一、一种多相位中心天线的动目标检测和成像算法(论文文献综述)
穆慧琳[1](2021)在《多通道SAR地面运动目标检测与成像研究》文中研究指明合成孔径雷达(Synthetic Aperture Radar,SAR)具有全天候、全天时、远距离、高分辨对地观测的优势,朝着多平台、多通道、多功能、多极化方向发展。利用多通道SAR系统,可增加回波信号的空间维信息,实现对观测区域的地面运动目标指示(Ground Moving Target Indication,GMTI),极大提升了SAR系统对运动目标观测能力,在军事和民用方面具有重要的应用价值和发展前景。然而,机载和星载平台下的多通道SAR-GMTI系统在处理实际复杂观测场景时仍面临许多共性问题。首先,实际观测场景通常覆盖不同类型的地物杂波,其散射系数起伏较大,导致杂波分布非均匀,使得空时自适应杂波抑制能力下降,残余孤立强杂波点,虚警概率升高。其次,实际观测场景中通常包含多个运动目标,目标运动参数导致运动目标图像散焦和方位向偏移,临近目标容易产生混叠和旁瓣干扰,甚至造成虚假目标,使得多个运动目标同时聚焦成像困难。慢速目标与地物杂波的通道间干涉相位差异较小,目标多通道自适应滤波响应接近杂波抑制凹口,导致输出信杂噪比(Signal Clutter Noise Ratio,SCNR)降低,难以实现慢速目标检测,更加无法得到聚焦的目标图像。因此,针对实际复杂观测场景下存在的运动目标检测与成像问题,本文利用多通道SAR复数域数据在空间维和时间维的有效信息,并引入稀疏重构、深度学习等理论,开展多通道SAR地面运动目标检测和成像方法的研究,主要包含如下四个内容:1.本文利用运动目标稀疏先验知识提出基于DPCA-BCS的双通道SAR杂波抑制方法,首先对方位向少量观测数据进行偏置相位中心天线(Displaced Phase Center Antenna,DPCA)预处理以对消部分背景杂波,然后建立稀疏观测模型,对运动目标引入Laplace先验分布,采用贝叶斯压缩感知(Bayesian Compressive Sensing,BCS)方法实现运动目标重构和杂波抑制。进一步提出基于STAP-BCS的多通道SAR杂波抑制方法,将空时自适应处理(Space Time Adaptive Processing,STAP)技术与稀疏贝叶斯学习相结合。最后通过仿真实验和实测数据验证所提算法在降低观测数据量的同时获得较好的杂波抑制性能。2.针对非均匀复杂杂波环境下的运动目标检测问题,本文通过扩展信号空间维和时间维信息,提出基于改进高斯混合概率假设密度(Gaussian Mixture Probability Hypothesis Density,GMPHD)滤波器的多通道SAR运动目标检测方法。首先基于子孔径方式生成SAR多角度图像序列,并利用多通道杂波抑制和恒虚警初步检测获取运动目标观测信息。通过分析目标径向速度对目标位置的影响,建立多目标状态和观测的随机有限集模型。针对传统GMPHD滤波器在SAR-GMTI中的问题,提出适合SAR图像序列的改进GMPHD滤波器。最后通过仿真实验和实测数据验证所提算法在非均匀复杂杂波环境下具有较高检测概率和较低虚警概率,并实现目标重定位。3.针对SAR多运动目标聚焦成像问题,本文利用多运动目标信号的多分量线性调频信号形式和运动目标的稀疏特征,提出基于Chirplet-BCS的多运动目标成像方法。首先构建多目标稀疏观测模型,由于观测矩阵依赖于未知的目标运动参数,采用基于Chirplet基的自适应分解实现目标调频率参数估计,有效避免交叉项的干扰,利用调频率参数构造观测矩阵,然后采用BCS稀疏重构算法实现运动目标精确重构。通过仿真实验和实测数据验证所提算法具有较好的聚焦成像质量和剩余杂波抑制能力。4.本文将深度学习理论引入到SAR运动目标成像领域,研究了基于深度卷积神经网络的多通道SAR慢速多运动目标快速成像方法。针对SAR多运动目标快速聚焦成像问题,提出基于卷积神经网络的SAR多运动目标快速成像方法。所提成像网络Deep Imaging利用残差学习策略实现特征与梯度的有效传递,通过监督学习的方式实现网络参数更新,最终建立适用于成像场景的成像模型,实现运动目标快速聚焦成像。Deep Imaging依赖于多通道杂波抑制结果,对慢速目标难以检测与成像。针对该问题,本文将多通道杂波抑制任务集成到网络中,提出基于复数域卷积神经网络的多通道SAR慢速多目标成像方法,所提复数域成像网络CV-GMTINet将特征图和网络参数扩展到复数域,不仅把复数域数据作为网络输入,还在整个网络中传播相位信息。网络结合密集网络与残差网络的优点,自适应学习单通道和通道间有效特征,并提高特征与梯度的传递效率,缓解梯度消失问题。使用复数域反向传播算法求解网络复值参数的梯度,通过基于梯度的参数优化算法实现复值参数的更新。通过实测数据验证所提方法在运动目标成像性能和杂波抑制能力方面优于传统方法和实数域网络。
胡远林[2](2021)在《机载多通道SAR动目标检测与运动参数估计方法研究》文中指出SAR动目标检测与参数估计技术可实现动目标成像、检测及测速定位等功能,在军事、民用等方面具有重要的研究意义。然而,在SAR动目标检测方面,目前的各种检测方法,无论多通道VSAR方法还是双通道DPCA、ATI等方法,绝大多数是在正侧视模式下进行研究,极大的限制了应用范围,为此,针对斜视模式下动目标成像质量及重定位精度下降严重,多通道图像配准及相位误差补偿复杂困难,慢动杂波抑制等问题,开展了斜视模式下的动目标检测与运动参数估计研究。在SAR多动目标检测方面,针对多个动目标重叠在图像域中同一分辨单元,从而可能导致的“速度叠影”问题,为此,开展了多动目标分离与速度估计研究。本文主要内容与贡献如下:1、针对斜视模式下传统SAR动目标检测困难的问题,提出了基于后向投影算法的DPCA-ATI(BP-DPCA-ATI)动目标检测方法及基于后向投影算法的VSAR(BP-VSAR)动目标检测方法。首先建立了斜视多通道SAR几何模型,推导了基于BP成像的动目标在SAR图像中的位置偏移,表明在斜视模式下动目标同时存在方位向偏移和距离向偏移;然后结合DPCA-ATI检测技术,实现了斜视模式下动目标检测、径向速度估计及重定位,仿真验证了在斜视模式下BP-DPCA-ATI方法的有效性,然而在慢动杂波的环境下该方法检测性能变差。为此,提出了BPVSAR动目标检测方法,实现了斜视模式下慢动杂波环境中的动目标检测、径向速度估计及重定位,仿真验证了该方法的有效性。最后,与BP-DPCA-ATI方法进行了比较,实验结果表明:BP-VSAR方法不仅能有效抑制慢动杂波,且速度估计精度更高,抗噪性能更好。2、针对动目标“速度叠影”的问题,提出了基于迭代最小化稀疏贝叶斯(SBRIM)的多动目标分离与速度估计方法。首先研究了基于谱估计的多动目标分离与速度估计方法,将MVDR及MUSIC谱估计方法应用于多通道信号处理,分离了多重叠动目标并实现了高精度地径向速度估计。仿真实验验证了谱估计方法的有效性,但该方法在低信噪比时无法有效分离多个重叠的动目标。对此,提出了一种基于SBRIM的多动目标分离与速度估计方法。该方法通过提取图像域中动目标所在分辨单元的幅度和相位信息,构建了线性观测模型及相应的测量矩阵,利用动目标在速度谱中的稀疏性,通过SBRIM稀疏重构方法实现了多动目标的分离与速度估计。仿真实验验证了所提方法能有效解决“速度叠影”的问题。最后仿真对比了所提方法、谱估计方法及传统DFT方法,结果表明所提方法与谱估计方法可获得更高的速度分辨率,但谱估计方法在低信噪比(SNR?10d B)时无法有效分离多重叠动目标,而所提方法(即使SNR(28)0d B)依然可实现多重叠动目标分离与高精度地径向速度估计,表明所提方法抗噪性能更好。3、针对非均匀阵列下的动目标分离与速度估计问题,提出了一种非均匀阵列下的基于迭代最小化稀疏贝叶斯(SBRIM)的动目标分离与速度估计方法。首先分析了非均匀天线阵列时多重叠动目标的多通道信号特点,提取了相应的幅度、相位信息,构建了非均匀阵列下的观测模型及对应的测量矩阵,然后通过SBRIM稀疏重构方法实现了动目标分离与速度估计。仿真实验验证了所提算法的有效性。最后,与谱估计方法进行了仿真对比,仿真实验结果表明在非均匀阵列下,谱估计方法已完全失效,而所提方法可以有效解决速度叠影问题,实现多重叠动目标分离与高精度地径向速度估计。
