集阵列探地雷达的点扩展函数,分析了点扩展函数与后向投影成像算法之间的联系,然后将频率分集探地雷达与超宽带探地雷达成像结果做了对比分析。对于同一块包含目标的待成像区域而言,介质参数对电磁波的传播速度有较大的影响,当采用不同的介质参数分别对该区域进行成像时,得到的成像结果亦不相同。对不同参数下的成像结果进行图像熵的计算,成像结果的图像熵值越小,则在使用该参数时成像的聚焦度越好,所对应的介质参数越接近其真实值。实验结果表明：在介质的电导率不为零时,频率分集探地雷达较超宽带探地雷达在目标定位成像方面具有更好的效果,且当目标为细长目标体时,所提出的参数估计方法能够对目标体周围介质参数进行有效估计。     

基于三维SAR成像的RCS近远场变换方法研究

微波3维成像能够准确地从背景噪声中分离出目标的散射信息,适用于外场目标电磁(EM)散射特性的分析和研究,因而从3维合成孔径雷达(SAR)成像的角度研究目标电磁的散射特性是目前的一个新兴的热门课题。该文以此为背景,首先从Stratton-Chu积分方程出发详细推导3维SAR的近场波数域成像过程,解释3维SAR成像的物理意义;然后阐述基于3维SAR成像的雷达散射截面积(RCS)近远场变换原理,介绍3维SAR图像的散射中心提取方法,给出基于3维SAR成像的RCS近远场变换算法;最后通过FEKO软件进行了仿真实验,得到了5个点目标的RCS近远场变换的方位特性曲线和频率特性曲线,并通过与理论情况的对比,验证该算法在RCS近远场变换技术中的有效性。     

基于图信号处理的频控阵雷达目标定位方法

针对现代雷达应用对目标高精度测角和测距的需求,该文将图信号处理(GSP)应用于频控阵(FDA)雷达目标定位中,提出一种基于图信号处理的频控阵雷达目标定位新方法。首先,基于频控阵雷达几何模型及回波数据间的信号关联性构建回波数据的图信号模型,进而利用图傅里叶变换对上述图信号作图谱分解,构建2维谱峰搜索优化函数,最终有效获得目标的方位角-距离联合估计。仿真实验结果表明,该算法能够正确估计出目标的方位角和距离信息;在相同仿真条件下,算法的估计精度优于同类算法且提升了对弱目标的定位性能。     

基于随机频率间隔的OFDM-FDA雷达通信一体化波形设计

针对现有技术的不足,提出了一种基于随机频率间隔的OFDM-FDA雷达通信一体化波形设计方法.采用较少的脉冲发射多载波的雷达通信一体化信号,在不同阵元间增加了随机频率间隔以便在频域上区分通信数据,从而实现多载波通信信号的传输及频控阵雷达目标成像的功能.仿真结果表明,该一体化信号能够在发射较少脉冲的情况下,有效提高一体化系...     

雷达通信一体化信号调制技术综述

雷达通信一体化是指利用一个发射平台发射同一频段的调制信号,同时实现雷达与通信功能.从通信角度看,雷达与通信信号融合可以缓解频谱资源紧缺的压力,因为有限的频谱资源已经成为5G、6G通信技术发展中需要面对的关键问题.从雷达角度看,雷达与通信信号波形融合可以减小雷达电子设备体积,降低电磁干扰,提高电路集成度,这正是下一代雷达...     

基于深度学习的GPR B-SCAN图像双曲线检测方法

利用深度学习方法来处理探地雷达(Ground Penetrating Radar,GPR)数据以提高GPR B-SCAN双曲线检测准确率.为了解决数据集样本不够的问题采用循环生成对抗网络(Cycle Generative Adversarial Networks,Cy-cleGAN)算法对GPR B-SCAN图像数据进行增强.采用Faster R-CNN算子来定位双曲线图像区域,充分利用双曲线结构对称性及其方向差异性特征,设计与之对应的卷积核模板,通过卷积运算实现对B-SCAN图像中双曲线目标的有效分割.对双曲线目标采用最小二乘法进行二次曲线拟合得到精确的双曲线图像.与基于迁移学习的方法、HOG算法以及基于Hough变换的B-SCAN检测算法等相比,本文方法得到的结果在综合指标度量F上是最优的.