太赫兹由于其穿透性强、大带宽等优势,在雷达信号处理领域受到了广泛的关注。同时,高分辨率距离像(High Resolution Range Profiles,HRRP)在目标检测、识别以及成像等领域具有很高的应用价值,但是,针对太赫兹频段目标HRRP特性的研究却...太赫兹由于其穿透性强、大带宽等优势,在雷达信号处理领域受到了广泛的关注。同时,高分辨率距离像(High Resolution Range Profiles,HRRP)在目标检测、识别以及成像等领域具有很高的应用价值,但是,针对太赫兹频段目标HRRP特性的研究却较少。本文首先从确定信号模型对太赫兹频段目标HRRP的方位角敏感性进行了研究,并利用协方差矩阵的主特征向量提取其平均HRRP,从而达到抑制目标HRRP方位角敏感性的目的。另外,根据距离单元中散射点的不同分布,对太赫兹雷达目标HRRP距离单元进行分类,并分别使用瑞利模型、赖斯模型以及混合分布模型进行统计建模。之后,使用对数积累量方法(Method of Log-Cumulants,Mo LC)和基于字典的随机最大期望(Dictionary-based Stochastic Expectation-Maximization,DSEM)算法对上述模型的参数进行估计。最后,利用研制的太赫兹高分辨率雷达系统开展了不同带宽下的复杂目标HRRP特性实验,实验结果表明,太赫兹频段下目标平均HRRP与HRRP帧内其他HRRP的相关系数高于单个HRRP,同时,对于高分辨率下的目标HRRP距离单元统计特性,可以使用混合分布模型对其进行建模。展开更多
文摘太赫兹由于其穿透性强、大带宽等优势,在雷达信号处理领域受到了广泛的关注。同时,高分辨率距离像(High Resolution Range Profiles,HRRP)在目标检测、识别以及成像等领域具有很高的应用价值,但是,针对太赫兹频段目标HRRP特性的研究却较少。本文首先从确定信号模型对太赫兹频段目标HRRP的方位角敏感性进行了研究,并利用协方差矩阵的主特征向量提取其平均HRRP,从而达到抑制目标HRRP方位角敏感性的目的。另外,根据距离单元中散射点的不同分布,对太赫兹雷达目标HRRP距离单元进行分类,并分别使用瑞利模型、赖斯模型以及混合分布模型进行统计建模。之后,使用对数积累量方法(Method of Log-Cumulants,Mo LC)和基于字典的随机最大期望(Dictionary-based Stochastic Expectation-Maximization,DSEM)算法对上述模型的参数进行估计。最后,利用研制的太赫兹高分辨率雷达系统开展了不同带宽下的复杂目标HRRP特性实验,实验结果表明,太赫兹频段下目标平均HRRP与HRRP帧内其他HRRP的相关系数高于单个HRRP,同时,对于高分辨率下的目标HRRP距离单元统计特性,可以使用混合分布模型对其进行建模。
文摘为了提高合成孔径雷达(synthetic aperture radar,SAR)自动目标识别系统的性能,提出了一种新的SAR目标方位角估计方法。利用简单的自适应阈值处理提取目标区强散射点,通过对强散射点在不同方向上投影分布的分析,定义法向前边界响应强度作为方位角估计的依据,最后对个别不可信结果进行90°校正。在运动和静止目标获取与识别(moving and stationary target acquisition and recognition,MSTAR)公开数据集上进行了实验,采用该方法99%的样本估计误差小于10°。实验结果表明,该方法可以达到与主导边界拟合法相当的最优性能,而且处理流程简单,计算效率更高。
