一、复杂环境下的ISAR成像研究（论文文献综述）
周叶剑[1]（2020）在《基于ISAR序列成像的空间目标状态估计方法研究》文中提出空间目标状态估计旨在精确实时地获取目标在轨姿态、结构几何和非平稳状态下的运动参数,为目标动作意图分析、潜在故障威胁排查、航天态势发展预判提供有力信息支撑,是当前空间态势感知领域的核心技术。地基逆合成孔径雷达（Inverse Synthetic Aperture Radar,ISAR）具备全天时、全天候、主动式空间探测能力,通过窄带精密跟踪、宽带高分辨成像的工作模式为目标状态分析工作提供观测支持。研究基于ISAR成像的空间目标状态估计方法对我国空间态势感知技术体系建设发展、维护太空资产健康运行具有重要意义。现有公开的地基ISAR观测空间目标状态估计方法研究以对目标大致运动状态评估为主,目标状态参数估计依赖于观测数据与历史积累观测数据库的特征匹配,缺乏观测物理模型支撑,估计精度受限,推广至复杂运动目标、非合作目标等实际应用场景存在困难。立足于实际地基ISAR装备,亟需研究结合雷达成像机理、充分挖掘目标在轨状态与雷达观测数据内在联系、适用于复杂应用场景的空间目标状态估计技术。针对以上研究现状及应用需求,本文围绕空间目标在轨状态估计这一核心问题,面向国家自然科学基金面上项目“空间目标序列ISAR成像与信息提取技术研究”、国家“十三五”装备预研项目“XXX成像特征提取与识别技术”、国家高技术研究发展计划（863计划）项目“XXX成像与信息获取研究”等课题、项目的研究任务,结合现役地基空间观测ISAR体制特点,在雷达信号处理、ISAR图像解译、光电信息融合三个方面展开研究。全文研究循序渐进,依据问题复杂程度先后探讨空间目标处于稳定姿态以及非稳情况的在轨状态参数估计问题,具体研究内容可概括为以下四个部分:1.空间目标ISAR成像序列投影的目标姿态估计第一部分研究空间目标ISAR高分辨序列成像观测的几何特点,从空间目标ISAR成像投影特征反演的思考角度,提出了基于ISAR图像投影形态的目标姿态估计方法,建立了目标在姿态稳定情况下状态参数与其典型部件在ISAR图像内投影形态间的显式表达,通过分析单站ISAR观测图像序列内目标投影的连续变化,克服传统方法在长时间ISAR图像序列处理中面临的散射点特征关联困难问题,实现目标在轨姿态参数的准确估计。2.空间目标ISAR成像二次相位的目标姿态估计第二部分从空间目标ISAR成像散焦特征解译的思考角度出发,提出了基于ISAR图像二次相位的目标姿态估计方法,建立了观测图像内目标散射单元散焦的信号模型,推导了在姿态稳定情况下目标ISAR图像二次相位与其在轨姿态间的显式表达,通过解译被视为“负面信息”的图像二次相位,实现了小角域测量条件下的单帧ISAR图像目标姿态参数估计,为雷达成像、图像解译领域研究提供了一个新的视角。3.多站ISAR联合观测下的自旋空间目标瞬时状态估计第三部分在第一、第二部分针对姿稳空间目标姿态估计的研究基础上,深入研究自旋空间目标状态估计问题。该问题的核心在于如何解决目标在轨自旋引起的ISAR成像几何变化给目标状态估计带来的困难。本部分引入多站点ISAR联合观测补充了雷达观测角度资源,将高维目标状态参数估计问题分解为瞬时姿态和自旋运动参数的优化子问题。通过建立多站ISAR观测图像内目标距离、多普勒维度投影和空变二次相位特征与其在轨状态参数的显式表达,解决自旋状态下因观测成像平面变化造成的姿态估计与运动估计耦合难题,验证了多站ISAR联合观测在空间态势感知应用上的优势。4.光学-雷达联合观测下的空间目标状态估计与三维重建第四部分借鉴计算机视觉领域多视角图像场景重建技术,类比光学、雷达成像几何,探究了相同视角下光电图像特征融合的目标状态估计方法。首先,深入分析光学、雷达成像系统在同一视角下观测信息的互补联系,提出了基于单站光电融合的自旋目标状态估计方法,解决了针对空间自旋目标态势感知中因目标自身自旋运动带来的ISAR成像平面不定这一核心问题。而后,对比分析了光学与雷达多视角成像观测场景的相似性,提出了基于多视角ISAR图像序列的目标三维重建方法,建立了目标在多视角ISAR图像序列内轮廓与其在真实空间中三维结构间的联系,并将该方法拓展至光学-雷达联合观测模式,有效解决单站单圈次ISAR观测视角受限问题。光学-雷达联合观测体制突破了单传感器在空间目标观测中成像几何约束的局限性,为后续多传感器协同的空间目标态势感知网络建设提供了思路与技术支撑。
邵帅[2]（2020）在《高分辨ISAR成像与精细化运动补偿技术研究》文中研究指明逆合成孔径雷达（Inverse Synthetic Aperture Radar,ISAR）成像技术凭借其全天时、全天候以及高分辨的独特优势,在军事和民事领域都扮演着重要的角色。ISAR通过对空间、空中和海洋目标进行高分辨成像,为非合作目标的分类和识别提供了有力的技术支撑。为了满足越来越丰富的应用需求,ISAR正朝着多功能、多维度和精细化的方向发展。工作模式和系统结构的多样化,以及目标运动的复杂化,使得现有的ISAR成像算法在高分辨成像和精细化运动补偿等方面存在诸多挑战。在十三五装备预研重点项目等多个科研项目的支持下,本文主要针对ISAR成像中的精细化运动补偿、最优成像时间段选择、稀疏信号处理以及三维（Three-Dimensional,3-D）成像等方面展开研究,旨在增强成像结果的分辨率和聚焦性能以及提高运动补偿的精确度和稳健性,为后续的目标识别打好基础。本文的主要研究内容有以下几个方面:（1）ISAR联合方位定标和距离空变自聚焦利用经典的距离-多普勒（Range-Doppler,RD）算法得到的ISAR图像在方位维反映的仅是目标的多普勒信息,而非目标的真实尺寸信息,为了便于后续的特征提取和目标识别操作,需要对RD图像进行方位定标。我们提出一种联合方位定标和距离空变自聚焦算法,它通过求解最小熵优化问题获得目标有效转速（Effective Rotational Velocity,ERV）的最优估计,从而在实现方位定标的同时完成距离空变自聚焦,进一步提升了ISAR图像的聚焦性能。（2）联合平动运动补偿和精细化方位定标通过分析包络偏移和初相误差的同源性,代替级联的处理方式,本文第三章提出一种联合平动运动补偿算法。并且针对目标几何中心和等效旋转中心不一致导致方位定标失真的问题,建立了联合等效旋转中心偏移值和ERV信号模型。通过求解最大对比度优化问题,联合实现平动运动参数、等效旋转中心偏移值和ERV的最优估计,从而可在低信噪比下联合实现平动运动补偿和精细化方位定标。需要指出的是,这里所说的“联合”有两方面含义:一是平动运动造成的包络偏移和初相误差的联合校正,二是平动运动补偿和精细化方位定标的联合实现。（3）舰船目标ISAR最优成像时间段选择舰船目标受到海浪扰动影响,具有极强的机动性,因此最优成像时间段选择是必不可少的。针对这一问题,我们提出一种基于海洋动力学先验信息的舰船目标ISAR最优成像时间段选择算法。该算法代替数据驱动的处理方式,利用海洋动力学先验信息（海情、浪向角和航速等）并根据流体动力学原理直接推导计算舰船目标3-D摇荡运动的解析表达式。然后基于目标平动运动和转动运动的几何关系推导得到目标的有效转速矢量。利用有效转速矢量和最大对比度准则,从而可确定舰船目标的最优成像时间段。该算法避免了回波中噪声和杂波的干扰,并且无需进行滑窗成像处理,因此具有鲁棒性强和运算量小的优点。（4）机动目标精细化相位自聚焦对于机动目标而言,不仅平动运动会产生相位误差,转动运动同样会造成图像模糊。因此,本文第五章提出一种精细化ISAR相位自聚焦算法。该算法建立了两维（Two-Dimensional,2-D）空变相位误差模型,该模型不仅考虑了目标平动速度和ERV的时变特性,而且还考虑了成像投影平面（Imaging Projection Plane,IPP）的转动特性。利用包含粗估计和精估计的两步估计法求取模型参数的最优估计,从而实现机动目标的精细化相位自聚焦。仿真和实测数据实验验证了所提算法的有效性和必要性。（5）2-D稀疏数据的高分辨ISAR成像与运动补偿针对多功能雷达系统接收的稀疏步进频-稀疏孔径波形（Sparse Stepped Frequency Modulation and Sparse Aperture Waveform,SSFM-SAW）回波信号,本文第六章提出一种基于2-D联合稀疏重构（2-D Joint Sparse Reconstruction,2D-JSR）的高分辨ISAR成像与运动补偿算法。