唐欣欣[3](2021)在《SAR慢动目标检测与参数估计方法研究》文中提出合成孔径雷达地面动目标指示(SAR-GMTI)技术可以对地面动目标进行检测,运动参数估计和重定位,在军事侦察和民用交通监控等领域具有重要作用。然而,传统的机载SAR-GMTI方法主要是针对常规机载平台设计的。而对于高超声速平台,传统方法将面临慢速动目标检测困难和速度估计精度不高的问题。因此需要对高超声速平台下的慢速动目标检测和速度估计方法展开研究。另一方面,在机动SAR的应用场景,由于平台运动轨迹的复杂性,导致传统的SAR-GMTI方法失效。因此,需要研究适用于机动平台SAR的慢速动目标检测和速度估计方法。本文对于高超声速平台SAR,研究并提出了基于前后波束SAR的慢速动目标检测和方位速度估计方法,基于双通道前后波束SAR的慢速动目标方位速度估计方法,以及基于YOLO网络的前后波束SAR慢速动目标检测方法。对于机动平台SAR,本文以匀加速直线运动平台为例,研究并提出了一种匀加速直线SAR慢速动目标检测和距离-方位2D速度估计方法。本文的主要工作和创新总结如下:1.提出了前后波束SAR慢速动目标检测与方位速度估计方法。针对传统SAR-GMTI方法对高超声速平台下的慢速动目标检测困难和方位速度估计精度低的问题,提出了一种基于前后波束SAR新模式的慢速动目标检测与方位速度估计方法。首先建立了前后波束SAR工作模式,推导了该模式下慢速动目标后向投影(BP)成像模型。该成像模型根据驻定相位原理的近似,将动目标成像结果分为方位散焦和方位不散焦两种情况,并可获取引起动目标方位散焦的临界方位速度。同时,通过该成像模型,可获得前后波束中动目标的SAR成像位置和位置偏移等信息。分析表明:动目标在前后波束SAR图像之间仅存在方位位置偏移,且偏移量和动目标的方位速度成正比。然后利用前后波束两幅SAR图像的强度差抑制静止杂波并用恒虚警率检测器检测出动目标,再根据动目标的方位位置偏移量初步估计动目标的方位速度。在此基础上,为了进一步提高方位速度估计精度,提出了一种基于回波域的重聚焦方法。将已估计出的方位速度嵌入到BP成像过程中实现相位误差补偿,然后计算动目标的剩余方位速度并重新估计方位速度。重复以上重聚焦步骤,直到剩余方位速度小于临界方位速度。仿真实验验证所提方法的有效性。与传统方法相比,所提方法的估计精度可提高约一个数量级。2.提出了双通道前后波束SAR慢速动目标方位速度估计方法。针对基于前后波束SAR的慢速动目标方位速度估计方法对强杂波下的微弱目标速度估计精度低甚至失效的问题,提出了一种基于双通道前后波束SAR的慢速动目标方位速度估计方法。首先通过给前后波束各增加一个天线通道来构建一个双通道前后波束SAR工作模式,并建立了该模式的动目标回波信号模型及成像模型。然后推导了基于BP的偏置相位中心天线(DPCA)算法,该算法避免了传统DPCA算法所面临的通道配准和相位补偿的问题,打破了传统方法需满足的DPCA杂波对消的严格限制条件。经过杂波抑制并根据动目标方位位置偏移量可初步估计出动目标的方位速度。为了进一步提高动目标方位速度估计精度,针对回波域重聚焦方法在强杂波下不再适用的问题,提出了一种基于图像域的重聚焦方法。该方法将杂波对消后的图像变换到2D波数域,利用估计的方位速度构造相位补偿因子对动目标相位进行误差补偿,再反变换到图像域实现重聚焦并利用更精确的位置偏移量估计方位速度。重复以上步骤,直到前后两次方位速度估计之差小于设定的阈值,由此获得了高精度的动目标方位速度估计。仿真实验结果表明,所提方法在强杂波情况下仍能获得动目标高精度的方位速度估计。3.提出了匀加速直线SAR慢速动目标检测和2D速度估计方法。针对传统SAR-GMTI方法对机动平台不再适用的问题,以匀加速直线运动平台为例,提出了一种基于多通道的匀加速直线SAR慢速动目标检测与2D速度估计方法。首先,建立了多通道匀加速直线SAR动目标的回波信号模型。然后针对机动平台通道间方位时间校准和相位补偿困难的问题,提出了一种结合BP成像和速度合成孔径雷达(VSAR)的方法。该方法通过对目标多普勒相位的精确补偿,以及对动目标在多通道SAR图像中速度频率的估计,实现了机动平台SAR的动目标检测,以及真实位置和径向速度的估计。为了进一步实现动目标距离-方位2D速度的高精度估计,提出了一种基于速度辅助BP(VA-BP)成像算法及2D速度估计方法。首先利用估计出的动目标的真实位置信息获取成像子空间。然后设定方位速度的搜索区间与步长,以及利用与径向速度关系获取对应距离速度集。接着将2D速度数据集中的每一组分量嵌入到VA-BP成像过程中,得到具有不同聚焦深度的SAR子图像集,并通过VSAR方法分离杂波,得到仅包含动目标的SAR子图像集。最后通过最小熵准则,获取动目标聚焦最优的成像子图,与此对应的2D速度即为高精度的2D速度估计。所提方法不仅可估计出动目标的2D速度,还可提高动目标的成像精度。仿真实验验证了所提方法的有效性。4.提出了基于YOLO的前后波束SAR慢速动目标检测方法。针对高超声速平台SAR对慢速动目标检测困难的问题,提出了一种基于YOLO的前后波束SAR慢速动目标检测方法。首先构建了YOLO网络的训练集和测试集。对于训练集的构建,采用电磁仿真软件得到在不同照射角度下仿真目标的高精度散射特性,并与SAR图像背景信息结合生成SAR回波数据,通过成像得到网络的训练集。对于测试集的构建,将仿真的目标在前后波束照射模式下的散射特性与目标的速度以及SAR图像背景信息结合,生成SAR回波数据,通过成像得到网络的测试集。然后对YOLO网络进行训练和测试,测试的结果表明YOLO网络能将SAR图像中的静止目标和动目标均检测出来。为了进一步判断出动目标,针对获取的每一对前后波束SAR图像对,分别计算前波束图像中每一个目标检测框和后波束图像中所有目标检测框的交并比(IOU),得到对应的IOU向量,根据IOU向量是否为零矢量即可判断出是否为动目标。仿真结果表明该方法能在高超声速平台下检测出慢速动目标,并且极大地抑制了虚警和漏警目标。
