收藏本站
收藏 | 论文排版

星载宽幅SAR及目标检测算法研究

李健  
【摘要】:合成孔径雷达(Synthetic Aperture Radar,SAR)的全天时、全天候以及两维高分辨成像等优势使其在军事、民用等领域有着广泛的应用。对于星载SAR而言,在战场环境监测、军力部署等军用领域,在冰川检测、植被测量、土壤检测、地震监测等民用领域,数米的分辨率就能够达到应用需求。此时星载SAR的测绘带宽度就显得格外重要,这关系到SAR的广域覆盖能力,关系到SAR能否在短时间内完成广域场景的观测和侦察。星载宽幅SAR成像及目标检测技术已成为SAR成像的一个重要研究方向。本文以星载宽幅SAR成像及目标检测发展需求为目的,以星载SAR成像及目标检测算法框架为基础,针对星载宽幅SAR成像及目标检测中的关键问题展开研究,论文的主要内容概括为以下四个部分:1.针对模糊分量随基带频率变化且导向矢量未知的情况,提出一种基于多普勒谱估计的多通道SAR盲重构方法,该方法首先利用空间谱估计原理估计出各个基带频率处Capon谱,并将这些谱构造成多普勒谱结构图,然后对各个基带频率处的模糊分量进行编号,最后根据模糊分量位置构造导向矢量和最优权值完成方位信号重构。接着对该算法的盲重构性能进行了分析,当采用恒定不变的模糊分量个数进行多普勒重构,就有可能引入过多的噪声,降低信噪比(过重构)或者造成信号频谱损失,降低方位分辨率(欠重构),而该方法能够保持多普勒谱的完整性,并且提高重构信号的信噪比。该算法是对现有算法的改进和扩展,可以作为预处理步骤和现有方法相结合。该算法能够估计出方位天线方向图,为进一步计算多普勒中心、方位模糊比等其他系统参数提供基础,并且提出了实际应用中可能出现的问题。2.根据方位相位编码(Azimuth Phase Coding,APC)原理,提出采用一种距离相位编码多波形信号,发射此种多波形信号,能够在距离频域有效区分距离模糊信号与目标回波信号,进而构造滤波器滤除距离模糊频谱,抑制距离模糊能量。接着针对SAR系统方位过采样率不能过高,APC方法距离模糊抑制效果有限,提出一种基于两维相位编码的距离模糊抑制技术,将距离相位编码多波形信号与APC相结合,通过发射两维相位编码信号,造成距离模糊信号相对于目标信号在两维频域都产生频谱偏移。再针对目标信号频谱支撑区构造滤波器,滤除部分距离模糊信号频谱,抑制距离模糊能量。该方法能够同时在距离频域和方位频域实现模糊能量的抑制,且信号处理过程简单有效,对点目标及分布式目标都有较好的模糊抑制效果。最后对于提出的两维相位编码距离模糊抑制方法,从距离模糊比(Range Ambiguity to Signal Ratio,RASR)的定义出发,给出了该方法的距离模糊抑制性能,并详细分析了距离模糊抑制效果。3.针对传统单元平均恒虚警率(Cell Averaging Constant False Alarm Rate,CA-CFAR)检测算法计算背景杂波矩估计时,算法复杂度高且运算效率较低,提出一种基于卷积构型的单元平均恒虚警率(Cell Averaging Based on Convolution Constant False Alarm Rate,CCA-CFAR)快速检测算法。该算法根据背景杂波分布模型计算待检测SAR图像统计量矩阵,通过对CA-CFAR检测器构建卷积模型,利用卷积计算实现传统CA-CFAR算法逐像素点滑窗估计背景杂波分布参数,并确定详细的背景杂波分布函数。再根据分布函数计算出每个像素的检测阈值,并对所有待检测像素是否为目标点进行判定。接着详细分析了所提CCA-CFAR快速检测算法的运算复杂度,具体给出了各个步骤所需的计算量,并与原始CA-CFAR算法及对比文献方法进行对比。从算法结构上说明了该算法在精确得到背景杂波的分布模型参数估计的同时,能够最快速地实现SAR图像目标检测。最后通过仿真实验对算法具体的检测速率提升倍数进行了性能分析,该性能由SAR图像、背景杂波数据窗以及保护窗的尺寸共同决定。CCA-CFAR算法是对现有算法的改进和扩展,可用于图像目标快速预检测和现有方法相结合,且适用于不同分布模型下所有采用CA-CFAR检测器的目标检测算法。4.针对超宽幅SAR成像的应用需求,提出一种新的环扫SAR工作模式,该模式利用天线作环扫运动,形成广域的环状成像区域,实现星载SAR的超宽幅成像。该方法根据环扫SAR的波束扫描方式,建立了环扫SAR运动的几何模型,并对环扫SAR的系统参数进行了分析,提出了最优测绘带宽度模式和最优分辨率模式,并分别对其模式下的环扫SAR系统参数进行了论证设计,通过分析得到最优测绘带模式和最优分辨率模式下的最佳系统参数,为环扫SAR的工程化应用提供基础。