该算法构建了2-D联合稀疏重构字典,并将平动和转动运动误差表达为模型误差,从而建立了SSFM-SAW信号模型。基于贝叶斯压缩感知（Bayesian Compressive Sensing,BCS）理论,并且根据SSFM-SAW信号模型推导得到稀疏驱动优化函数,利用改进的拟牛顿法高效求解,从而联合实现2-D联合稀疏重构和运动补偿。该算法充分利用了回波信号的2-D耦合信息,并且避免了2-D级联稀疏重构误差传递,因此具有精确度高和稳健性强的特点。（6）基于2-D联合稀疏重构的机动目标干涉ISAR（Interferometric ISAR,In ISAR）3-D成像针对稀疏频带-稀疏孔径（Sparse Frequency Bandwidth and Sparse Aperture,SFB-SA）下的具有3-D转动运动的机动目标,本文第七章提出一种基于2-D联合稀疏重构的3-D机动运动目标In ISAR成像算法。该算法通过分析目标运动和空间位置的定量关系,推导得到非空变波程差和空变波程差的解析表达式。其中,由3-D转动运动造成的空变波程差是我们本文提出的新概念,它不仅是慢时间的函数,而且还具有空变特性。实验结果表明,对于具有3-D转动运动的机动目标而言,空变波程差的补偿是必不可少的,它直接影响In ISAR成像精度。基于此,我们提出了联合波程差补偿算法（Joint Wave Path Difference Compensation Algorithm,JWPDC）,它不仅联合多通道实现图像配准,而且联合补偿非空变波程差和空变波程差,因此实现了In ISAR成像的精细化图像配准。对于SFB-SA信号,为了保证多通道间干涉相位信息的高相关性,我们提出了多通道联合的2-D联合稀疏重构（Joint Multi-Channel 2D-JSR,JMC-2D-JSR）算法。此外,对于平动运动和3-D机动转动运动造成的运动误差,我们利用第三章和第五章所提算法可实现精确补偿。通过JMC-2D-JSR和JWPDC以及运动补偿算法的循环迭代处理,可获得具有3-D转动运动的机动目标的高精度3-D几何重构结果。
田彪,刘洋,呼鹏江,吴文振,徐世友,陈曾平[3]（2020）在《宽带逆合成孔径雷达高分辨成像技术综述》文中指出当前,国内外逆合成孔径雷达（ISAR）系统均朝着高载频、大带宽、多极化、分布式、网络化的方向发展,并牵引ISAR成像技术的发展和进步。从ISAR图像的角度来看,ISAR成像的发展变化主要可归纳为精细化成像以提升成像质量和多维度成像以丰富成像信息两个方面。该文首先从雷达回波脉冲压缩、雷达系统失真校正、目标高速运动补偿、距离向自聚焦、平动补偿、转动补偿、图像重构、图像后处理等方面综述雷达精细化成像方法,然后从极化、多频带融合、多站多视角成像、三维成像等方面综述雷达成像维度的扩展,最后从成像建模、复杂场景精细成像、实时成像、成像评价与图像应用等4个方面进行展望分析。
王家东[4]（2020）在《机动目标ISAR成像及空间目标特征提取方法研究》文中认为雷达作为一种能在全天时,全天候远距离探测、定位和识别目标的传感器,一直是全球研究的热点。高分辨合成孔径雷达（Synthetic Aperture Radar,SAR）和逆合成孔径雷达（Inverse Synthetic Aperture Radar,ISAR）成像技术作为雷达发展史上的一个重要分支,能够更加直观精细的刻画目标的结构信息,也一直受到军事和民用的高度重视。ISAR成像作为一种能在远距离获取非合作目标图像的技术,在军事领域中的目标分类识别起了重要作用。ISAR成像的关键条件是目标相对于雷达的转动。而对于远距离非合作目标而言,它们的运动情况往往是非常复杂的。在雷达分辨率不高的情况下,短时间内目标的转动可以看作是均匀转动,通过传统的相位补偿技术,如相位梯度自聚焦（Phase Gradient Autofocus,PGA）就能得到良好的图像。然而当雷达分辨率高的情况下,非合作目标的雷达回波经过运动补偿后可用多分量多项式相位信号表示,如何通过信号处理方法对这种多分量多项式信号进行相位补偿,就成了能否获取高质量高分辨ISAR图像的关键。另一方面,由于ISAR图像中包含了目标丰富的结构、姿态、尺寸等信息,如何从ISAR图像中对这些信息提取,为目标分类、识别和编目提供有力的技术支持,也是重要的研究方向之一。如今ISAR成像技术己发展到较高水平,但对于机动目标ISAR成像和ISAR图像特征提取技术,还是有不少问题亟待解决。本论文针对以上两个方面,分为三部分对相关问题进行了研究:第一部分研究了机动目标ISAR成像的时间段选择问题。针对空中飞机目标,本论文第三章提出了一种利用飞机跟踪信息对ISAR成像时间段优化选择的方法。根据飞机飞行时的空气动力模型,建立了飞机姿态（偏航、俯仰、横滚）变化与速度变化之间的关系。通过对雷达回波中多普勒的分析可以发现,多普勒的变化与飞机姿态变化直接相关:姿态变化平稳对应多普勒近似恒定。而多普勒的变化决定了ISAR成像质量:多普勒变化越小成像质量越高。这就说明可以通过对目标的姿态角变化进行评估,姿态变化平稳的时间段就是ISAR成像质量较高的时间段。基于以上的结论,所提算法基于雷达跟踪数据,通过扩展卡尔曼滤波器对目标姿态进行估计,并引入姿态角线性度的概念,评估不同时间段姿态角的线性度以实现ISAR成像时间段的最优选择。与传统的基于图像分析和基于多普勒分析的方法相比,提出的方法不依赖于目标的雷达回波,只需要目标的跟踪信息,因此有一定的噪声稳健性。基于仿真与实测数据的实验表明,相比于传统方法,所提算法在低信噪比情况下有更稳健的成像时间段选择能力。第二部分研究了机动目标ISAR成像的相位补偿问题。目标的非均匀三维旋转会引起ISAR成像平面（Image Projection Plane,IPP）的不断变化,从而产生二维空变相位误差。在这种情况下,采用传统的补偿方法会使ISAR图像严重模糊。另一方面,强噪声对传统的运动参数估计和相位误差补偿方法有着不可忽视的影响。本论文第四章提出了一种二维空变相位误差补偿方法。所提方法将目标姿态（偏航、俯仰、横滚）变化近似为二阶形式,推导出飞机目标的二维空变相位误差参数的具体表达式,在此基础上建立二维空变相位误差的最小熵优化函数,并采用第三章提出的飞机目标姿态估计方法对相位误差参数进行粗估计,作为迭代初始值提高迭代搜索的速度和精度。与传统空变相位误差补偿方法相比,所提算法在考虑目标运动整体性的情况下,只需要估计两个相位误差参数,显着的减少了计算量。另外,提出的相位误差粗估计方法提高了最小熵优化搜索的速度和精度,并且使所提算法有更强的噪声稳健性。基于仿真和实测数据的实验表明,与传统方法相比,所提算法计算量低,在信噪比不低于-15db的情况下都具有良好的相位补偿能力,并且得到的聚焦图像有比传统方法更低的熵值,ISAR图像质量更高。第三部分研究了基于ISAR图像的空间目标物理特征提取方法。卫星目标的姿态和几何特性是卫星活动分析的重要信息。本论文第五章提出了一种基于ISAR图像解译的卫星目标绝对姿态和尺寸参数估计方法。所提方法将卫星主体作为研究对象,提出了一种基于像素级生成对抗网络（pix2pix generative adversarial network,Pix2pix GAN）的ISAR图像分割方法,将卫星主体从序列ISAR图像中分割出来。进一步,基于ISAR成像的投影理论建立了卫星姿态和尺寸的优化函数,利用主成分分析（principal component analysis,PCA）方法提取卫星主体的二维特征,通过求解优化问题,联合估计卫星的姿态和尺寸。传统的基于因子分解的三维重构方法得到三维点分布与真实的三维点分布之间存在未知的旋转,所以只能估计目标的绝对尺寸而不能估计姿态,所提方法能同时估计目标的姿态和尺寸。实验中,利用卫星工具包（Satellite Tool Kits,STK）对天宫和锁眼卫星目标的实际轨道运动和雷达观测视角进行仿真,并在对应视角下采用电磁仿真软件FEKO,根据两个卫星的计算机辅助设计（computer aided design,CAD）模型对目标的雷达回波进行仿真。基于仿真数据的实验结果表明,相比于因子分解法,所提算法不仅能同时估计卫星姿态和尺寸,并且尺寸估计更精确。