张文龙[4](2020)在《星载SAR-GMTI仿真软件设计与实现》文中研究说明合成孔径雷达(Synthetic Aperture Radar,SAR)既能够获取目标观测区域的高分辨率图像,又可以进行地面动目标检测(Ground Moving Target Indication,GMTI)。相比于机载SAR-GMTI系统,星载SAR-GMTI系统不受各国空域管制,能够获取更大的观测范围,在军事和民用上都发挥着重大的作用。但星载SAR-GMTI系统回波数据不易获取,工作环境更为复杂,设备更加昂贵,为了能够方便验证星载SAR-GMTI系统的工作过程,利用计算机仿真的方法,对星载SAR-GMTI系统进行建模以及性能仿真可以有效降低成本,提升实验效率。本文针对星载SAR-GMTI进行了研究,开发了一套比较完整的星载SAR-GMTI仿真软件,该软件具有易于操作的输入输出界面,能够对星载SAR静止场景成像与GMTI过程进行全面呈现,同时还能够对星载SAR的成像质量做出评估。首先,本文对软件整体进行设计,提出了基于Simulink+Matlab图形用户接口(Graphical User Interface,GUI)的软件设计方案:软件由系统仿真、参数设置和显示控制三部分组成。系统仿真是软件的核心,完成系统的各个功能,该部分基于Simulink实现了仿真系统的模块化;参数设置和显示控制则通过Matlab GUI实现了系统的可视化。其次,本文对系统各个模块进行了建模、仿真和分析,建立了卫星轨道模块、回波生成模块、波束形成模块、成像算法模块、图像质量评估模块和GMTI模块共6个一级模块。其中卫星轨道模块按照设定的卫星轨道参数建立了卫星的运动模型,计算卫星的位置坐标、星下点坐标和瞄准点坐标;回波生成模块按照不同的工作模式建立了不同的SAR回波模型,并且能够分别模拟点阵回波和场景回波;波束形成模块按照阵列天线构型进行波束形成;成像算法模块可对不同工作模式下的回波数据选择不同的成像算法进行处理;图像质量模块实现了对点目标和面目标的成像质量做出评估;GMTI模块建立了双通道的回波模型,在静止场景下使用偏置相位中心天线(Displaced Phase Center Antenna,DPCA)技术或沿航迹干涉(Along-Track Interferometry,ATI)技术实现了对地面动目标的检测。最后,使用Matlab GUI实现了系统的参数设置和显示控制,对软件的参数输入界面和结果输出界面进行了设计,并对系统进行了整体测试。本仿真软件的系统仿真部分以Simulink为基础,实现了仿真系统的组件化和模块化。同时使用Matlab GUI实现了软件的参数设置和显示控制功能,提供了易于操作的输入输出界面来方便用户使用。仿真软件实现了包括条带、聚束和GMTI多种工作模式下的系统仿真,可以调用多种成像算法进行成像处理,并能够对成像质量做出评估,对于仿真研究星载SAR-GMTI系统有一定的积极意义。
田敏[5](2019)在《多通道SAR复图像域慢速运动目标多特征检测方法研究》文中指出多通道合成孔径雷达能够对同一观测场景高效地完成多帧成像,利用多帧复图像的空时联系进一步提升动目标的检测性能与定位精度,在军事情报获取与交通监视领域发挥着至关重要的作用。合成孔径雷达由于平台的运动导致地/海杂波的多普勒谱展宽,慢速运动目标会淹没在杂波背景中,需要进行杂波抑制来实现动目标检测。在实际环境中,杂波分布非均匀,内部起伏运动引起时间、空间去相关,雷达非正侧视工作时杂波空时二维谱随空间快速变化,加之雷达系统的幅度和相位响应误差,导致自适应杂波抑制能力恶化,动目标检测虚警概率升高,雷达系统的最小可检测速度变差。针对实际背景下动目标检测的关键问题,本文综合利用多通道合成孔径雷达复图像域的信号幅度、相位、干涉幅度、干涉相位、滤波响应损失以及运动舰船的尾迹等多特征以提升慢速目标的检测性能,主要研究工作概括如下:1.在复杂地杂波背景下,针对利用杂波抑制残差图的动目标检测方法存在虚警概率高、慢速低信噪比目标检测困难的问题,提出了一种基于滤波响应损失的两步检测方法。该方法首先进行稳健的场景杂波抑制处理,并采用较低的幅度检测门限初步检测出潜在目标,旨在提升慢速、低信噪比目标的检测概率;然后,根据潜在目标在杂波抑制前后的功率变化构造滤波响应损失检测量进行二次检测以剔除虚警。推导了该两步检测方法在非均匀杂波背景下的统计分布特性,并给出了自适应检测门限的计算方式。实验结果表明,相比于广义内积似然比、干涉幅度相位两步检测以及干涉幅度相位结合方法,所提方法能够改善非均匀杂波背景下低信噪比动目标的检测性能,获得更好的动目标最小可检测速度。2.在海杂波背景下,针对现有运动舰船目标检测方法存在虚警概率高、动目标检测盲速区大的问题,提出了一种基于干涉幅度与相位自适应融合的无盲速舰船目标检测方法。首先,联合复干涉图像的幅度、相位以及空间结构信息设计了一种干涉双边滤波处理算法,以平滑噪声,并保持物体的空间结构,可以获得更加准确的干涉信息测量结果。然后,利用高斯核函数构造了一种基于干涉幅度与相位自适应融合的目标检测准则,并根据复合高斯杂波模型推导了该检测量的概率密度函数,给出了自适应检测门限的计算方式。理论分析表明,对于盲速区的动目标,该检测准则可以自动退化为幅度检测量以避免检测盲速;对于非盲速区的目标,该准则通过融合干涉幅度与相位信息来增加舰船目标与背景的对比度,提升低信噪比目标的检测性能。机载实测数据处理结果表明,所提出的干涉双边滤波多视处理算法可以有效地平滑噪声,提升干涉信息的测量精度;干涉幅度与相位自适应融合的目标检测准则改善了动目标的检测盲速问题,提高了低信噪比运动舰船目标的检测性能。3.为缓解海杂波背景下低信噪比、小尺寸运动舰船目标检测概率低的问题,在沿航迹干涉合成孔径雷达系统下,提出一种尾迹特征辅助的运动舰船目标检测方法。该方法首先综合利用干涉幅度、干涉相位以及尾迹的形态特征来提升舰船尾迹的检测性能。然后,一方面利用尾迹特征构造待检测舰船目标的位置和沿航迹干涉相位模板;另一方面,在复干涉图像域构造一种多特征融合的检测量,并以较低的检测门限初步检测出潜在舰船目标。最后,将潜在舰船目标与生成的舰船模板一一匹配来剔除虚警。通过仿真实验验证了所提方法对升低可观测舰船目标的检测性能的改善。
王成浩[6](2019)在《阵列雷达高分宽幅成像与动目标检测方法研究》文中研究指明雷达系统利用电磁波实现对环境和目标的感知与探测,具有全天时、全天候、远距离工作的特点,在军事和民用领域发挥着不可替代的信息感知作用。合成孔径雷达(SAR)是现代雷达的重要分支,在遥感测绘、海洋观测、灾害预防和侦查等领域得到了广泛应用。将SAR成像与地面动目标检测(GMTI)结合,可以在观测静态环境的同时,有效检测动态目标,在交通监视以及勘测等方面具有重要的应用价值。随着实际应用对SAR系统的要求越来越高,高分辨宽测绘带(HRWS)成像和高性能GMTI方法成为SAR的研究热点。然而,高速平台雷达受最小天线面积准则约束,难以兼顾高分辨率与宽测绘带成像;此外,SAR回波中的距离和方位模糊能量难以被有效抑制,从而可能对成像质量和动目标检测造成严重影响。通过采用多通道阵列天线并利用空域自由度,SAR能够一定程度上提高HRWS成像及慢速弱目标检测能力。本文针对高分辨宽测绘带SAR成像距离/方位模糊抑制困难,以及GMTI检测性能受方位模糊强杂波影响的问题,重点展开如下几方面研究内容:1.受多普勒和距离模糊的制约,星载SAR成像方位高分辨率和宽测绘带相互矛盾。针对该问题,本文提出了基于MIMO频率分集阵列(MIMO-FDA)SAR系统的高分辨宽测绘带成像距离解模糊方法。MIMO-FDA在不同阵元(或子阵)间引入发射载频的微小偏置,同时采用相互正交的基带波形,利用FDA发射导向矢量的距离和角度二维依赖性,将不同区域的距离模糊回波信号在发射角度维推开,该方法基于FDA的距离维可控自由度,通过MIMO发射波束形成在空间频率域进行滤波,从而实现了距离模糊回波的分离以及不同距离区域的分别成像,解决了星载SAR成像测绘带宽对方位高分辨率的制约问题。仿真实验验证了所提方法的有效性和可靠性。2.针对星载SAR聚束成像时方位幅宽受限的问题,设计提出了一种基于发射分集阵列(TDA)的SAR多区域同时聚束成像体制。TDA采用单一宽带波形并在不同发射阵元间附加时延和相位调制,当时延恰为带宽分之一时,所发射的空时循环编码波形能够在空间形成全方位覆盖的天线方向图。作为一种特殊的宽带MIMO阵列,TDA能够通过后端信号处理实现对发射方向图的形成和调整;此外,结合接收端DBF,可以针对不同成像区域同时形成多组等效收发双程波束,分别对不同的观测场景进行聚束照射。该方法能够分离不同方位区域的回波信号,并对其分别进行传统聚束SAR成像处理,从而同时得到多个观测区域的HRWS成像结果。3.针对星载SAR-GMTI系统在通道数和脉冲重复频率(PRF)严格受限条件下方位模糊杂波无法得到有效抑制从而严重恶化动目标检测性能的问题,本文在检测和参数估计阶段分别提出相应的解决方法:一种为检测阶段的恒虚警率(CFAR)检测器滑窗尺寸设计方法;另一种为参数估计阶段基于图像域模糊杂波重聚焦的虚警剔除方法。前者给出了动目标和方位模糊在图像域展宽量的显式表达式,通过令保护窗和样本窗尺寸分别匹配动目标最大展宽尺寸和方位模糊展宽尺寸,从而有效保留真实动目标并过滤方位模糊强杂波。后者能够从初步检测结果中利用信号特征鉴别并剔除模糊杂波导致的虚警,提高星载SAR-GMTI检测性能的稳健性。理论分析和实测数据验证了所提方法的正确性和有效性。