知网文化
【相似文献】
中国期刊全文数据库 前13条
1 舒朗;郭春生;;基于回归与深度强化学习的目标检测算法[J];软件导刊;2018年12期
2 王钤;张穗华;雷丝雨;邓博文;;一种基于数据聚类的目标检测算法[J];机电产品开发与创新;2016年06期
3 孙林;鲍金河;刘一超;;高光谱图像目标检测算法分析[J];测绘科学;2012年01期
4 张桂林,熊艳,曹伟,李强;一种评价自动目标检测算法性能的方法[J];华中理工大学学报;1994年05期
5 许云;李彬;;基于背景遗传模型的运动目标检测算法[J];自动化技术与应用;2017年03期
6 杜佳;宋春林;;一种改进的毫米波雷达多目标检测算法[J];通信技术;2015年07期
7 诸葛霞;向健勇;;基于分形特征的目标检测算法概述及仿真[J];红外技术;2006年10期
8 方路平;何杭江;周国民;;目标检测算法研究综述[J];计算机工程与应用;2018年13期
9 尚海林;;复杂场景下弱小目标检测算法的FPGA实现[J];航空兵器;2007年04期
10 施泽浩;;基于特征金字塔网络的目标检测算法[J];现代计算机(专业版);2018年03期
11 本刊讯;;ImageAI:十行代码解决目标检测[J];数据分析与知识发现;2018年07期
12 尹继豪;王艳;王义松;;一种改进的高光谱图像中多小目标检测算法[J];电子学报;2010年09期
13 任明艺;李晓峰;李在铭;;一种基于模糊分类的运动目标检测算法[J];信号处理;2009年03期
中国重要会议论文全文数据库 前10条
1 何元磊;李红军;周陆军;李旭渊;顾立林;尼涛;;基于端元丰度量化的高光谱图像目标检测算法[A];国家安全地球物理丛书(十一)——地球物理应用前沿[C];2015年
2 孙瑾秋;张艳宁;姜磊;王敏;;基于变换域特征的星空背景弱小目标检测算法[A];第八届全国信号与信息处理联合学术会议论文集[C];2009年
3 高飞;蒋建国;安红新;齐美彬;;一种快速运动目标检测算法[A];全国第22届计算机技术与应用学术会议(CACIS·2011)暨全国第3届安全关键技术与应用(SCA·2011)学术会议论文摘要集[C];2011年
4 许俊平;张启衡;张耀;王华闯;;基于人眼视觉特性的小目标检测算法[A];2006年全国光电技术学术交流会会议文集(D 光电信息处理技术专题)[C];2006年
5 王艺婷;黄世奇;刘代志;王红霞;;高光谱图像目标检测算法性能研究[A];国家安全地球物理丛书(十)——地球物理环境与国家安全[C];2014年
6 张国华;;一种基于导引头稳定平台结构的目标检测算法[A];第九届全国光电技术学术交流会论文集(下册)[C];2010年
7 郑伟成;李学伟;刘宏哲;;基于深度学习的目标检测算法综述[A];中国计算机用户协会网络应用分会2018年第二十二届网络新技术与应用年会论文集[C];2018年
8 刘昊;赵龙;;基于改进混合高斯模型的运动目标检测算法[A];2011年中国智能自动化学术会议论文集(第一分册)[C];2011年
9 刘峰;奚晓梁;沈同圣;;基于最大值投影的空间小目标检测算法[A];第二届空间目标与碎片监测、清理技术及应用学术研讨会论文集[C];2015年
10 邓宇;陈孝威;;综合利用时空信息的运动目标检测算法[A];第二届和谐人机环境联合学术会议(HHME2006)——第15届中国多媒体学术会议(NCMT'06)论文集[C];2006年
中国博士学位论文全文数据库 前10条
1 张丽丽;基于空谱联合特性的高光谱图像异常目标检测算法研究[D];哈尔滨工程大学;2018年
2 赵红燕;被动多基站雷达目标检测算法研究[D];西安电子科技大学;2017年
3 郭小路;多通道雷达干扰抑制与目标检测算法研究[D];西安电子科技大学;2017年
4 李健;星载宽幅SAR及目标检测算法研究[D];西安电子科技大学;2018年
5 王志虎;基于显著性的运动目标检测算法研究[D];国防科学技术大学;2015年
6 郭明玮;基于视觉记忆的目标检测算法:一个特征学习与特征联想的过程[D];中国科学技术大学;2014年
7 王俊强;图像中人体目标检测算法研究[D];北京邮电大学;2012年
8 李凡;复杂背景抑制及弱小目标检测算法研究[D];西安电子科技大学;2010年
9 种劲松;合成孔径雷达图像舰船目标检测算法与应用研究[D];中国科学院研究生院(电子学研究所);2002年
10 崔国龙;多天线配置雷达系统的目标检测算法研究[D];电子科技大学;2012年
中国硕士学位论文全文数据库 前10条
1 张守东;复杂场景下基于深度学习的显著性目标检测算法研究[D];南京师范大学;2018年
2 高丽清;高频地波雷达船舶目标检测算法研究[D];内蒙古大学;2018年
3 王栋;基于CNN的奶山羊监控视频中目标检测算法研究[D];西北农林科技大学;2018年
4 王哲峰;移动端目标检测系统的设计与实现[D];浙江大学;2018年
5 刘毅;复杂场景下的视觉显著目标检测方法研究[D];哈尔滨工业大学;2018年
6 王海龙;基于深度学习的快速目标检测算法研究[D];哈尔滨工业大学;2018年
7 舒朗;基于强化学习的目标检测算法研究[D];杭州电子科技大学;2018年
8 李梦莹;复杂背景下的红外小目标检测算法研究[D];吉林大学;2018年
9 夏森林;基于压缩感知域视频的运动目标检测算法研究及应用[D];南京理工大学;2018年
10 宁成成;基于深度特征的目标检测算法改进研究[D];南京理工大学;2018年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978