基于压缩感知的雷达目标检测研究硕士学位
基于压缩感知的雷达目标检测研究硕士学位
中图分类号：TN957 论文编号：1028704 15-S051
学科分类号：081001
硕士学位论文
基于压缩感知的
雷达目标检测研究
研究生姓名
学科、专业通信与信息系统
研究方向雷达信号处理
指导教师
XIII
Nanjing University of Aeronautics and Astronautics
The Graduate School
College of Electronic and Information Engineering
Study of Radar Target Detection Based on
Compressed Sensing
A Thesis in
Radar Signal Processing
By
Advised by
Submitted in Partial Fulfillment
of the Requirements
for the Degree of
Master of Engineering
December, 2014
XIII
毕业论文（设计）原创性声明
本人所呈交的毕业论文（设计）是我在导师的指导下进行的研究工作及取得的研究成果。据我所知，除文中已经注明引用的内容外，本论文（设计）不包含其他个人已经发表或撰写过的研究成果。对本论文（设计）的研究做出重要贡献的个人和集体，均已在文中作了明确说明并表示谢意。
作者签名：日期：
毕业论文（设计）授权使用说明
本论文（设计）作者完全了解**学院有关保留、使用毕业论文（设计）的规定，学校有权保留论文（设计）并向相关部门送交论文（设计）的电子版和纸质版。有权将论文（设计）用于非赢利目的的少量复制并允许论文（设计）进入学校图书馆被查阅。学校可以公布论文（设计）的全部或部分内容。保密的论文（设计）在解密后适用本规定。
作者签名：指导教师签名：
日期：日期：
XIII
注意事项
1.设计（论文）的内容包括：
1）封面（按教务处制定的标准封面格式制作）
2）原创性声明
3）中文摘要（300字左右）、关键词
4）外文摘要、关键词
5）目次页（附件不统一编入）
6）论文主体部分：引言（或绪论）、正文、结论
7）参考文献
8）致谢
9）附录（对论文支持必要时）
2.论文字数要求：理工类设计（论文）正文字数不少于1万字（不包括图纸、程序清单等），文科类论文正文字数不少于1.2万字。
3.附件包括：任务书、开题报告、外文译文、译文原文（复印件）。
4.文字、图表要求：
1）文字通顺，语言流畅，书写字迹工整，打
XIII
印字体及大小符合要求，无错别字，不准请他人代写
2）工程设计类题目的图纸，要求部分用尺规绘制，部分用计算机绘制，所有图纸应符合国家技术标准规范。图表整洁，布局合理，文字注释必须使用工程字书写，不准用徒手画
3）毕业论文须用A4单面打印，论文50页以上的双面打印
4）图表应绘制于无格子的页面上
5）软件工程类课题应有程序清单，并提供电子文档
5.装订顺序
1）设计（论文）
2）附件：按照任务书、开题报告、外文译文、译文原文（复印件）次序装订
3）其它
摘要
近年来提出的压缩感知（Compressive Sensing，CS）理论突破了奈奎斯特（Nyquist）
XIII
采样定理的限制，能够以较低的采样率直接对信息进行采样，在雷达领域具有良好的应用前景，CS雷达已成为雷达信号处理领域的研究热点，但CS理论在应用雷达领域中面临着量化误差、
相关性影响、失配、低信噪比、目标检测等问题。其中，CS雷达目标检测是CS理论在雷达系统中应用所面临的主要问题之一。