王格[5]（2020）在《基于稀疏贝叶斯学习的逆合成孔径雷达高分辨成像方法研究》文中进行了进一步梳理空中及空间目标的高分辨逆合成孔径雷达（ISAR）图像蕴含其形状、尺寸等重要信息,因此成像质量直接影响后续特征提取与自动目标识别的准确性。实际情况中,ISAR成像往往面临着回波信噪比低,数据缺损,存在随机相位误差,目标机动等难题,从而严重影响基于傅里叶变换的传统成像方法性能。由于基于稀疏贝叶斯学习的ISAR成像方法能够充分利用目标散射点和环境的统计信息,因此为解决上述复杂观测条件下的ISAR高分辨成像难题提供了新途径。论文重点开展基于稀疏贝叶斯学习的高分辨ISAR成像方法研究,具体内容包括:稀疏成像建模与概率图建模;基于稀疏贝叶斯学习的平稳目标高分辨成像;基于稀疏贝叶斯学习的机动目标高分辨成像等。相关研究充分发掘了目标ISAR回波所蕴含的稀疏性,提出基于稀疏贝叶斯学习等先进机器学习理论的高分辨ISAR成像方法,实现了复杂观测条件下的平稳和机动目标高分辨成像。课题相关研究为提高我国成像雷达对空间目标的探测与成像能力提供了理论与技术支撑。本文主要内容主要包括三个部分:第一部分研究基于Gamma-Gaussian先验的高分辨ISAR成像。首先建立了回波信号的稀疏观测模型,然后通过对散射中心分布引入Gamma-Gaussian先验构建概率图模型,进而给出基于期望最大（EM）和变分贝叶斯推断（VBI）的模型参数估计方法,并分析比较了二者性能。在此基础上,提出基于VBI与最大似然（ML）估计的高分辨成像与随机相位误差校正方法。最后,用蒙特卡洛实验和实测数据ISAR成像结果验证了所提算法的有效性。第二部分研究基于spike-and-slab先验的高分辨ISAR成像。为进一步提高对数据描述的灵活性,提高稀疏重构精度,通过对散射中心分布引入spike-and-slab先验构建概率图模型,进而提出基于期望传播（EP）的后验分布推断方法实现散射中心的稀疏重构。在此基础上,提出基于EP与ML估计的高分辨成像与随机相位误差校正方法。最后,用蒙特卡洛实验和实测数据ISAR成像结果验证了所提算法的有效性。第三部分研究基于稀疏贝叶斯学习的低信噪比机动目标ISAR成像。首先建立了机动目标回波的稀疏观测模型。其中,将旋转速度与旋转加速度作为参数构建参数化过冗余字典。然后,对模型引入Gamma-Gaussian先验并构建概率图模型,进而提出基于VBI与ML估计的高分辨成像方法与字典参数估计方法。最终,采用仿真实验以及实测数据证明了算法的有效性。
薛佳音[6]（2020）在《基于ISAR的机动目标快速成像与识别技术研究》文中进行了进一步梳理逆合成孔径雷达（Inverse Synthetic Aperture Radar,ISAR）成像与识别技术在精准制导、反导反卫、空间预警、环境监测等军民领域起着至关重要的作用。在实际观测场景中,由于被观测目标的高机动、非合作性和观测环境的复杂、不确定性,导致传统识别手段无法满足ISAR机动目标自动识别的高精度与近实时处理需求。为了解决这一问题,有必要对机动目标回波信号的快速高效处理进行更加深入的研究,并进一步探索对目标更多维度信息的挖掘与利用。针对以上需求,论文拟围绕成像和识别这两个处理阶段,开展系统建模、成像算法和识别技术的研究,以期取得较高的精度指标和较好的实时性能之间的折中。论文通过优化成像环节中补偿算法的精度和计算复杂度,来提高成像质量和处理实时性,以提升识别前置输入信息的特征传递效能;利用机器深度学习挖掘样本多维特征信息,以减小识别性能对成像质量以及人工特征工程的强依赖性,从整体上提升系统在复杂应用场景下的识别能力。论文的主要研究内容包括以下几个方面:（1）ISAR系统的机动目标回波特性建模、成像算法研究及优化设计。根据经典二维转台模型和合成孔径二维分辨原理,明晰ISAR系统回波信号构成与分集特性。通过对机动目标的回波频谱特性进行距离向和方位向的建模与分析,讨论高阶运动目标距离像（Range Profile,RP）的序列相关性和方位像的频谱展宽性,为下一步补偿和成像处理的研究建立理论基础。通过对经典距离—多普勒（Range-Doppler,RD）成像算法和通用补偿方法的约束条件与优化空间进行研究,并针对一般机动性和高机动性目标进行RD成像仿真分析,提出通过提高补偿精度来解决目标平动导致的图像模糊、提高一维像聚焦性以改善目标转动导致的图像散焦,最终实现对机动目标的高质量、近实时成像和快速识别。（2）基于RP相关性的参数估计及运动补偿算法的研究。通过深入研究回波各距离像之间的相关性,对通用参数估计方法进行性能改进和复杂度优化;针对径向平稳目标的运动补偿,利用分数阶傅立叶变换（Fractional Fourier Transform,Fr FT）进行距离压缩产生高分辨距离像来提高距离对准精度,对Fr FT匹配阶数搜索算法进行复杂度优化,实现基于Fr FT的一阶参数估计与运动补偿;针对径向非平稳的机动目标,将高阶参数估计问题建模为最小二乘（Least-Square,LS）问题,提出基于LS的高阶对称累积互相关参数估计方法（High-order Symmetric Accumulated Cross-correlation Method,HSACM）。通过仿真实验分析,证明了提出算法的估计精度显着高于同类算法,其计算复杂度远低于通用的高阶参数估计方法。（3）高阶信号变换处理技术及机动目标快速成像算法研究。针对Fr FT不适用于径向非平稳目标的距离压缩以产生能量高度聚集的一维像、以及目标非均匀转动产生的时变多普勒问题,提出一种新的低复杂度信号处理技术——幂权傅立叶变换（Power-Weighted Fourier Transform,PWFT）。利用PWFT对信号频谱的“锐化”特性,研究基于PWFT的高阶平动补偿和高阶方位聚焦,进而提出基于PWFT的快速成像算法PWFT-RD,以及一种非常规的窗函数——幂权窗,以改善图像远端的拖尾现象。仿真实验证明了PWFT技术可以有效改善补偿不足和目标非均匀转动导致的成像散焦问题,PWFT-RD算法能够对机动目标进行高质量、近实时的成像处理。（4）基于深度学习样本多维特征的识别网络的研究。分析ISAR回波数据的三种典型表征形式（原始数据、一维距离像、二维ISAR图像）在信号处理过程中对不同维度原始信息进行的特征增强与抑制。利用深度神经网络进一步挖掘目标的多维特征信息,设计基于卷积神经网络（Convolutional Neural Network,CNN）的端到端识别网络。基于此框架,设计以上三种单一表征样本驱动的单流识别网络,并分析各网络特点及其场景适用性。利用不同表征形式的优势互补对单流识别网络进行数据增强和结构优化,设计适应复杂应用场景的多元表征样本驱动的融合网络。仿真实验结果证明了提出的几种识别网络的有效性,验证了多流融合网络在目标高机动性和极低信噪比等特定应用场景下,与已有识别方案相比具有显着的先进性。
王樾[7]（2020）在《认知ISAR关键技术研究》文中研究表明传统雷达系统的信号处理主要集中在接收端,缺少发射-接收反馈机制,难以自适应地与工作场景进行感知与交互。认知雷达作为新体制雷达,构建了包含雷达发射端、接收端、目标与环境的闭环反馈结构。该结构充分利用接收端对目标与环境进行动态感知,进而根据反馈信息设计发射端工作参数,从而全方位提高雷达性能。将认知理论与逆合成孔径雷达（ISAR）成像理论相结合,为提升复杂环境下的ISAR成像性能提供了新思路。本文重点针对认知ISAR中的波形设计、高分辨成像、雷达资源调度等关键问题与难点开展研究工作。在波形设计方面,系统研究了线性调频波形、步进频波形、稀疏步进频波形、调频步进波形的高分辨成像方法。进一步针对复杂电磁环境观测问题,研究了基于最大互信息准则、联合准则的波形优化与优化波形的高分辨ISAR成像方法。在高分辨成像方面,针对稀疏调频步进波形构造了ISAR稀疏观测模型与贝叶斯概率图模型,提出基于贝叶斯非参数的机动目标低信噪比高分辨ISAR成像与运动参数估计方法。在资源调度方面,提出新的资源调度评价指标,根据时间与能量约束条件建立了基于认知ISAR成像的资源调度模型,并采用遗传算法进行优化求解。论文相关研究工作将为提升我国ISAR的太空目标探测与成像能力,促进雷达成像技术向“智能化”、“体系化”发展提供理论与技术支撑。本文主要内容可概括为如下四个部分:第一部分研究了调频波形及高分辨成像方法。首先,分别建立了线性调频波形、步进频波形、稀疏步进频波形、调频步进波形的ISAR回波模型。然后,研究了四种波形的高分辨距离像合成方法,进而实现了二维高分辨ISAR成像。最后,通过仿真实验证明了相关方法的有效性。第二部分研究了认知ISAR波形优化及高分辨成像方法。首先,分别建立了基于最大互信息准则及联合准则的波形优化问题模型,并提出相应的模型求解方法。然后,针对传统方法对优化波形ISAR成像时主瓣展宽及旁瓣高等问题,对优化波形对应回波进行稀疏建模,进而采用正交匹配追踪（OMP）等稀疏信号重构算法实现高分辨ISAR成像。最终,通过仿真实验验证了所提方法的有效性。第三部分研究基于稀疏调频步进波形的机动目标低信噪比高分辨ISAR成像方法。首先,建立了稀疏调频步进波形的回波模型,通过构建参数化字典将目标运动参数估计与高分辨距离像合成相结合。然后,提出基于遗传算法与贝叶斯非参数先验的低信噪比运动补偿与高分辨ISAR成像方法。最后,通过蒙特卡洛实验分别验证了运动参数估计算法及稀疏波形重构算法的鲁棒性,并采用仿真及实测数据验证了所提方法的有效性。第四部分研究了认知ISAR资源优化调度方法。首先,提出了新的资源调度评价指标。进而,根据各个任务所需资源及资源调度中的时间、能量约束条件构造新的认知ISAR资源调度模型,提出基于遗传算法的求解方法。最后,采用仿真数据验证了所提方法的有效性。