聂松[7](2019)在《高分辨SAR对运动目标聚焦成像技术研究》文中提出合成孔径雷达成像技术不断发展,图像方位分辨率和距离分辨率都得到了显着提升;在战场侦察方面,雷达对目标区域高分辨成像的同时,还需要对区域内动目标进行检测、成像和定位。大量的地杂波使得慢速动目标被淹没而无法检测;同时动目标在SAR图像中还会出现方位偏移和散焦,如何提高动目标的检测能力和成像效果成为了动目标指示技术的研究热点。基于高分辨条件下SAR的仿真和实测数据,本文将动目标聚焦成像作为主要研究内容,具体工作概括如下:1、作为研究基础,首先建立合成孔径雷达对静止目标的成像模型,讨论了SAR图像中,方位向和距离向分辨率的决定因素。在成像算法上分别介绍了经典的RD、CS和ω-k算法,对比各算法的成像流程和适应场景。2、在静止目标模型基础上建立动目标成像模型,分析动目标多普勒中心频率和调频率对SAR图像的影响。为了检测动目标,分别有单通道和多通道下地面动目标指示(Ground Moving Target Indicator,GMTI)技术。文中详细分析单通道和四种多通道杂波抑制和检测技术,讨论了通道均衡的重要性,以及如何利用恒虚警检测动目标。3、为实现运动目标聚焦成像,本文提出了基于杂波抑制干涉CSI-MD的动目标再聚焦算法,给出了目标多普勒中心频率和调频率的估计过程,通过参数估计对动目标再聚焦和重定位。针对动目标的跨距离单元徙动现象,借鉴了逆合成孔径雷达(ISAR)算法,提出了基于自适应杂波抑制ACSI-ISAR动目标再聚焦算法,利用目标包络和相位补偿实现动目标的再聚焦。文章最后对全文进行总结,分析了动目标聚焦成像领域进一步的发展前景。
刘国光[8](2019)在《合成孔径雷达运动目标成像与检测方法研究》文中提出近年来,合成孔径雷达地面动目标指示技术(SAR-GMTI)已经成为SAR领域研究的一大热点。现代化战争背景下,地面战场上存在着许多运动目标,先进的GMTI系统可以协助侦查战场形势、获取敌方实时情报、监视敌方部署的变化等。SAR-GMTI在现代军事领域中正在扮演一个重要的角色。本文立足于多通道机载SAR系统,深入开展了对SAR成像理论、动目标SAR成像算法、杂波抑制和动目标检测技术的研究,提出了一些新的思路和方案,并通过仿真实验和实测数据处理验证了本文所提算法和方案在多通道SAR地面动目标成像与检测中的有效性。本文研究内容概述如下。1.在研究SAR成像原理和基本算法的基础上,主要针对运动目标建立多通道SAR回波模型,分析目标运动产生的多普勒参数的变化对SAR图像的影响,并使用距离-多普勒算法仿真静止目标和运动目标的SAR成像过程。2.针对参数失配导致动目标SAR图像出现距离单元走动、方位散焦和偏移等现象,提出了一种在距离-方位二维匹配的动目标高精度成像算法。首先介绍了基于Keystone变换的距离向匹配方法,然后介绍了方位向匹配的方法并对最大失配误差引起的散焦作了定量分析,最后经过仿真验证了该动目标成像算法能够有效地匹配不同运动参数的动目标,提高其聚焦程度。该方法具有支持对多个非合作目标同时处理、匹配速度范围广且可调的优势。3.深入研究空时自适应处理(STAP)算法的原理和实现,着重对后多普勒域STAP算法进行了更深入的探索并将其运用在多通道SAR动目标检测中的杂波抑制中,具体是将距离-方位二维匹配成像方法与它相结合,提出了一种基于后多普勒STAP-二维匹配成像的多通道SAR动目标检测方案,并通过实测数据处理验证了该动目标检测方案具有较好的动目标检测性能。并且这种动目标检测方案对SAR平台参数、地面动目标速度和场景杂波特性都具有普适性。
郭子越[9](2019)在《多通道SAR高分辨率宽测绘带成像及地面动目标指示技术研究》文中研究说明合成孔径雷达(Synthetic Aperture Radar,SAR)系统能够全天时全天候的进行高分辨成像,在军事及民用领域均占有重要地位。其中,多通道SAR系统,在高分辨宽测绘带成像(High-Resolution and Wide-Swath,HRWS)、地面动目标指示(Ground Moving Target Indication,GMTI)和干扰抑制等方面都取得了不错的进展,成为了国内外研究的热点。本文围绕多通道HRWS-SAR信号处理中的多普勒频谱重构、通道误差校正、GMTI等关键技术展开研究。主要内容及创新点如下:1.研究了多通道HRWS-SAR多普勒频谱重构技术。分析了系统方位采样不足条件下,地面散射点回波中信号方位角和多普勒的对应关系,构建了多通道HRWS-SAR回波信号模型。研究了基于空域自适应处理的多通道SAR多普勒频谱重构算法,重点包括基于自适应波束形成和基于多个多普勒方向的解模糊算法,通过仿真和实测数据处理对两种算法的性能进行了验证。2.研究了多通道HRWS-SAR通道误差校正技术。分析了多通道接收系统通道误差产生的原因,构建了多通道HRWS-SAR通道误差模型。研究了现有基于信号子空间的通道误差校正方法,并采用机载三通道SAR实测数据验证了该方法的可行性。针对现有通道误差校正方法依赖参数模型、难以精确校正方位空变误差、鲁棒性差等问题,提出了一种基于孤立强散射点的通道误差校正方法,通过子孔径信号处理技术自动从模糊数据中提取成像场景中孤立强散射点回波信号,获得其不模糊的多普勒谱,并用于通道误差的估计,从而实现误差的精准校正,最终,采用机载四通道SAR实测数据处理结果对方法的可行性进行了验证。3.研究了多通道SAR同时HRWS成像及GMTI技术。研究了现有多通道SAR/GMTI的处理方法,包含动目标检测和动目标参数估计等技术。分析了在HRWS成像模式下(多普勒频谱混叠),多通道SAR/GMTI技术在地杂波抑制、目标径向速度估计方面存在的新问题。针对上述问题,提出了一套完整的多通道SAR同时HRWS成像及GMTI信号处理方案。该方案在完成频谱重构成像的同时,采用多普勒域SAR-STAP(Synthetic Aperture Radar Space Time Adaptive Processing)技术实现杂波抑制,并将数字聚束成像引入目标速度估计过程中,有效克服了速度模糊对估计结果的影响,实现动目标运动参数的精确估计。最终,该方法能够同时获取地面高分辨率SAR图像以及GMTI结果,并将目标真实位置及运动信息标注于图像上。文中采用了机载三通道SAR实测数据对该方案进行了验证。