本文在国家自然科学基金的支持下，针对CS 雷达低信噪比（Signal-to-Noise Rate，SNR）下的检测问题，分析了CS雷达重构与目标检测关系、从低信噪比重构、脉冲积累方案等方面开展研究。本文的主要研究成果和贡献概括如下：针对CS雷达面临的问题，深入分析了信号的稀疏表示、测量矩阵设计、重构算法等基本问题。描述了CS雷达的典型架构，研究了目前CS 雷达亟待解决的低信噪比下的重构和目标检测问题。
针对复信息逼近传递（Complex Approximate Message Passing，CAMP）算法中的固定阈值函数影响含噪信号的重构性能问题，研究了一种阈值自适应寻优的CAMP算法，通过寻找最高输出信噪比对应的阈值，获得稀疏信号和非稀疏信号的重构。仿真实验证明该算法的重构性能得到显著改善，为CS雷达的目标检测奠定基础。
针对目前CS雷达在高斯背景下的目标检测问题，基于恒虚警率（Constant False Alarm Rate ，CFAR）检测理论，结合CAMP算法，建立了两种基于CS的雷达目标检测方案，推导了稀疏域和非稀疏域信号检测概率和虚警概率的公式，利用稀疏信号和步进频雷达信号分别对这两种方案进行仿真验证，结果表明非稀疏域信号
XIII
基于压缩感知的雷达成像
H a r b i n I n s t i t u t e o f T e c h n o l o g y 课程报告 课程名称：现代信号处理专题论文题目：基于压缩感知的雷达成像院系：电信学院 班级：电子一班 设计者：刘玉鑫 学号：13S005061 指导教师：张云 时间：2014.06 哈尔滨工业大学
第一章压缩感知理论基本原理 1.1 压缩感知的基本知识 压缩感知理论的核心思想主要包括两点。第一个是信号的稀疏结构。传统的香农信号表示方法只开发利用了最少的被采样信号的先验信息，即信号的带宽。但是，现实生活中很多广受关注的信号本身具有一些结构特点。相对于带宽信息的自由度，这些结构特点是由信号的更小的一部分自由度所决定。换句话说，在很少的信息损失情况下，这种信号可以用很少的数字编码表示。所以，在这种意义上，这种信号是稀疏信号（或者近似稀疏信号、可压缩信号）。另外一点是不相关特性。稀疏信号的有用信息的获取可以通过一个非自适应的采样方法将信号压缩成较小的样本数据来完成。理论证明压缩感知的采样方法只是一个简单的将信号与一组确定的波形进行相关的操作。这些波形要求是与信号所在的稀疏空间不相关的。 压缩感知方法抛弃了当前信号采样中的冗余信息。它直接从连续时间信号变换得到压缩样本，然后在数字信号处理中采用优化方法处理压缩样本。这里恢复信号所需的优化算法常常是一个已知信号稀疏的欠定线性逆问题。 1.2 压缩感知的主要原理内容 总的说来，压缩感知方法的处理流程可简要描述为：基于待处理信号在某个基上的稀疏性或可压缩性，设计合理的测量矩阵，获得远小于信号维数但包含足够信号特征信息的采样，通过非线性优化算法重构信号。 在传统理论的指导下，信号X的编解码过程如图1-1所示。编码端首先获得X的N店采样值经变换后只保留其中K个最大的投影系数并对它们的幅度和位置编码，最后将编得的码值进行存储或者传输。 解压缩仅仅是编码过程的逆变换。实际上，采样得到的大部分数据都是不重要的，即K值很小，但由于奈奎斯特采样定理的限制，采样点数N可能会非常大，采样后的压缩是造成资源浪费的根本所在。
雷达运动目标检测大作业
非均匀空时自适应处理 摘要 本文首先依次介绍了在非均匀环境下的STAP处理法，包括降维、降秩以及LSMI方法，接着重点分析了直接数据域（DDD）方法的原理及实现过程，最后针对直接数据域方法进行了仿真实验。 引言 机载雷达对运动目标检测时, 面临的主要问题是如何抑制强大的地面杂波和各种类型的干扰，空时自适应处理（STAP）是解决该问题的关键技术。STAP 技术通过对杂波或干扰训练样本分布特性的实时学习来来形成空域—时域二维自适应权值，实现对机载雷达杂波和干扰的有效抑制。 STAP技术在形成自适应权值时，需要计算杂波协方差矩阵R。