张毓[8]（2020）在《基于非参数贝叶斯的ISAR稀疏成像研究》文中研究说明逆合成孔径雷达（Inverse synthetic apertureradar,ISAR）由于其全天时、全天候、远作用距离、高分辨率等独特优势,在军事和民用领域中具有广泛的应用价值。在平稳目标、高信噪比等观测环境下,通过现有成熟的成像算法能够得到良好的成像结果。但在实际情况中,雷达可能受限工作模式而无法对目标进行连续观测,产生方位缺损回波。且目标所处的电磁环境愈加复杂,雷达接收的回波受到干扰和噪声的影响,使得回波信干噪比很低,回波数据中还不可避免存在初相校正后存在的残余相位误差,以及雷达系统不稳定和电磁波传播效应引起的相位误差,上述情况都会大大减弱传统成像算法的性能。由于ISAR图像的稀疏特性,可将ISAR高分辨成像问题转化为稀疏信号重构问题。非参数贝叶斯模型具有很强的灵活性,其参数空间能够适应观测数据的变化,因此为解决低信干噪比等复杂观测环境下的高分辨ISAR成像问题提供了新的解决思路。针对复杂环境下的高分辨ISAR成像问题,本文首先建立了ISAR观测的典型信号模型,然后介绍了基于数值优化和参数化贝叶斯的ISAR成像方法,再引入非参数贝叶斯先验,基于贝叶斯框架求解模型,探究基于非参数贝叶斯的ISAR成像方法。论文相关研究工作为提高我国成像雷达在复杂环境下的空间和空中目标探测能力提供理论与技术支撑。论文主要工作如下:第一部分阐述了稀疏ISAR的基本原理,首先推导了高分辨距离像和高分辨方位像的典型信号模型,然后分别介绍了基于正交匹配追踪（Orthogonal Matching Pursuit,OMP）和基于L1范数优化的ISAR成像方法,接着介绍了基于稀疏贝叶斯学习的ISAR成像方法,最后采用单维信号重构实验和实测数据实验来验证算法性能。第二部分针对回波数据存在随机相位误差而导致ISAR像散焦严重等问题,提出两种基于非参数贝叶斯的自聚焦成像方法。首先推导了存在相位误差情况下的回波信号模型,然后引入Beta过程先验构建层级概率模型,交替地利用Gibbs采样方法求解稀疏方位像以及利用最大似然法估计相位误差,提出了基于Beta过程的ISAR自聚焦成像方法。类似的,引入Gamma过程先验,利用最大后验期望最大化（Maximum A Posteriori-Expectation Maximization,MAP-EM）算法求解重构问题,同样利用最大似然法计算相位误差,得到基于Gamma过程的ISAR自聚焦成像方法。最后,仿真实验和实测数据实验验证了提出方法优于其它算法。第三部分针对噪声和干扰分布未知等复杂环境下的高分辨ISAR成像问题,提出一种基于Gamma过程及稳健噪声建模的ISAR高分辨成像方法。利用高斯混合模型（Gaussian Mixture Model,GMM）对噪声建模,并引入Gamma过程先验构造层级概率模型,再利用MAP-EM算法估计各个模型参数。最后,蒙特卡洛实验和实测数据的干扰抑制实验验证了该方法的有效性。
肖俊鑫[9]（2020）在《典型地貌地表的电磁散射建模及其成像研究》文中研究说明本文主要对植被,土壤,混凝土等典型地貌的散射特性展开研究,并对其计算得到的散射场或散射系数进行成像研究与分析。我们一般会使用解析近似的面散射方法对粗糙地表进行散射计算,这种方法对于体散射可以忽略不计的裸土、沙地等地形来说其计算的结果是较准确的,但对于多层散射模型如双层植被散射模型来说,忽略体散射分量计算得到的散射结果将比实际结果存在较大的误差。因此本文也将着重研究双层植被散射模型的散射特性。在计算粗糙面的散射场时,介电常数是十分重要的参数,其对粗糙面的散射特性有很大的影响,因此需要我们能够较准确的给出不同散射条件下其介电常数的值。而比较有效益的方法就是建立不同类型地貌的等效介电常数模型,这样我们可以利用经验模型公式对其不同环境下的介电常数进行求解。在本文中主要对土壤、植被、沙地以及混凝土等典型地表的等效介电常数模型进行了研究与分析。在给定介电常数之后,对于不同尺寸的粗糙面需要我们利用不同的面散射计算方法对散射特性进行研究与分析,在本文中将介绍的面散射计算方法主要有基尔霍夫近似方法（KA）,小斜率近似方法（SSA）,微扰法（SPM）,积分方程方法（IEM）以及改进的积分方程方法（AIEM）等。对于双层粗糙面来说,比如双层植被散射模型,如果只计算其面散射系数,得出的理论结果将比实际值要小,这主要是由于忽略了植被层中散射元的体散射场。因此对双层粗糙面的计算需要使用包括体散射的计算方法。在本文中主要使用了非相干散射模型的矢量传输理论方法以及相干散射模型的蒙特卡洛（Monte-Carlo）模拟方法。通过这两种方法对植被模型的单站散射以及双站散射进行了计算,并分析了在不同频段下和不同入射角下其散射系数的变化关系。相对于矢量传输理论方法来说,蒙特卡洛模拟方法计算得到的总散射场包括了相干散射场,因此在镜面散射方向上其准确性更高。虽然蒙特卡洛模拟方法的计算时间复杂度远大于矢量传输理论方法,但随着计算机性能的提升以及并行计算技术的出现,程序的计算时间复杂度将会得到极大改善。对于初生植被以及簇分布植被来说,由于其簇分布类型的不同计算得到的散射结果也不同,因此对簇规则分布植被模型以及簇随机分布植被模型的散射特性进行了研究与分析。最后,对三层植被模型的后向散射特性进行了研究。对地表成像主要有SAR成像方法与ISAR成像方法两种方式,SAR成像方法主要用于目标静止不同,雷达在动的场景,而ISAR成像方法主要用于雷达静止不动,目标在动的场景。在第五章的成像研究中主要对指数谱粗糙面以及高斯谱粗糙面进行成像分析。对典型地貌的成像是微波遥感十分重要的研究工作,通过对不同地表的散射计算以及雷达成像研究,可以得到不同地形的成像结果。为了更好的研究典型地貌的散射特性,本文将对地理信息系统（GIS）中的高程信息模型（DEM）进行插值并计算其散射系数。由于高程信息模型存在多种类型的地形,则需要对进行地形划分以及使用经验模型对其散射场进行计算,本文将使用修正的Morchin模型对其后向散射特性进行研究与分析。
刘子滔[10]（2020）在《双基地ISAR复杂运动舰船成像研究》文中研究说明为了保护我国领海不受侵犯,维护海洋权益,需要建立一个近海防御与远海防备兼具的海洋防御系统。岸发/GEO星发-船收双基地逆合成孔径雷达（inverse synthetic aperture radar,ISAR）具有全天时、全天候的特性,能够实现对近海/远海海域上舰船目标远距离持续性跟踪、成像和识别。此外,这两种双基地ISAR成像系统还具有隐蔽性高、抗打击能力强、灵活性高、成像模式多以及获得的目标信息丰富等优势,从而提高了海洋防御系统的可靠性。与平稳运动目标不同,舰船目标的运动十分复杂,除了按照一定的航迹进行运动外,同时还存在无规则海浪作用下的三维随机摆动。如何利用其自身三维摆动进行成像成为一个关键性问题。此外,船载雷达也会在海浪作用下产生三维随机摆动,这将增加ISAR成像的难度,因此探究船载ISAR三维摆动对ISAR成像的影响也是一个至关重要的问题。为此,本文对岸发/GEO星发-船载双基地ISAR舰船目标成像问题进行了深入研究。为了研究岸发/GEO星发-船载双基地ISAR舰船目标成像问题,首先需要单独研究船载平台三维摆动对ISAR成像结果的影响。为此,本文提出和建立了高海情下船载单基地ISAR舰船目标回波模型,分析了距离近似误差对成像的影响,给出了误差忽略条件——平面波成立条件。