黄祖镇[10](2018)在《多通道SAR图像域动目标检测与参数估计技术研究》文中研究说明多通道SAR地面运动目标指示是现代SAR装备一重要功能,被广泛应用于洋流测速、交通监控和战场侦察等领域。在SAR图像域,动目标具有高信杂噪比、可视化和便于识别等优点,但图像域强静止目标在多通道杂波对消后难以完全抑制,易造成虚警。同时,多通道SAR回波信号先在慢时间域被脉冲采样,后在空域被阵元采样,目标速度很大时可能存在级联的时域和空域多普勒模糊问题,空域多普勒模糊会造成目标定位模糊,级联时空多普勒模糊会影响目标真实速度估计。因此,本文针对多通道SAR图像域动目标检测、定位与速度估计中的相关难点问题展开研究。主要内容概括如下:1.推导了多通道SAR图像域动目标信号模型,定量分析了动目标在图像域的级联时空多普勒模糊、能量变化、方位偏移和二阶相位调制等特征,为多通道SAR图像域动目标检测与参数估计奠定了理论基础。2.针对图像域强静止目标难以完全抑制而造成虚警的问题,提出了一种基于DPCA相对剩余量(RR-DPCA)的动目标检测方法,引入多视SAR图像归一化处理,将DPCA对目标绝对剩余能量的检测改为对目标相对剩余能量的检测,使其更加敏感于目标速度信息,并推导RR-DPCA检测量的均匀杂波统计模型,最后通过仿真和实测数据证明了RR-DPCA方法能够有效抑制建筑物等强静止目标。3.针对空域多普勒模糊造成的动目标定位模糊问题,提出了一种互质阵列SAR(CA-SAR)动目标重定位方法,利用两个阵元间距互质的稀疏子阵,获得阵元间距大大缩小的虚拟阵列,提高空间采样频率,解决空域多普勒模糊问题,实现动目标无模糊定位;针对CA-SAR中至少有两个阵元间距过近的问题,改变两个稀疏子阵的排列方式,提出了一种结构更加稀疏的互质相邻阵列(CAA-SAR)实现动目标无模糊定位;最后通过仿真数据验证了CAA-SAR和CA-SAR的参数估计性能均优于经典的非均匀线阵SAR。4.针对多通道SAR动目标速度估计的级联时空多普勒模糊问题,提出了一种基于多频SAR的解模糊方法,将多频下的级联时空多普勒模糊问题建模为“二步求余”的数学问题,并推导了其唯一解存在的充分条件,当目标速度满足充分条件时,将“二步求余”问题转化为常规同余问题求解;当目标速度不满足充分条件时,提出了一种搜索解法;最后通过仿真数据验证了多频SAR对时空两重模糊的求解能力。
二、一种多相位中心天线的动目标检测和成像算法(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、一种多相位中心天线的动目标检测和成像算法(论文提纲范文)
(1)多通道SAR地面运动目标检测与成像研究(论文提纲范文)
摘要 |
Abstract |
符号对照表 |
缩略语对照表 |
第1章 绪论 |
1.1 课题背景及研究的目的和意义 |
1.2 国内外研究现状 |
1.2.1 多通道SAR-GMTI系统发展现状 |
1.2.2 SAR运动目标检测研究现状 |
1.2.3 SAR运动目标成像研究现状 |
1.2.4 目前存在的问题 |
1.3 本文研究内容与结构安排 |
第2章 多通道SAR回波信号模型和杂波抑制方法 |
2.1 引言 |
2.2 多通道SAR回波信号模型分析 |
2.2.1 多通道SAR运动目标成像几何构型 |
2.2.2 运动目标与杂波信号模型 |
2.2.3 运动目标与杂波多普勒特性分析 |
2.3 地物杂波统计特性分析 |
2.4 基于DPCA-BCS的双通道SAR杂波抑制方法 |
2.4.1 压缩感知理论 |
2.4.2 双通道DPCA技术 |
2.4.3 基于稀疏贝叶斯学习的重构算法 |
2.4.4 实验结果与分析 |
2.5 基于STAP-BCS的多通道SAR杂波抑制方法 |
2.5.1 多通道STAP技术 |
2.5.2 BCS重构算法 |
2.5.3 实验结果与分析 |
2.6 本章小结 |
第3章 非均匀杂波环境下多通道SAR运动目标检测与重定位 |
3.1 引言 |
3.2 基于子孔径的图像序列生成 |
3.3 径向速度对目标位置影响 |
3.4 多目标随机有限集模型 |
3.5 基于改进GMPHD滤波器的SAR运动目标检测 |
3.5.1 GMPHD滤波器 |
3.5.2 改进GMPHD滤波器 |
3.6 实验结果与分析 |
3.6.1 仿真结果与分析 |
3.6.2 Gotcha SAR实测数据实验 |
3.7 本章小结 |
第4章 基于稀疏贝叶斯学习的SAR多运动目标成像 |
4.1 引言 |
4.2 多目标稀疏观测模型 |
4.3 基于CHIRPLET-BCS的SAR多运动目标成像方法 |
4.3.1 基于Chirplet基的自适应分解 |
4.3.2 基于BCS的多目标稀疏重构算法 |
4.4 实验结果与分析 |
4.4.1 仿真结果与分析 |
4.4.2 机载SAR实测数据实验 |
4.4.3 星载TerraSAR-X实测数据实验 |
4.4.4 Gotcha SAR实测数据实验 |
4.5 本章小结 |
第5章 基于DCNN的多通道SAR慢速多运动目标快速成像 |
5.1 引言 |
5.2 深度学习对逆问题的求解 |
5.3 基于卷积神经网络的SAR多运动目标快速成像 |
5.3.1 基于DCNN的多运动目标成像原理 |
5.3.2 成像网络架构 |
5.3.3 成像网络的反向传播 |
5.3.4 实验数据与结果分析 |
5.4 基于复数域卷积神经网络的多通道SAR慢速多目标成像 |
5.4.1 基于CV-CNN的多通道SAR慢速多目标成像原理 |
5.4.2 复数域成像网络架构 |
5.4.3 复数域成像网络的反向传播 |
5.4.4 实验数据与结果分析 |
5.5 本章小结 |
结论 |
参考文献 |
攻读博士学位期间发表的论文及其它成果 |
致谢 |
个人简历 |
(2)机载多通道SAR动目标检测与运动参数估计方法研究(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
1.1 研究背景与意义 |
1.2 国内外研究历史与现状 |
1.2.1 SAR-GMTI系统发展与现状 |
1.2.2 SAR动目标检测技术发展与现状 |
1.2.3 SAR动目标运动参数估计发展与现状 |
1.3 论文主要工作与结构安排 |
第二章 SAR-GMTI基本理论 |
2.1 引言 |
2.2 合成孔径雷达基本理论 |
2.2.1 SAR成像基本原理 |
2.2.2 距离多普勒算法 |
2.2.3 后向投影算法 |
2.3 双通道SAR动目标检测技术 |
2.3.1 DPCA基本原理 |
2.3.2 ATI基本原理 |
2.4 多通道VSAR动目标检测技术 |
2.4.1 VSAR基本原理 |
2.4.2 VSAR处理流程 |
2.5 本章小结 |
第三章 机载多通道SAR动目标检测与速度估计 |
3.1 引言 |
3.2 斜视多通道SAR动目标回波模型 |
3.3 动目标BP成像模型与位置偏移 |
3.4 BP-DPCA-ATI动目标检测与速度估计 |
3.4.1 DPCA-ATI联合动目标检测原理 |
3.4.2 仿真实验 |
3.5 BP-VSAR动目标检测与速度估计 |
3.5.1 速度频率 |
3.5.2 动目标检测与速度估计 |
3.5.3 仿真实验 |
3.6 本章小结 |
第四章 VSAR多动目标分离与速度估计 |
4.1 引言 |
4.2 基于谱估计的多动目标分离与速度估计方法 |
4.2.1 谱估计方法理论概述 |
4.2.2 基于MVDR的多动目标分离与速度估计 |
4.2.3 基于MUSIC的多动目标分离与速度估计 |
4.2.4 仿真实验 |
4.3 基于稀疏重构的多动目标分离与速度估计方法 |
4.3.1 稀疏重构基本理论 |
4.3.2 多重叠动目标的多通道信号线性表示 |
4.3.3 基于迭代最小化稀疏贝叶斯的多动目标分离与速度估计 |
4.3.4 仿真实验 |
4.4 方法性能比较 |
4.4.1 速度估计分辨率 |
4.4.2 信噪比对估计的影响 |
4.5 非均匀阵列下多动目标分离与速度估计 |
4.5.1 非均匀阵列下基于SBRIM的多动目标分离与速度估计 |
