基于时频分析的ISAR机动目标成像研究

由于传统的ISAR成像算法采用FFT,不能很好地对机动目标成像,图像模糊,难以辨认。文章采用在时间和频域同时具有高分辨率的时频分析方法来替代FFT作方位向的处理,得到目标的距离-瞬时多普勒图像,仿真数据结果表明,该方法得到的图像结果较好。     

舰船目标ISAR成像研究

由于海浪的影响造成海上舰船运动形式复杂多变,因此要获取高质量舰船目标逆合成孔径雷达(ISAR)的图像非常困难。本文对基本的舰船目标运动模式下ISAR成像问题展开研究。首先分析舰船目标的转动模式,建立3种基本的转动形式的数学模型。研究距离-多普勒(R-D)算法在该运动形式下的ISAR成像。通过仿真实验证明R-D算法可以获取较高质量的小幅度舰船转动ISAR图像。     

基于Gabor变换的ISAR成像算法研究

由于传统的ISAR成像算法采用FFT，不能够很好地对机动目标成像，图像模糊，难以辨认，提出采用在时间和频域同时具有高分辨率的时频变换—Gabor变换来替代FFT作方位向的处理，得到目标的距离瞬时多普勒图像，实测数据结果表明，该方法得到的图像结果较好。     

改进R-D算法的ISAR成像仿真研究

在逆合成孔径雷达成像中,距离多普勒算法以其效率高占据了重要的地位。但基本R-D算法要求成像目标转角小,而且存在目标图像横向分辨率低等不足。本文在研究ISAR成像转台模型的基础上,采用脉冲压缩技术、插值技术、极坐标格式、后阈值处理技术以及加权技术改进R-D成像算法。同时对大转角情况下的目标进行成像。算法对二维目标由110个散射点组成的飞机模型进行仿真。仿真结果表明算法的有效性。     

高分辨率ISAR成像技术研究

当运动目标旋转的角度较大时,ISRA成像会因为反射波越距离走动的问题,成像的分辨率低,图像不清晰。针对这种问题,本文提出运动目标图像子图像融合算法。本文算法通过将大角度旋转的高分辨率图像分块成低分辨率的子图像,然后对子图像进行裁剪、平移等处理,最后进行子图像的融合而获得高分辨率的ISAR成像图像,并通过对比实验来说明本文算法的有效性。     

基于距离参数化EKF滤波器的纯方位目标运动分析

针对纯方位机动目标运动分析问题,提出一种距离参数化EKF(RPEKF)滤波器设计方法,该方法能够有效降低探测平台与目标初始距离不确定性影响,提高目标运动状态估计滤波收敛性。针对水面目标典型机动形式,给出一种适用于RPEKF滤波器目标机动检测方法,基于评估目标方位角观测误差与目标运动状态协方差矩阵检测目标机动,通过重置滤波器保证目标运动状态估计滤波稳定。数字仿真分析结果表明,本文提出的算法能够实现对水面机动目标运动要素的快速无偏估计。     

一种小斜视多接收阵合成孔径声呐距离多普勒成像算法

本文在"非停走停"条件下建立斜视多接收阵合成孔径声呐的几何模型和精确距离史。由于精确时延史十分复杂,无法直接用于推导成像算法,通过2次近似,得到修正斜视距离史。距离史误差的分析结果表明,修正斜视距离史能够满足窄波束小斜视的成像要求。在算法推导部分,首先通过距离空变的相位补偿因子和参考距离上的时延补偿因子,将多接收阵信号转变成了单基斜视信号,再借用斜视单基距离多普勒算法,提出小斜视角多接收阵合成孔径声呐距离多普勒算法。最后通过计算机仿真实验证明了本文方法的有效性和正确性。     

舰船目标实测数据ISAR成像分析

采用逆合成孔径雷达对海上舰船目标进行一维成像和二维成像研究.海上舰船目标的一维距离像通过对各次回波的dechirp数据直接进行傅立叶变换得到.二维成像需要对相邻回波用相邻相关法对其相关系数进行分析,由分布情况找出并剔除不正常回波,然后对各次回波进行运动补偿,包括包络对齐和自聚焦两步,最后分析各距离单元的时频分布情况,按照结果对数据进行分析、处理,得到舰船目标的二维图像.由Matlab仿真结果对得出的分析结果进行了检验.     

方位和多普勒频移联合的目标要素估计

提出一种利用目标方位信息和多普勒频移信息联合估计匀速直线运动目标要素的方法。该方法适用于观测站不机动情形下目标运动分析问题。将2种目标信息分别伪线性化,建立对应的伪线性模型,利用最小二乘方法构建2个伪线性滤波器,后融合的方法得到了目标要素估计的算法。与现有的基于方位和多普勒频移进行目标要素估计的方法相比,该方法有以下不同特点：1）2个线性估计器均是二维系统,可观测性增强;2）在多普勒频移估计器中,不需要估计线谱的原信号频率。数值仿真给出了不同观测误差下的算法性能,试验验证了方法的实际有效性。     

方位和多普勒频移联合的目标要素估计

提出一种利用目标方位信息和多普勒频移信息联合估计匀速直线运动目标要素的方法。该方法适用于观测站不机动情形下目标运动分析问题。将2种目标信息分别伪线性化,建立对应的伪线性模型,利用最小二乘方法构建2个伪线性滤波器,后融合的方法得到了目标要素估计的算法。与现有的基于方位和多普勒频移进行目标要素估计的方法相比,该方法有以下不同特点:1)2个线性估计器均是二维系统,可观测性增强;2)在多普勒频移估计器中,不需要估计线谱的原信号频率。数值仿真给出了不同观测误差下的算法性能,试验验证了方法的实际有效性。