在回波模型的基础上,推导出了ISAR图像表达式以及点扩散函数。从理论上分析指出了雷达载船三维摆动对成像结果的影响,提出了雷达载船三维摆动补偿方法以及针对高海情下船载单基地ISAR舰船目标成像的成像算法。仿真实验和半实测数据实验结果验证了雷达载船三维摆动对成像影响的机理,同时验证了雷达载船三维摆动补偿以及成像算法的有效性。其次,根据舰船目标和雷达接收船在高/低海情下运动特性不同,本文分别研究了两种情况下的岸发-船收双基地ISAR舰船目标成像问题。针对低海情下岸发-船收双基地ISAR舰船目标成像问题,先建立了此时的目标回波模型,推导出了ISAR图像表达式以及点扩散函数。通过分析发现当雷达接收船与目标同向运动或反向运动时,目标散射点在ISAR图像方位向上的投影坐标大小与其在目标空间长度方向上的坐标大小成正比。此时不仅可以对获取的ISAR图像进行方位向定标,同时还可以估计出目标长度。仿真实验结果验证了回波模型的正确性、定标和估计方法的有效性,同时还分析了测量误差对长度估计精度的影响。针对高海情下岸发-船收双基地ISAR舰船目标成像问题,建立了目标和雷达接收船均具有三维摆动时的ISAR回波模型,推导出了ISAR图像表达式以及点扩散函数。从理论上分析指出了雷达接收船三维摆动、双基地系数（双基地角）对成像结果的影响。之后,提出了雷达接收船三维摆动的补偿方法以及高海情下岸发-船收双基地ISAR舰船目标成像算法。仿真实验结果验证了雷达接收船三维摆动对成像影响的机理,同时验证了雷达接收船三维摆动补偿以及成像算法的有效性。随后,本文研究了相位同步误差对高海情下岸发-船收双基地ISAR成像结果的影响。在高海情下岸发-船收双基地ISAR舰船目标回波模型的基础上,推导出相位同步误差存在时目标回波模型以及ISAR图像表达式和点扩散函数,分析了相位同步误差对运动补偿的影响。结合ISAR图像表达式和点扩散函数,定量分析了由相位同步误差、目标三维摆动以及雷达接收船三维摆动共同引起的图像失真对成像结果的影响。理论分析和仿真实验分析结果表明:在频率振荡器的精度满足一定条件下,由相位同步误差、目标三维摆动以及雷达接收船三维摆动共同引起的图像失真对成像结果的影响也可以被忽略。最后本文研究了高海情下GEO星发-船收ISAR舰船目标成像问题。根据GEO雷达的空间轨道运动特性、目标和接收雷达船三维摆动特性,建立了GEO星发-船收双基地ISAR舰船目标成像模型,推导出ISAR图像表达式以及点扩散函数。从理论上分析指出了GEO轨道运动、雷达接收船三维摆动、双基地系数（双基地角）对成像结果的影响。在理论分析的基础上,提出了GEO轨道运动补偿方法、雷达接收船三维摆动补偿方法以及高海情下GEO星发-船收双基地ISAR舰船目标成像算法。最终利用仿真成像实验验证了GEO轨道运动、雷达接收船三维摆动对成像影响的机理,同时验证了GEO轨道运动补偿、雷达接收船三维摆动补偿以及成像算法的有效性。
二、复杂环境下的ISAR成像研究（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、复杂环境下的ISAR成像研究（论文提纲范文）
（1）基于ISAR序列成像的空间目标状态估计方法研究（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 研究背景及选题意义 |
| 1.2 研究现状 |
| 1.2.1 国内外地基空间观测ISAR系统发展 |
| 1.2.2 空间目标ISAR成像与状态估计技术进展 |
| 1.3 拟研究的关键问题 |
| 1.4 本文内容安排 |
| 第二章 空间目标ISAR图像投影提取与姿态估计 |
| 2.1 引言 |
| 2.2 高分辨ISAR成像基础 |
| 2.2.1 ISAR成像基本原理 |
| 2.2.2 ISAR成像转台模型 |
| 2.3 空间目标ISAR观测序列的成像时间段划分 |
| 2.3.1 雷达观测视角序列获取 |
| 2.3.2 空间目标ISAR成像时间段的优化准则 |
| 2.4 目标ISAR图像投影形态与姿态估计原理 |
| 2.4.1 空间目标ISAR成像等效投影模型 |
| 2.4.2 传统因式分解方法原理 |
| 2.4.3 目标投影形态与姿态估计 |
| 2.5 基于ISAR投影形态的空间目标姿态估计方法 |
| 2.5.1 算法流程 |
| 2.5.2 ISAR图像序列获取与目标边界提取 |
| 2.5.3 ISAR图像内矩形部件提取与形状匹配 |
| 2.5.4 空间目标在轨姿态参数估计 |
| 2.5.5 ISAR图像序列重建与部件尺寸估计 |
| 2.6 基于序列投影形态的目标姿态估计实验 |
| 2.6.1 不同特征提取对比实验 |
| 2.6.2 散射点提取误差对因式分解法性能影响分析 |
| 2.6.3 基于投影形态的目标姿态估计 |
| 2.6.4 实验误差分析 |
| 2.7 本章小结 |
| 第三章 空间目标ISAR图像二次相位提取与姿态估计 |
| 3.1 引言 |
| 3.2 空间目标ISAR图像二次相位与姿态估计 |
| 3.2.1 空间目标ISAR图像内的二次相位 |
| 3.2.2 传统成像算法中的相位补偿 |
| 3.2.3 基于ISAR图像二次相位的目标姿态估计 |
| 3.3 图像对比度最大化的二次相位系数求解方法 |
| 3.4 基于图像二次相位的目标姿态估计实验 |
| 3.4.1 散射点阵列验证实验 |
| 3.4.2 典型空间目标姿态估计 |
| 3.5 多站观测条件下的拓展实验与分析 |
| 3.6 本章小结 |
| 第四章 多站ISAR联合观测下的自旋空间目标状态估计 |
| 4.1 引言 |
| 4.2 多站ISAR观测下自旋目标投影形态分析 |
| 4.3 基于多站ISAR图像投影形态的自旋目标状态估计方法 |
| 4.3.1 算法流程 |
| 4.3.2 ISAR图像时间同步 |
| 4.3.3 图像特征提取 |
| 4.3.4 目标瞬时状态求解 |
| 4.3.5 估计优化验证 |
| 4.4 自旋目标多站ISAR投影形态反演瞬时状态实验 |
| 4.4.1 空间目标瞬时状态参数估计 |
| 4.4.2 估计误差分析 |
| 4.4.3 不同自旋模式下的目标动态估计 |
| 4.5 多站ISAR观测下自旋目标相位特征分析 |
| 4.6 基于多站ISAR图像二次相位的自旋目标动态估计方法 |
| 4.7 自旋目标多站ISAR图像二次相位反演瞬时状态实验 |
| 4.7.1 散射点阵列验证实验 |
| 4.7.2 典型空间目标瞬时状态参数估计 |
| 4.7.3 对比实验 |
| 4.8 本章小结 |
| 第五章 光学-雷达联合观测下的空间目标状态估计 |
| 5.1 引言 |
| 5.2 ISAR与光学成像几何对比分析 |
| 5.3 单站光学-雷达联合观测下的目标投影形态分析 |
| 5.4 基于光电信息融合的自旋空间目标状态估计方法 |
| 5.4.1 算法流程 |
| 5.4.2 图像预处理 |
| 5.4.3 投影特征提取 |
| 5.4.4 瞬时姿态估计 |
| 5.4.5 自旋参数估计 |
| 5.5 光电信息融合的自旋目标状态估计实验 |
| 5.5.1 空间目标瞬时状态参数估计 |
| 5.5.2 误差分析 |
| 5.5.3 长时间序列内的目标动态估计 |
| 5.5.4 对比实验 |
| 5.6 基于单站多视角ISAR图像序列的空间目标三维重建方法 |
| 5.6.1 光学多视图目标三维重建 |
| 5.6.2 ISAR多视图空间目标三维重建 |
| 5.6.3 ISAR轮廓特征提取 |
| 5.6.4 目标可视三维表面重建 |
| 5.7 光电信息融合的目标三维结构重建实验 |
| 5.7.1 大视角ISAR观测下的空间目标三维重建 |
| 5.7.2 ISAR观测视角受限条件下的空间目标三维重建 |
| 5.7.3 基于单站光电信息融合的空间目标三维重建 |
| 5.7.4 对比实验 |
| 5.8 本章小结 |
| 第六章 总结与展望 |
| 6.1 全文总结 |
| 6.2 未来工作展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
（2）高分辨ISAR成像与精细化运动补偿技术研究（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 ISAR成像发展概述 |
| 1.2 研究背景与意义 |