4.5.2 仿真实验 |
4.6 本章小结 |
第五章 总结与展望 |
5.1 全文总结 |
5.2 后续工作展望 |
致谢 |
参考文献 |
攻读硕士学位期间取得的成果 |
(3)SAR慢动目标检测与参数估计方法研究(论文提纲范文)
摘要 |
abstract |
缩略词表 |
第一章 绪论 |
1.1 研究工作的背景与意义 |
1.2 SAR-GMTI的发展与现状 |
1.2.1 SAR-GMTI系统的发展现状 |
1.2.2 SAR-GMTI方法的研究现状 |
1.3 本文的主要贡献与创新 |
1.4 本文的结构安排 |
第二章 SAR-GMTI信号处理基础 |
2.1 SAR-GMTI信号处理相关理论 |
2.1.1 等效相位中心原理 |
2.1.2 驻定相位原理 |
2.1.3 后向投影算法 |
2.1.4 卷积神经网络的基本原理 |
2.2 经典的多通道SAR-GMTI方法 |
2.2.1 偏置相位中心天线 |
2.2.2 速度合成孔径雷达 |
2.3 本章小结 |
第三章 前后波束SAR慢速动目标检测与方位速度估计 |
3.1 前后波束SAR动目标回波信号模型 |
3.2 动目标成像检测与方位速度估计 |
3.2.1 动目标成像模型 |
3.2.2 动目标成像位置分析 |
3.2.3 动目标检测与方位速度估计 |
3.3 仿真结果与分析 |
3.3.1 动目标方位速度估计结果 |
3.3.2 方位速度估计结果分析 |
3.4 本章小结 |
第四章 双通道前后波束SAR慢速动目标方位速度估计 |
4.1 双通道前后波束SAR动目标回波信号模型 |
4.2 动目标成像模型与DPCA算法 |
4.2.1 双通道前后波束SAR动目标成像模型 |
4.2.2 双通道前后波束SAR DPCA算法 |
4.3 动目标方位速度估计 |
4.3.1 基于图像域重聚焦方法的基本原理 |
4.3.2 基于迭代重聚焦的动目标方位速度估计 |
4.4 仿真结果与分析 |
4.4.1 动目标检测结果 |
4.4.2 动目标方位速度估计结果与分析 |
4.5 本章小结 |
第五章 机动平台SAR慢速动目标检测与2D速度估计 |
5.1 机动平台SAR动目标回波信号模型 |
5.2 动目标成像检测与径向速度估计 |
5.2.1 机动平台SAR动目标成像模型 |
5.2.2 机动平台SAR动目标成像特点的分析 |
5.2.3 动目标检测与径向速度估计 |
5.3 动目标基于速度辅助BP成像与2D速度估计 |
5.3.1 动目标基于速度辅助BP成像模型 |
5.3.2 动目标基于速度辅助BP成像特点的分析 |
5.3.3 动目标距离-方位2D速度估计 |
5.4 仿真结果与分析 |
5.4.1 正侧视模式仿真实验 |
5.4.2 斜视模式仿真实验 |
5.5 本章小结 |
第六章 基于YOLO的前后波束SAR慢速动目标检测 |
6.1 YOLO网络的基本原理 |
6.2 基于YOLO-v2 的动目标检测方法 |
6.2.1 仿真数据集的构建 |
6.2.2 动目标检测方法 |
6.3 仿真结果与分析 |
6.3.1 YOLO-v2 的检测结果 |
6.3.2 动目标检测结果 |
6.4 本章小结 |
第七章 全文总结与展望 |
7.1 全文总结 |
7.2 后续工作展望 |
致谢 |
参考文献 |
附录 A |
附录 B |
攻读博士学位期间取得的成果 |
(4)星载SAR-GMTI仿真软件设计与实现(论文提纲范文)
摘要 |
ABSTRACT |
符号对照表 |
缩略语对照表 |
第一章 绪论 |
1.1 研究背景和意义 |
1.2 国内外研究现状 |
1.2.1 星载SAR-GMTI系统研究现状 |
1.2.2 星载SAR-GMTI系统仿真研究现状 |
1.3 本文的主要工作和结构安排 |
第二章 星载SAR-GMTI仿真软件设计方案 |
2.1 星载SAR-GMTI仿真需求 |
2.2 星载SAR-GMTI仿真软件整体方案 |
2.2.1 软件设计的基本原则 |
2.2.2 软件架构和主界面设计 |
2.2.3 参数设置 |
2.2.4 系统仿真 |
2.2.5 显示控制 |
2.3 基于Simulink的SAR-GMTI系统模块化实现方法 |
2.3.1 Simulink平台简介 |
2.3.2 模块的建立和封装 |
2.4 本章小结 |
第三章 系统各模块建模与仿真 |
3.1 卫星轨道模块 |
3.1.1 地球模型 |
3.1.2 卫星轨道模型 |
3.1.3 坐标系及坐标系转换 |
3.1.4 卫星相关位置计算 |
3.2 回波生成模块 |
3.2.1 回波生成算法 |
3.2.2 点阵目标仿真 |
3.2.3 场景目标仿真 |
3.3 波束形成模块 |
3.3.1 阵列基本概念和参数 |
3.3.2 二维阵列天线方向图 |
3.4 成像算法模块 |
3.4.1 距离多普勒算法 |
3.4.2 线频调变标算法 |
3.4.3 距离徙动算法 |
3.5 图像质量评估模块 |
3.5.1 点目标质量评估 |
3.5.2 面目标质量评估 |
3.6 地面动目标检测模块 |
3.6.1 双通道SAR对地观测模型 |
3.6.2 目标运动对聚焦影响分析 |
3.6.3 基于DPCA的动目标检测方法 |
3.6.4 基于ATI的动目标检测方法 |
3.6.5 实验仿真 |
3.7 本章小结 |
第四章 星载SAR-GMTI仿真软件实现 |
4.1 MATLAB图形用户界面 |
4.2 输入输出界面设计 |
4.2.1 系统输入参数 |
4.2.2 系统输出 |
4.3 仿真软件整体测试 |
4.4 本章小结 |
第五章 总结与展望 |
5.1 本文工作总结 |
5.2 展望 |
参考文献 |
致谢 |
作者简介 |
(5)多通道SAR复图像域慢速运动目标多特征检测方法研究(论文提纲范文)
摘要 |
ABSTRACT |
符号对照表 |
缩略语对照表 |
第一章 绪论 |
1.1 研究背景和意义 |
1.2 动目标检测技术研究现状 |
1.2.1 杂波抑制技术 |
1.2.2 动目标检测方法 |
1.3 动目标检测关键问题 |
1.4 研究内容及章节安排 |
第二章 多通道SAR复图像域动目标检测信号模型 |
2.1 引言 |
2.2 SAR复图像域杂波抑制处理 |
2.2.1 动目标检测信号模型 |
2.2.2 通道间信号去相关 |
2.2.3 目标导向矢量失配 |
2.2.4 动目标检测盲速区 |
2.3 SAR沿航迹干涉处理 |
2.3.1 复干涉图统计特性 |
2.3.2 干涉幅度SCR增益 |
2.4 本章小结 |
第三章 非均匀背景下基于滤波响应损失的两步检测方法 |
3.1 引言 |
3.2 所提方法描述 |
3.2.1 幅度检测 |
3.2.2 滤波响应损失检测 |
3.3 统计特性分析 |
3.3.1 幅度检测统计特性 |
3.3.2 滤波损失检测统计特性 |
3.3.3 联合检测统计特性 |
3.3.4 CFAR检测实现流程 |
3.4 仿真实验与实测数据处理 |
3.4.1 仿真实验结果与分析 |
3.4.2 实测数据处理验证 |
3.5 本章小结 |
第四章 干涉幅度与相位自适应融合的无盲速舰船检测方法 |
4.1 引言 |
4.2 典型ATI-SAR舰船检测方法适用性分析 |
4.2.1 干涉幅度与相位级联检测器 |
4.2.2 干涉幅度与相位结合检测器 |
4.2.3 干涉域凹口滤波检测方法 |
4.2.4 典型ATI-SAR舰船检测方法对比 |
4.3 所提方法描述 |
4.3.1 干涉双边滤波预处理 |
4.3.2 检测准则 |
4.3.3 优势讨论 |
