Nonuniform Three-dimensional Configuration Distributed SAR Signal Reconstruction Clutter Suppression

This paper deals with the problem of clutter suppression in spaceborne distributed synthetic aperture radar (D-SAR) with nonuniform three-dimensional (3D) configuration geometry. In order to make a breakthrough of the configuration limitation of the traditional space time adaptive processing (STAP) based on uniform array and improve the inhomogeneous clutter suppression performance, this paper considers signal reconstruction technique using array interpolation to process the D-SAR signal. An array interpolation signal reconstruction method based on pitching-partition is derived then a signal reconstruction 3D-STAP clutter suppression method applied to nonuniform 3D configuration is proposed. In particular, the proposed method is compared with conventional methods and the performance analysis is carried out based on simulations. The improvement factor (IF) for clutter suppression is imported and reported as a benchmark on the clutter suppression effect.     

基于Pos-FCN的红外图像背景抑制方法

红外图像背景抑制可以为红外目标检测识别任务提供支撑。在实际的应用场景中,红外图像中的目标多为弱小目标,其特征不明显,一般背景抑制算法难以将其从背景中分离,而达不到背景抑制的最佳效果。针对上述问题,提出使用Pos-FCN网络实现红外图像背景抑制的方法,该方法使用特征卷积结构,依靠高分辨网络结构获取弱小目标的特征信息,通过大尺寸卷积特征图的前向传播方式实现了高维度特征中弱小目标信息的保留,使用卷积降采样特征提取和上采样图像恢复方式实现了端到端的处理,并在前置训练阶段引入了位置信息强化网络骨干特征提取效果。结果表明,该方法处理后的红外图像中信杂比提高至3.877,对比度提高至0.297,检测率达到了93.6%,因此,该方法可以实现良好的背景抑制效果。     

基于小波变换的海杂波分布特性分析

提出了用小波变换对海杂波分布进行统计分析,利用小波多分辨分析估计海杂波的概率密度函数,通过拟合识别分布并求取参数,改变以往先假定海杂波分布识别的方法,克服了因为噪声的存在直接由海杂波数据估计分布参数不准确的缺点。通过适当地调整小波多分辨分析的阈值,可以获得更逼真的海杂波概率密度函数,适应各种海况下的海杂波分析。     

非高斯杂波背景中距离扩展目标的盲积累检测器

在采用球不变随机向量(SIRV)建模的非高斯杂波背景下,研究了导向矢量失配或未知时距离扩展目标的检测问题。先假设导向矢量已知,采用广义似然比检验(GLRT)得到每个距离单元的归一化匹配滤波器(NMF)统计量,再将多个距离单元的统计量进行非相干积累得到扩展目标的NMF积累检测器(NMFI),然后通过最大化检测统计量的方法,结合特征值分解技术,对导向矢量进行估计,提出了距离扩展目标的盲NMFI(B-NMFI)。仿真分析表明:当导向矢量失配时,NMFI的检测性能优于GLRT;当导向矢量未知时,B-NMFI能有效地检测目标,并且对不同方位的目标具有很好的鲁棒性。     

基于跟踪微分器的多目标数据关联算法

根据目标在运动过程中位置与速度只能连续变化这一事实,提出了杂波环境下基于跟踪微分器的一种多目标数据关联算法.算法利用跟踪微分器得到目标波门内所有量测的位置与速度,通过将其与目标前一时刻的位置和速度的比较来实现在未知杂波环境下的多目标数据关联.该算法直接利用量测数据,不需要目标运动、传感器噪声及杂波的先验统计知识,在目标数已知杂波不很密集的情况下具有良好的数据关联能力.此算法计算量小、结构简单,与目标状态滤波估计算法完全分离,便于模块化设计和与其他滤波算法结合,易于工程实现.仿真结果验证了算法的有效性.     

海杂波FRFT域分形特征在动目标检测中的应用

文中研究了海上动目标雷达回波与海杂波在分数阶Fourier域(FRFT域)的分形特性,利用两者幅值起伏程度的不同,提出了一种基于FRFT域分形维数差异的动目标检测方法。该方法以处处连续而不可导的非平稳不规则信号模型——分数布朗运动作为FRFT域分形模型,通过仿真分析实测海杂波数据的分形曲线,证明海杂波在FRFT域的无标度区间内具有分形特性。提取出FRFT域海杂波与动目标回波的分形维数,并利用其固有的差异进行目标检测。经不同极化方式下海杂波数据仿真,验证了算法的有效性。     

基于海杂波稀疏性与非均匀度的样本挑选方法

针对预警雷达对海监视面临海杂波分布非均匀与杂波样本受目标污染,导致自适应杂波抑制处理性能恶化和目标能量损失的问题,提出了一种基于海杂波稀疏性与非均匀度的样本挑选方法。该方法将目标的导向约束与广义内积样本挑选方法结合,先利用海杂波在空时二维平面上的稀疏分布特性,根据海杂波与目标空时二维分布差异剔除被目标污染的样本,再利用广义内积准则衡量海杂波分布的非均匀程度,并获取均匀样本,以提高杂波协方差矩阵的估计精度。仿真结果表明:所提方法能在提高杂波抑制性能的同时,减小目标信号能量损失。该方法可广泛应用于海面预警监视雷达系统。     

基于ResNet的智能恒虚警目标检测方法

传统恒虚警检测方法通常假设待测单元的杂波与训练杂波满足独立同分布,然而在实际雷达工作环境中,强杂波呈现出非均匀特性,沿距离单元的杂波统计特性差异变化较大,使得传统恒虚警目标检测方法在复杂环境下的检测性能下降。为解决该问题,本文从杂波统计特征提取分类出发,通过深度学习方法对杂波进行分类,提出了一种基于残差神经网络(ResNet)的智能恒虚警目标检测方法。首先,根据雷达实测杂波数据建立ResNet的训练集和测试集;其次,构建ResNet对数据进行智能特征提取,得到杂波的统计特征,并用训练好的网络对测试集进行测试;最后,以阈值可设的Softmax分类器对所得统计特征进行分类,根据分类结果实现智能恒虚警目标检测。实验结果表明:相比传统恒虚警检测方法,本文提出的方法具有自适应能力更强、检测性能更好等优点。     

一种可用于预白化类空时自适应处理中的阵元误差校正算法

在非均匀杂波环境中,预白化类空时自适应处理(STAP)具有较高的收敛速度,可显著提高雷达的杂波抑制性能。但在实际阵列接收系统中,阵元误差的存在会使预白化类STAP性能严重下降。针对此问题,提出了一种基于杂波回波的阵元误差校正算法。该算法首先将阵元误差表示为方位依赖的幅相误差;然后将空间各个方位的主瓣杂波作为校正源,利用其阵列输出协方差矩阵的Toeplitz结构会在阵元误差影响下发生改变的特性,估计相应方位的阵元幅相误差;最后利用估计的幅相误差校正先验协方差矩阵和假定目标的导向矢量。仿真结果表明:当阵列接收系统存在阵元误差时,阵元误差校正算法可明显改善预白化类STAP算法的杂波抑制性能。     

海杂波后向散射频谱的研究

为研究导弹跟踪海面目标时的海杂波多径干扰,建立了用于数值仿真和半实物仿真的目标回波与海面杂波的多普勒频率及功率模型。理论仿真计算值与飞行试验数据的比较表明,所建的海面后向散射海杂波模型正确,可用于背景模型仿真。最后给出了一低空远界理论弹道主瓣杂波功率的仿真样例。