| 1.3 关键问题与研究现状 |
| 1.4 本文研究内容安排 |
| 第二章 ISAR成像基础及联合距离空变自聚焦和方位定标算法 |
| 2.1 引言 |
| 2.2 ISAR成像原理 |
| 2.2.1 ISAR信号模型 |
| 2.2.2 ISAR运动补偿技术 |
| 2.3 联合ISAR方位定标和距离空变自聚焦 |
| 2.3.1 ISAR方位定标信号模型 |
| 2.3.2 基于图像最小熵的最优参数估计 |
| 2.3.3 仿真和实测数据实验分析 |
| 2.4 本章小结 |
| 第三章 联合平动运动补偿和精细化方位定标算法 |
| 3.1 引言 |
| 3.2 信号模型 |
| 3.3 基于最大对比度的联合平动运动补偿和精细化方位定标算法 |
| 3.3.1 参数化建模和代价函数定义 |
| 3.3.2 基于BFGS的最优参数估计 |
| 3.3.3 基于DAIC的自适应多项式阶次选择 |
| 3.4 仿真和实测数据实验分析 |
| 3.4.1 仿真数据实验分析 |
| 3.4.2 实测数据实验分析 |
| 3.5 本章小结 |
| 第四章 基于海洋动力学先验信息的舰船目标ISAR最优成像时间段选择算法 |
| 4.1 引言 |
| 4.2 基于海洋动力学先验信息的舰船目标运动分析 |
| 4.2.1 舰船3-D转动运动的推导和分析 |
| 4.2.2 有效转速矢量分析 |
| 4.3 最优成像时间段选择 |
| 4.3.1 最优成像时刻选择 |
| 4.3.2 最优成像积累时长选择 |
| 4.4 实验结果与分析 |
| 4.4.1 |ω_e(t)|和ω_e(t)指向关系的仿真分析 |
| 4.4.2 最优成像时间段选择算法实验验证 |
| 4.5 本章小结 |
| 第五章 机动目标精细化ISAR自聚焦算法 |
| 5.1 引言 |
| 5.2 精细化空变相位误差模型 |
| 5.3 机动目标精细化相位自聚焦 |
| 5.3.1 准备工作 |
| 5.3.2 拟牛顿法实现最优化 |
| 5.3.3 运动参数粗估计 |
| 5.4 仿真和实测数据实验分析 |
| 5.4.1 仿真数据实验分析 |
| 5.4.2 实测数据实验分析 |
| 5.5 本章小结 |
| 第六章 基于2-D联合稀疏重构的高分辨ISAR成像与运动补偿 |
| 6.1 引言 |
| 6.2 SSFM-SAW信号模型和2D-JSR原理 |
| 6.2.1 SSFM-SAW信号模型 |
| 6.2.2 基于Bayesian稀疏表征的2D-JSR |
| 6.3 基于2D-JSR的高分辨ISAR成像 |
| 6.4 SSFM-SAW的运动补偿和方位定标 |
| 6.5 仿真和实测数据实验分析 |
| 6.5.1 仿真数据实验分析 |
| 6.5.2 实测数据实验分析 |
| 6.6 本章小结 |
| 第七章 基于2-D联合稀疏重构的3-D机动运动目标InISAR成像 |
| 7.1 引言 |
| 7.2 信号模型 |
| 7.2.1 空变波程差信号模型 |
| 7.2.2 SFB-SA信号模型 |
| 7.3 基于SFB-SA的JMC-2D-JSR ISAR成像 |
| 7.4 精细化图像配准和3-D几何重构 |
| 7.4.1 空变波程差性能分析 |
| 7.4.2 基于最大相关系数的联合波程差补偿算法 |
| 7.4.3 目标3-D几何重构 |
| 7.5 仿真和实测数据实验分析 |
| 7.5.1 仿真数据实验分析 |
| 7.5.2 实测数据实验分析 |
| 7.6 本章小结 |
| 第八章 总结与展望 |
| 8.1 本文总结 |
| 8.2 工作展望 |
| 附录A |
| 附录B |
| 附录C |
| 参考文献 |
| 致谢 |
| 作者简介 |
（4）机动目标ISAR成像及空间目标特征提取方法研究（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 ISAR成像发展概述 |
| 1.2.1 地基ISAR系统 |
| 1.2.2 海基和舰载ISAR系统 |
| 1.3 国内外研究现状 |
| 1.3.1 机动目标ISAR成像 |
| 1.3.2 ISAR图像特征提取 |
| 1.3.3 关键问题和难点 |
| 1.4 研究内容安排 |
| 第二章 ISAR成像基本原理 |
| 2.1 引言 |
| 2.2 ISAR成像原理 |
| 2.2.1 成像几何与信号模型 |
| 2.2.2 ISAR成像的平动补偿 |
| 2.2.3 ISAR成像的包络对齐 |
| 2.2.4 ISAR成像的初相矫正 |
| 2.2.5 ISAR成像的投影理论 |
| 2.3 本章小结 |
| 第三章 基于跟踪信息的ISAR成像时间段选择方法 |
| 3.1 引言 |
| 3.2 ISAR成像几何与信号模型 |
| 3.3 最优成像时间段选择 |
| 3.3.1 目标姿态角估计 |
| 3.3.2 评估姿态角的线性度 |
| 3.3.3 最优成像时间段的选择 |
| 3.4 实验结果与分析 |
| 3.5 本章小结 |
| 第四章 基于最小熵优化的ISAR成像运动补偿 |
| 4.1 引言 |
| 4.2 ISAR成像几何与信号模型 |
| 4.2.1 非均匀旋转目标的信号模型 |
| 4.2.2 二维空变相位误差 |
| 4.3 最优参数估计 |
| 4.3.1 基于参数最小熵的优化 |
| 4.3.2 运动参数的粗估计 |
| 4.4 实验结果与分析 |
| 4.4.1 仿真实验 |
| 4.4.2 不同信噪比的实验 |
| 4.4.3 实测实验 |
| 4.5 本章小结 |
| 第五章 基于ISAR图像解译的空间目标物理特征提取 |
| 5.1 引言 |
| 5.2 ISAR成像的投影过程 |
| 5.3 建立空间目标ISAR成像投影矩阵 |
| 5.3.1 空间目标雷达观测视角估计 |
| 5.3.2 空间目标ISAR图像的方位分辨率估计 |
| 5.4 空间目标姿态和尺寸估计方法 |
| 5.4.1 基于Pix2pixGAN的ISAR图像分割方法 |
| 5.4.2 基于OMP的ISAR图像散射中心提取方法 |
| 5.4.3 基于PCA的卫星主体特征提取 |
| 5.4.4 卫星主体姿态和尺寸估计方法 |
| 5.5 实验结果与分析 |
| 5.5.1 实验数据介绍 |
| 5.5.2 所提分割算法的表现 |
| 5.5.3 所提算法的实验结果 |
| 5.5.4 对比实验 |
| 5.6 本章小结 |
| 第六章 总结与展望 |
| 6.1 工作总结 |
| 6.2 工作展望 |
| 参考文献 |
| 附录 A 关于空变相位误差参数ζ_x和ζ_y的推导 |
| 附录 B 关于空变相位误差C_x和C_y的推导 |
| 致谢 |
| 作者简介 |
（5）基于稀疏贝叶斯学习的逆合成孔径雷达高分辨成像方法研究（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 研究背景及研究意义 |
| 1.2 ISAR成像方法研究现状 |
| 1.2.1 传统ISAR成像方法 |
| 1.2.2 稀疏ISAR成像方法 |
| 1.2.3 ISAR自聚焦方法 |
| 1.2.4 机动目标ISAR成像方法 |
| 1.3 本文内容安排 |
| 第二章 基于Gamma-Gaussian先验的ISAR成像 |
| 2.1 引言 |
| 2.2 回波建模 |
| 2.2.1 线性调频信号和解线频调处理 |
| 2.2.2 方位回波建模 |
| 2.3 概率建模 |
| 2.4 模型求解 |
| 2.4.1 稀疏重构 |
| 2.4.2 随机相位误差估计 |
| 2.4.3 算法流程 |
| 2.5 实验结果与分析 |
| 2.5.1 蒙特卡洛实验 |
| 2.5.2 实测数据成像结果 |
| 2.6 本章小结 |
| 第三章 基于spike-and-slab先验的ISAR成像 |
| 3.1 引言 |
| 3.2 概率建模 |
| 3.3 模型求解 |
| 3.3.1 稀疏重构 |
| 3.3.2 随机相位误差估计 |
| 3.3.3 算法流程 |
| 3.4 实验结果与分析 |
| 3.4.1 蒙特卡洛实验 |
| 3.4.2 实测数据成像结果 |
| 3.5 本章小结 |
| 第四章 基于稀疏贝叶斯学习的机动目标ISAR成像 |
| 4.1 引言 |
| 4.2 回波建模 |
| 4.3 模型求解 |