4.3.4 统计特性 |
4.3.5 实现流程 |
4.4 实测数据处理实验 |
4.4.1 统计特性验证 |
4.4.2 实测数据检测结果 |
4.4.3 检测性能对比分析 |
4.5 本章小结 |
第五章 舰船尾迹特征辅助的低可观测舰船目标检测方法 |
5.1 引言 |
5.2 信号模型 |
5.3 尾迹特征辅助的舰船目标检测框架 |
5.4 运动舰船目标尾迹区域检测 |
5.4.1 ATI-SAR系统下尾迹区域像素点检测方法 |
5.4.2 基于空间距离与速度一致性的像素点聚类 |
5.4.3 仿真实验结果与分析 |
5.5 待检测舰船目标模板生成与匹配检测 |
5.5.1 不同尾迹波分离与舰船参数反演 |
5.5.2 SAR图像域舰船目标位置模板 |
5.5.3 复干涉域舰船目标ATI相位模板 |
5.5.4 所提方法的舰船检测性能分析 |
5.6 仿真实验结果与分析 |
5.7 本章小结 |
第六章 总结与展望 |
6.1 工作总结 |
6.2 工作展望 |
附录 |
附录A稳健的自适应杂波抑制处理权矢量求解 |
附录B正交投影与斜投影关于动目标功率估计的对比 |
附录C SAR复图像域信号径向速度概率密度函数推导 |
附录D第四章所提舰船目标检测量概率密度函数推导 |
附录E非均匀背景下杂波加噪声干涉图分布参数估计 |
参考文献 |
致谢 |
作者简介 |
(6)阵列雷达高分宽幅成像与动目标检测方法研究(论文提纲范文)
摘要 |
ABSTRACT |
符号对照表 |
缩略语对照表 |
第一章 绪论 |
1.1 研究背景和意义 |
1.2 多通道SAR系统发展现状 |
1.3 多通道SAR技术发展现状 |
1.3.1 高分辨宽测绘带SAR成像 |
1.3.2 多通道SAR-GMTI技术 |
1.4 论文主要内容和安排 |
第二章 SAR高分辨宽测绘带成像关键问题 |
2.1 引言 |
2.2 SAR距离产生原理 |
2.3 SAR方位模糊产生原理 |
2.4 SAR最小天线面积准则 |
2.5 SAR高分宽幅成像基本方法 |
2.5.1 多普勒解模糊方法 |
2.5.2 距离解模糊方法 |
2.6 本章小结 |
第三章 基于MIMO-FDA的SAR高分宽幅成像 |
3.1 引言 |
3.2 FDA-SAR信号模型 |
3.3 距离模糊回波谱分析 |
3.4 距离解模糊方法 |
3.5 仿真结果 |
3.5.1 FDA发射方向图设计 |
3.5.2 理想正交波形下FDA-SAR成像结果 |
3.5.3 实际正交波形下FDA-SAR成像结果 |
3.5.4 FDA-SAR面目标成像结果分析 |
3.6 本章小结 |
第四章 基于空时编码阵列的SAR高分宽幅成像 |
4.1 引言 |
4.2 信号模型 |
4.3 多区域同时成像处理 |
4.4 仿真分析 |
4.4.1 空时编码波形模糊函数分析 |
4.4.2 TDA-SAR多区域成像 |
4.4.3 TDA-SAR成像指标分析 |
4.5 本章小结 |
第五章 星载SAR-GMTI方位模糊强杂波特性及剔除方法 |
5.1 引言 |
5.2 几何构型与信号模型 |
5.3 多普勒域信号模型 |
5.3.1 运动目标信号模型 |
5.3.2 干扰信号模型 |
5.4 GMTI处理 |
5.4.1 ISTAP检测 |
5.4.2 动目标响应 |
5.4.3 杂波响应 |
5.4.4 方位模糊杂波特性分析 |
5.4.5 CFAR滑窗尺寸设计方法 |
5.4.6 基于信号特征的检测后虚警剔除方法 |
5.5 仿真分析与讨论 |
5.5.1 方位模糊特征分析 |
5.6 实测数据验证 |
5.6.1 数据录取介绍 |
5.6.2 杂波抑制结果 |
5.6.3 CFAR检测结果 |
5.6.4 方位模糊虚警鉴别与剔除 |
5.7 本章小结 |
第六章 总结与展望 |
6.1 全文总结 |
6.2 工作展望 |
附录 |
附录A |
附录B |
附录C |
参考文献 |
致谢 |
作者简介 |
(7)高分辨SAR对运动目标聚焦成像技术研究(论文提纲范文)
摘要 |
ABSTRACT |
注释表 |
缩略词 |
第一章 绪论 |
1.1 研究背景与意义 |
1.2 动目标检测和成像技术研究现状 |
1.2.1 动目标检测技术研究现状 |
1.2.2 动目标聚焦技术研究现状 |
1.3 研究思路与创新点 |
1.4 论文内容安排 |
第二章 合成孔径雷达成像基本原理 |
2.1 SAR基本几何关系 |
2.2 SAR成像理论模型 |
2.3 分辨率 |
2.3.1 距离向分辨率 |
2.3.2 方位向分辨率 |
2.4 SAR成像算法 |
2.4.1 RD算法 |
2.4.2 CS算法 |
2.4.3 ω-k算法 |
2.4.4 三种算法比较 |
2.5 本章小结 |
第三章 SAR地面运动目标检测 |
3.1 SAR运动目标模型 |
3.2 目标运动对图像聚焦影响 |
3.2.1 多普勒中心频率 |
3.2.2 多普勒调频率 |
3.2.3 仿真分析 |
3.3 单通道动目标检测技术 |
3.4 多通道动目标检测技术 |
3.4.1 DPCA技术 |
3.4.2 ATI检测法 |
3.4.3 CSI技术 |
3.4.4 ACSI技术 |
3.5 通道均衡 |
3.5.1 通道误差模型 |
3.5.2 相关算法与实现 |
3.6 恒虚警幅相联合检测 |
3.7 本章小结 |
第四章 高分辨动目标聚焦成像 |
4.1 基于CSI-MD的动目标再聚焦 |
4.1.1 多普勒中心估计 |
4.1.2 多普勒调频率估计 |
4.1.3 距离徙动矫正和再聚焦 |
4.1.4 仿真分析 |
4.1.5 实测数据处理 |
4.2 基于ACSI-ISAR动目标自聚焦 |
4.2.1 包络互相关对齐 |
4.2.2 相位补偿 |
4.2.3 相位梯度自聚焦 |
4.2.4 实测数据处理 |
4.3 两种算法比较 |
4.4 本章小结 |
第五章 结束语 |
5.1 本文工作总结 |
5.2 动目标检测和成像前景展望 |
参考文献 |
致谢 |
在学期间发表的学术论文及取得的研究成果 |
(8)合成孔径雷达运动目标成像与检测方法研究(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 SAR概述 |
1.2 SAR-GMTI的研究意义 |
1.3 SAR动目标成像与检测技术发展状况 |
1.3.1 动目标检测技术的发展 |
1.3.2 动目标成像技术的发展 |
1.3.3 当前需要解决的关键问题 |
1.4 论文主要工作 |
第二章 SAR动目标成像与检测基础 |
2.1 引言 |
2.2 SAR成像原理与算法 |
2.2.1 SAR信号模型 |
2.2.2 SAR成像基本算法 |
2.2.3 点目标成像仿真 |
2.3 机载SAR运动目标回波信号分析 |
2.3.1 机载SAR动目标信号模型 |
2.3.2 运动参数对图像的影响 |
2.3.3 SAR动目标成像仿真 |
2.4 本章小结 |
第三章 基于二维匹配的动目标成像算法 |
3.1 引言 |
3.2 距离向匹配 |
3.2.1 Keystone变换 |
3.2.2 基于Keystone变换的距离向匹配 |
3.3 方位向匹配 |
3.3.1 方位向聚焦 |
3.3.2 散焦分析 |
3.4 动目标高精度成像算法仿真 |
3.5 本章小结 |
第四章 基于STAP的多通道动目标检测方法 |
4.1 引言 |
4.2 空时自适应处理 |
4.2.1 STAP原理 |
4.2.2 STAP算法仿真 |
4.3 多通道STAP降维算法 |
4.3.1 STAP降维算法 |
4.3.2. 后多普勒域STAP算法 |
4.4 基于实测数据的STAP-二维匹配动目标检测方案 |
4.4.1 动目标检测方案的处理流程 |
4.4.2 滤波器组参数设置 |
4.4.3 恒虚警检测与判别方案 |
4.4.4 实测数据处理结果 |
4.5 本章小结 |
第五章 结束语 |
5.1 工作总结 |
5.2 工作展望 |
参考文献 |
致谢 |
在学期间发表的学术论文及取得的研究成果 |
(9)多通道SAR高分辨率宽测绘带成像及地面动目标指示技术研究(论文提纲范文)
摘要 |
abstract |
注释表 |
缩略词 |
第一章 绪论 |
1.1 研究背景和意义 |
1.2 多通道SAR研究历史和现状 |
1.3 关键问题和难点 |
1.4 本文内容安排 |
第二章 多通道SAR信号模型与方位解模糊算法 |
2.1 引言 |
2.2 多通道HRWS-SAR系统回波信号模型 |
2.3 多普勒解模糊算法 |
2.3.1 自适应波束形成方法 |
2.3.2 基于多个多普勒方向的解模糊算法 |
2.4 仿真与实测数据处理 |
2.5 本章小结 |
第三章 多通道HRWS-SAR通道误差校正技术 |
3.1 引言 |
3.2 多通道HRWS-SAR系统通道误差模型 |
3.3 基于信号子空间的通道误差校正方法 |
3.3.1 固定幅相通道误差校正 |
3.3.2 沿航向通道位置误差校正 |
3.3.3 实测数据处理结果 |
3.4 基于孤立强散射点的通道误差校正方法 |
3.4.1 算法原理 |
3.4.2 实测数据验证分析 |
3.5 本章小节 |
第四章 多通道SAR同时HRWS成像及GMTI技术 |
4.1 引言 |
4.2 多通道SAR/GMTI处理流程 |
4.2.1 现有的动目标检测方法 |
4.2.2 图像域(多普勒域)SAR-STAP技术 |
4.2.3 动目标参数估计 |
4.3 多通道HRWS-SAR地面动目标指示存在的问题 |
4.3.1 动目标检测难点 |
4.3.2 动目标运动参数估计难点 |
4.4 多通道SAR同时HRWS成像及GMTI信号处理方案 |
4.5 实测数据处理结果 |
4.6 本章小节 |
第五章 结束语 |
5.1 主要工作与创新点 |
5.2 后续工作与展望 |
参考文献 |
致谢 |
在学期间的研究成果及发表的学术论文 |
(10)多通道SAR图像域动目标检测与参数估计技术研究(论文提纲范文)
摘要 |
ABSTRACT |
第1章 绪论 |
1.1 研究的背景和意义 |
1.2 多通道SAR图像域动目标检测技术国内外研究现状 |
1.2.1 ATI类 |
1.2.2 DPCA类 |
1.2.3 STAP类 |
1.2.4 VSAR类 |
1.3 多通道SAR动目标参数估计国内外研究现状 |
1.3.1 二维速度估计 |
1.3.2 径向速度解模糊 |
1.4 论文内容与安排 |
1.5 论文创新点 |
第2章 多通道SAR图像域动目标信号模型与特征分析 |
2.1 引言 |
2.2 多通道SAR图像域动目标信号模型 |
2.2.1 脉压域动目标信号模型 |
2.2.2 RD域动目标信号模型 |
2.2.3 图像域动目标信号模型 |
2.3 多通道SAR图像域动目标特征分析 |
2.3.1 时空多普勒模糊 |
2.3.2 能量变化 |
2.3.3 方位偏移 |
2.3.4 二阶相位调制 |
2.4 仿真与实测数据验证 |
2.4.1 动目标图像域能量变化特征 |
2.4.2 动目标图像域二阶相位调制特征 |
2.5 小结 |
第3章 基于RR-DPCA的多通道SAR图像域动目标检测 |
3.1 引言 |
3.2 图像域DPCA动目标检测方法 |
3.2.1 图像域DPCA检测流程 |
3.2.2 DPCA方法局限性分析 |
3.3 基于RR-DPCA的图像域动目标检测算法 |
3.3.1 RR-DPCA检测量构造 |
3.3.2 RR-DPCA检测原理分析 |
3.3.3 RR-DPCA检测量杂波统计模型 |
3.3.4 基于RR-DPCA的图像域动目标检测算法流程 |
3.4 试验验证与性能分析 |
3.4.1 仿真数据验证与性能分析 |
3.4.2 实测数据验证 |
3.5 小结 |
第4章 基于互质阵列的动目标图像域重定位技术研究 |
4.1 引言 |
4.2 动目标定位模糊与NULA-SAR解模糊 |
4.3 基于互质阵列(CA)的动目标重定位 |
4.3.1 CA概念与参数估计原理介绍 |
4.3.2 CA-SAR定位解模糊原理 |
4.3.3 基于CA-SAR的动目标重定位算法 |
4.3.4 CA-SAR阵元间距局限性 |
4.4 基于互质相邻阵列(CAA)的动目标重定位 |
4.4.1 CAA物理结构设计 |
4.4.2 CAA-SAR定位解模糊原理 |
4.5 基于CA-SAR和CAA-SAR的动目标重定位方法 |
4.5.1 CA与CAA结构特征对比 |
4.5.2 算法流程图 |
4.6 仿真实验验证与性能分析 |
4.6.1 场景仿真试验 |
4.6.2 三种定位解模糊阵列的性能对比分析 |
4.7 小结 |
第5章 基于多频SAR的动目标时空多普勒解模糊方法 |
5.1 引言 |
5.2 同余问题与鲁棒的闭式CRT |
5.2.1 同余问题 |
5.2.2 鲁棒的闭式CRT |
5.3 基于时空多普勒模糊的多通道SAR系统分类 |
5.3.1 Ⅰ类:时域盲速小于空域盲速 |
5.3.2 Ⅱ类:时域盲速大于空域盲速且为其整数倍 |
5.3.3 Ⅲ类:时域盲速大于空域盲速但非其整数倍 |
5.4 基于多频SAR的动目标速度解模糊 |
5.4.1 基于多频SAR的Ⅰ类系统速度解模糊 |
5.4.2 基于多频SAR的Ⅱ类系统速度解模糊 |
5.4.3 基于多频SAR的Ⅲ类系统速度解模糊 |
5.5 “二步求余”问题及其求解 |
5.5.1 “二步求余”问题的无模糊范围 |
5.5.2 “二步求余”问题闭式解 |
5.5.3 “二步求余”问题搜索解法 |
5.6 仿真实验验证与性能分析 |
5.6.1 场景仿真试验 |
5.6.2 搜索方法速度解模糊性能分析 |
5.7 小结 |
结论 |
参考文献 |
攻读学位期间发表论文与研究成果清单 |
致谢 |
作者简介 |
四、一种多相位中心天线的动目标检测和成像算法(论文参考文献)
- [1]多通道SAR地面运动目标检测与成像研究[D]. 穆慧琳. 哈尔滨工业大学, 2021(02)
- [2]机载多通道SAR动目标检测与运动参数估计方法研究[D]. 胡远林. 电子科技大学, 2021(01)
- [3]SAR慢动目标检测与参数估计方法研究[D]. 唐欣欣. 电子科技大学, 2021(01)
- [4]星载SAR-GMTI仿真软件设计与实现[D]. 张文龙. 西安电子科技大学, 2020(05)
- [5]多通道SAR复图像域慢速运动目标多特征检测方法研究[D]. 田敏. 西安电子科技大学, 2019(02)
- [6]阵列雷达高分宽幅成像与动目标检测方法研究[D]. 王成浩. 西安电子科技大学, 2019(02)
- [7]高分辨SAR对运动目标聚焦成像技术研究[D]. 聂松. 中国电子科技集团公司电子科学研究院, 2019(02)
- [8]合成孔径雷达运动目标成像与检测方法研究[D]. 刘国光. 中国电子科技集团公司电子科学研究院, 2019(02)
- [9]多通道SAR高分辨率宽测绘带成像及地面动目标指示技术研究[D]. 郭子越. 南京航空航天大学, 2019(02)
- [10]多通道SAR图像域动目标检测与参数估计技术研究[D]. 黄祖镇. 北京理工大学, 2018(06)