| 4.3.1 稀疏重构 |
| 4.3.2 旋转参数估计 |
| 4.3.3 算法流程 |
| 4.4 实验结果与分析 |
| 4.4.1 点仿真实验 |
| 4.4.2 实测数据成像结果 |
| 4.5 本章小结 |
| 第五章 结束语 |
| 5.1 本文工作总结 |
| 5.2 工作展望 |
| 附录 |
| 参考文献 |
| 致谢 |
| 作者简介 |
（6）基于ISAR的机动目标快速成像与识别技术研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 附录A 符号对照表 |
| 附录B 缩略语对照表 |
| 第1章 绪论 |
| 1.1 课题背景 |
| 1.2 课题研究目的和意义 |
| 1.3 国内外研究现状 |
| 1.3.1 ISAR成像技术发展与研究现状 |
| 1.3.2 雷达目标识别技术发展与研究现状 |
| 1.3.3 机动目标ISAR成像与识别问题分析 |
| 1.4 主要研究内容和结构安排 |
| 第2章 ISAR系统模型及成像算法研究 |
| 2.1 引言 |
| 2.2 ISAR系统模型 |
| 2.2.1 距离-方位二维转台模型 |
| 2.2.2 合成孔径二维分辨原理 |
| 2.2.3 系统关键参数 |
| 2.3 机动目标回波频谱特性建模 |
| 2.3.1 距离向回波特性 |
| 2.3.2 方位向回波特性 |
| 2.4 面向机动目标的RD算法优化设计 |
| 2.4.1 经典RD算法及通用补偿方法 |
| 2.4.2 机动目标RD成像仿真分析 |
| 2.4.3 基于RD的算法优化方案 |
| 2.5 通用实验模型及性能评价指标 |
| 2.5.1 实验环境 |
| 2.5.2 仿真实验模型与通用实测数据 |
| 2.5.3 性能评价指标 |
| 2.6 本章小结 |
| 第3章 基于RP相关性的快速参数估计与补偿 |
| 3.1 引言 |
| 3.2 基于RP相关性的优化对称累积互相关法 |
| 3.2.1 对称累积互相关处理 |
| 3.2.2 复杂度优化与分析 |
| 3.2.3 OSACM算法实现流程 |
| 3.3 径向平稳目标的一阶参数估计与补偿 |
| 3.3.1 基于FrFT的距离压缩 |
| 3.3.2 FrFT匹配阶数搜索算法的优化 |
| 3.3.3 基于FrFT的一阶参数估计方法 |
| 3.4 径向非平稳目标的高阶参数估计与补偿 |
| 3.5 算法精度与复杂度的仿真实验分析 |
| 3.6 本章小结 |
| 第4章 基于幂权傅立叶变换的快速成像处理 |
| 4.1 引言 |
| 4.2 幂权傅立叶变换 |
| 4.2.1 幂权傅立叶变换的定义 |
| 4.2.2 PWFT的频谱单峰锐化特性 |
| 4.3 基于PWFT的快速成像 |
| 4.3.1 基于PWFT的高阶运动补偿 |
| 4.3.2 基于PWFT的高阶方位聚焦 |
| 4.3.3 PWFT-RD快速成像算法 |
| 4.4 基于PWFT的非常规窗函数设计 |
| 4.4.1 幂权窗的定义 |
| 4.4.2 幂权窗与常规窗函数的比较 |
| 4.5 仿真实验分析 |
| 4.5.1 平动补偿性能分析 |
| 4.5.2 方位聚焦性能分析 |
| 4.5.3 成像算法性能比较 |
| 4.5.4 ISAR图像加窗结果比较 |
| 4.6 本章小结 |
| 第5章 基于深度学习的机动目标快速识别 |
| 5.1 引言 |
| 5.2 ISAR回波数据的典型表征形式分析 |
| 5.3 基于CNN的端到端识别网络框架 |
| 5.4 样本多维特征驱动的N流识别网络设计 |
| 5.4.1 单一表征样本驱动的单流网络 |
| 5.4.2 多元表征样本驱动的多流融合网络 |
| 5.5 识别网络的实验论证与性能分析 |
| 5.5.1 多场景数据集构建与网络训练 |
| 5.5.2 识别网络性能分析 |
| 5.5.3 与已有识别方法的性能比较 |
| 5.6 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 |
（7）认知ISAR关键技术研究（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 国内外相关研究及现状 |
| 1.3 本文内容安排 |
| 第二章 调频波形高分辨ISAR成像 |
| 2.1 引言 |
| 2.2 线性调频脉冲波形高分辨ISAR成像 |
| 2.2.1 信号建模与成像算法设计 |
| 2.2.2 仿真实验与分析 |
| 2.3 步进频波形高分辨ISAR成像 |
| 2.3.1 信号建模与成像算法设计 |
| 2.3.2 仿真实验与分析 |
| 2.4 稀疏步进频波形高分辨ISAR成像 |
| 2.4.1 信号建模与成像算法设计 |
| 2.4.2 仿真实验与分析 |
| 2.5 调频步进波形高分辨ISAR成像 |
| 2.5.1 信号建模与成像算法设计 |
| 2.5.2 仿真实验与分析 |
| 2.6 本章小结 |
| 第三章 认知ISAR波形优化及高分辨成像 |
| 3.1 引言 |
| 3.2 基于最大互信息准则的波形优化 |
| 3.2.1 问题建模 |
| 3.2.2 模型求解 |
| 3.3 基于联合准则的波形优化 |
| 3.3.1 问题建模 |
| 3.3.2 模型求解 |
| 3.4 优化波形高分辨ISAR成像 |
| 3.4.1 认知ISAR稀疏建模 |
| 3.4.2 成像算法 |
| 3.5 仿真实验与分析 |
| 3.5.1 基于最大互信息准则的波形优化实验 |
| 3.5.2 基于联合准则的波形优化实验 |
| 3.6 本章小结 |
| 第四章 稀疏调频步进波形低信噪比机动目标高分辨成像 |
| 4.1 引言 |
| 4.2 稀疏调频步进信号建模 |
| 4.2.1 回波模型 |
| 4.2.2 稀疏建模 |
| 4.3 稀疏调频步进波形的高分辨ISAR成像 |
| 4.3.1 运动参数估计与总体成像流程 |
| 4.3.2 基于采样方法的高分辨距离像重构 |
| 4.3.3 算法分析 |
| 4.4 仿真实验与分析 |
| 4.4.1 蒙特卡洛实验 |
| 4.4.2 运动参数估计仿真实验 |
| 4.4.3 仿真与实测数据实验 |
| 4.5 本章小结 |
| 第五章 基于高分辨成像的认知ISAR资源优化调度 |
| 5.1 引言 |
| 5.2 发射波形参数设计 |
| 5.3 基于ISAR成像的认知ISAR资源调度建模 |
| 5.3.1 资源调度约束条件 |
| 5.3.2 认知ISAR资源调度模型 |
| 5.4 基于遗传算法的认知ISAR资源调度方法 |
| 5.5 仿真实验与分析 |
| 5.6 本章小结 |
| 第六章 结束语 |
| 6.1 本文工作总结 |
| 6.2 工作展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
（8）基于非参数贝叶斯的ISAR稀疏成像研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 符号对照表 |
| 缩略语对照表 |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 ISAR系统与现有成像方法概述 |
| 1.2.1 现有ISAR系统 |
| 1.2.2 ISAR成像方法发展与研究现状 |
| 1.2.3 非参数贝叶斯方法发展与研究现状 |
| 1.3 本文内容安排 |
| 第二章 稀疏ISAR成像原理 |
| 2.1 引言 |
| 2.2 回波建模 |
| 2.2.1 距离维成像 |
| 2.2.2 方位维成像 |
| 2.3 基于数值优化的稀疏ISAR成像 |
| 2.3.1 基于OMP算法的ISAR成像 |
| 2.3.2 基于L1范数优化算法的ISAR成像 |
| 2.4 基于参数化贝叶斯的ISAR成像 |
| 2.4.1 概率建模 |
| 2.4.2 模型参数求解 |
| 2.5 实验与分析 |
| 2.5.1 一维向量重构实验 |
| 2.5.2 实测数据成像实验 |
| 2.6 本章小结 |
| 第三章 基于非参数贝叶斯的低信噪比成像 |
| 3.1 引言 |
| 3.2 信号模型 |
| 3.3 基于Beta过程的ISAR成像 |
| 3.3.1 概率建模 |
| 3.3.2 模型求解 |
| 3.4 基于Gamma过程的ISAR成像 |
| 3.4.1 概率建模 |
| 3.4.2 模型求解 |
| 3.5 实验分析 |
| 3.5.1 蒙特卡洛实验 |
| 3.5.2 实测数据实验 |
| 3.6 本章小结 |
| 第四章 基于Gamma过程及稳健噪声建模的ISAR成像 |
| 4.1 引言 |
| 4.2 概率建模 |
| 4.3 模型求解 |
| 4.3.1 MAP-EM方法求解 |
| 4.3.2 算法流程及数值问题 |
| 4.3.3 讨论 |
| 4.4 实验分析 |
| 4.4.1 蒙特卡洛实验 |
| 4.4.2 实测数据结果 |
| 4.5 本章小结 |
| 第五章 结束语 |
| 5.1 本文工作总结 |
| 5.2 工作展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
（9）典型地貌地表的电磁散射建模及其成像研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 符号对照表 |
| 缩略语对照表 |
| 第一章 绪论 |
| 1.1 研究背景和目的 |
| 1.2 研究现状与发展历史 |
| 1.3 本文的主要工作 |
| 第二章 典型地表的等效介电常数及其散射理论研究 |
| 2.1 典型地表的等效介电常数模型 |
| 2.1.1 土壤的等效介电常数模型 |
| 2.1.2 植被的等效介电常数模型 |
| 2.1.3 沙地的等效介电常数模型 |
| 2.1.4 混凝土的等效介电常数模型 |
| 2.2 粗糙表面的散射理论计算 |
| 2.2.1 基尔霍夫近似法 |
| 2.2.2 微扰法 |
| 2.2.3 小斜率近似 |
| 2.3 粗糙表面的积分方程方法 |
| 2.3.1 IEM方法 |
| 2.3.2 AIEM方法 |
| 2.4 本章小结 |
| 第三章 VRT对典型地表的散射计算 |
| 3.1 VRT中散射元的散射场 |
| 3.1.1 散射元的Stokes矢量 |
| 3.1.2 非球形粒子的Rayleigh-Gans近似 |
| 3.2 VRT在双层植被模型的应用 |
| 3.2.1 植被模型中矢量传输理论的推导 |
| 3.2.2 数值计算结果分析 |
| 3.3 VRT在混凝土路面的应用 |
| 3.3.1 混凝土路面矢量传输方程推导 |
| 3.3.2 数值计算结果分析 |
| 3.4 本章小结 |
| 第四章 多层植被模型的Monte-Carlo方法 |
| 4.1 Monte-Carlo在双层植被模型的应用 |
| 4.1.1 单体植被散射模型 |
| 4.1.2 Monte-Carlo数值计算结果分析 |
| 4.2 Monte-Carlo在簇分布植被的应用 |
| 4.2.1 簇分布散射模型 |
| 4.2.2 数值结果分析 |
| 4.3 Monte-Carlo在三层植被模型的应用 |
| 4.3.1 有限介质圆柱散射 |
| 4.3.2 三层植被散射计算 |
| 4.4 本章小结 |
| 第五章 典型地表地貌的成像研究 |
| 5.1 SAR成像算法在典型地表的应用 |
| 5.1.1 RD算法原理 |
| 5.1.2 地表面SAR成像结果分析 |
| 5.2 ISAR成像技术在典型地表的应用 |
| 5.2.1 逆向合成孔径雷达(ISAR) |
| 5.2.2 典型地表面的ISAR成像 |
| 5.3 基于地形图的DEM的散射计算及成像研究 |
| 5.3.1 DEM数据的插值处理 |
| 5.3.2 基于DEM地形的后向散射系数模型 |
| 5.3.3 基于DEM地形的SAR成像 |
| 5.4 本章小结 |
| 第六章 总结 |
| 参考文献 |
| 致谢 |
| 作者简介 |
（10）双基地ISAR复杂运动舰船成像研究（论文提纲范文）
| 摘要 |
| Abstract |
| 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 岸基ISAR舰船目标成像研究 |
| 1.2.2 船载ISAR成像研究 |
| 1.2.3 GEO雷达成像研究 |
| 1.2.4 双基地ISAR成像研究 |
| 1.2.5 目前存在的问题 |
| 1.3 本文研究内容与结构安排 |
| 第2章 船载单基地ISAR舰船目标成像研究 |
| 2.1 引言 |
| 2.2 舰船三维摆动特性 |
| 2.3 船载单基地ISAR目标回波模型和点扩散函数 |
| 2.3.1 船载单基地ISAR舰船目标成像几何构型 |
| 2.3.2 船载单基地ISAR舰船目标回波模型 |
| 2.3.3 距离近似误差分析与电波平面波的成立条件 |
| 2.3.4 船载单基地ISAR成像的点扩散函数 |
| 2.3.5 雷达载船三维摆动补偿 |
| 2.4 船载单基地ISAR方位向压缩算法 |
| 2.4.1 实数时间延迟型时频分布 |
| 2.4.2 复数时间延迟型时频分布 |
| 2.5 船载单基地ISAR仿真成像实验 |
| 2.6 船载单基地ISAR半实测数据验证 |
| 2.7 本章小结 |
| 第3章 岸发-船收双基地ISAR舰船目标成像研究 |
| 3.1 引言 |
| 3.2 岸发-船收双基地ISAR目标与雷达几何关系 |
| 3.3 低海情下岸发-船收双基地ISAR舰船目标成像研究 |
| 3.3.1 低海情下目标与雷达之间几何构型 |
| 3.3.2 低海情下目标回波模型和点扩散函数 |
| 3.3.3 方位向定标与目标长度估计 |
| 3.3.4 低海情下仿真成像实验 |
| 3.4 高海情下岸发-船收双基地ISAR舰船目标成像研究 |
| 3.4.1 高海情下目标与雷达之间几何构型 |
| 3.4.2 高海情下目标回波模型和点扩散函数 |
| 3.4.3 高海情下仿真成像实验 |
| 3.5 本章小结 |
| 第4章 同步误差对岸发-船收双基地ISAR成像影响 |
| 4.1 引言 |
| 4.2 相位同步误差存在时目标回波模型 |
| 4.3 相位同步误差存在时的运动补偿分析 |
| 4.3.1 径向运动补偿 |
| 4.3.2 雷达接收船三维摆动补偿 |
| 4.4 相位同步误差存在时回波的点扩散函数 |
| 4.5 图像失真分析 |
| 4.6 相位同步误差存在时仿真成像实验 |
| 4.7 本章小结 |
| 第5章 GEO星发-船收双基地ISAR舰船目标成像研究 |
| 5.1 引言 |
| 5.2 GEO雷达的空间运动特性 |
| 5.2.1 GEO雷达与地球之间的几何构型 |
| 5.2.2 GEO雷达的速度与波束覆盖范围 |
| 5.3 GEO星发-船收双基地ISAR目标回波模型和点扩散函数 |
| 5.3.1 雷达与目标之间的空间几何构型 |
| 5.3.2 GEO星发-船收双基地ISAR成像的点扩散函数 |
| 5.4 同步误差对成像影响 |
| 5.5 高海情下GEO星发-船收双基地舰船目标成像仿真实验 |
| 5.6 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 |
四、复杂环境下的ISAR成像研究（论文参考文献）
- [1]基于ISAR序列成像的空间目标状态估计方法研究[D]. 周叶剑. 西安电子科技大学, 2020
- [2]高分辨ISAR成像与精细化运动补偿技术研究[D]. 邵帅. 西安电子科技大学, 2020
- [3]宽带逆合成孔径雷达高分辨成像技术综述[J]. 田彪,刘洋,呼鹏江,吴文振,徐世友,陈曾平. 雷达学报, 2020(05)
- [4]机动目标ISAR成像及空间目标特征提取方法研究[D]. 王家东. 西安电子科技大学, 2020(05)
- [5]基于稀疏贝叶斯学习的逆合成孔径雷达高分辨成像方法研究[D]. 王格. 西安电子科技大学, 2020
- [6]基于ISAR的机动目标快速成像与识别技术研究[D]. 薛佳音. 哈尔滨工业大学, 2020(01)
- [7]认知ISAR关键技术研究[D]. 王樾. 西安电子科技大学, 2020
- [8]基于非参数贝叶斯的ISAR稀疏成像研究[D]. 张毓. 西安电子科技大学, 2020
- [9]典型地貌地表的电磁散射建模及其成像研究[D]. 肖俊鑫. 西安电子科技大学, 2020(05)
- [10]双基地ISAR复杂运动舰船成像研究[D]. 刘子滔. 哈尔滨工业大学, 2020(01)