实际系统的协方差矩阵是估计得到的，即先在待检测距离单元的临近单元测得K个二维数 据矢量样本V i（i=1，2…K），再计算R的估计值?=Σ i=1K V i V i H∕K，然后可得自 适应权值W=μR^-1S，其中μ为常数，S为空时导向矢量。临近训练样本的选择必须满足独立同分布（IID）条件。同时，为了使由杂波协方差矩阵估计引起的性能损失控制在3dB内，要求均匀训练样本数K至少要2倍于其系统自由度（DOF）。如果所选样本非均匀，则形成的权值无法有效对消待检测单元中所含有的杂波和干扰，从而大大降低对运动目标的检测性能。 在实际应用中, 机载雷达面临的杂波环境往往是非均匀的, 这对经典的S T A P 技术带来了极大的挑战。针对这一难题, 许多新的适用于非均匀杂波环境的S T A P 方法不断被提出。 1、解决非均匀样本的方法 1.1、降维方法 降维方法的最初目的是为了减少空时自适应处理时所需的巨大运算量, 但后来发现该类方法同时大大减少了对均匀训练样本数的需求, 对非均匀情况下杂波抑制起到了积极的作用。降维方法将每次自适应处理所需要抑制的杂波范围限制在某一个较小杂波子空间内, 根据RMB准则和Brennan定理, 自适应处理时所需要的均匀训练样本数由2 倍于整体系统自由度减至降维后2 倍于子空间系统自由度。降维程度越高, 对均匀训练样本的需求就越少。降维方法属固定结构方法, 无法充分利用杂波的统计特性。当辅助波束与杂波谱匹配很好时, 处理性能往往很好。反之, 则性能下降。 1.2、降秩方法 与固定结构降维方法相反, 降秩方法充分利用回波中杂波的分布特性, 每次处理选取完备杂波空间来形成自适应权值对消杂波分量, 可看作依赖回波数据的自适应降维方法。该类方法在形成权值过程中利用的信息中不含噪声分量, 所以避免了小样本情况下噪声发散带来的性能下降问题, 故减少了对均匀训练样本数的需求。同样, 该类方法在满足信杂噪比损失不超过 3 d B 条件时所需的训练样本数约为 2 倍的杂波子空间的维数。从处理器结构上来看, 降秩方法可
雷达的目标识别技术
雷达的目标识别技术 摘要： 对雷达自动目标识别技术和雷达目标识别过程进行了简要回顾，研究了相控阵雷达系统中多目标跟踪识别的重复检测问题提出了角度相关区算法，分析了实现中的若干问题，通过在相控阵雷达地址系统中进行的地址实验和结果分析表明:采用角度相关区算法对重复检测的回波数据进行处理时将使识别的目标信息更精确从而能更早地形成稳定的航迹达到对目标的准确识别。 一．引言 随着科学技术的发展，雷达目标识别技术越来越引起人们的广泛关注，在国防及未来战争中扮演着重要角色。地面雷达目标识别技术目前主要有-Se方式，分别是一维距离成象技术、极化成象技术和目标振动声音频谱识别技术。 1．一维距离成象技术 一维距离成象技术是将合成孔径雷达中的距离成象技术应用于地面雷达。信号带宽与时间分辨率成反比。例如一尖脉冲信号经过一窄带滤波器后宽度变宽、时间模糊变大。其基本原理如图1所示。 2．极化成象技术 电磁波是由电场和磁场组成的。若电场方向是固定的，例如为水
平方向或垂直方向，则叫做线性极化电磁波。线性极化电磁波的反射与目标的形状密切相关。当目标长尺寸的方向与电场的方向一致时，反射系数增大，反之减小。根据这一特征，向目标发射不同极化方向的线性极化电磁波，分别接收它们反射(散射)的回波。通过计算目标散射矩阵便可以识别目标的形状。该方法对复杂形状的目标识别很困难。 3．目标振动声音频谱识别技术 根据多普勒原理，目标的振动、旋转翼旋转将引起发射电磁波的频率移动。通过解调反射电磁波的频率调制，复现目标振动频谱。根据目标振动频谱进行目标识别。 传统上我国地面雷达主要通过两个方面进行目标识别：回波宽度和波色图。点状目标的回波宽度等于入射波宽度。一定尺寸的目标将展宽回波宽度，其回波宽度变化量正比于目标尺寸。通过目标回波宽度的变化可估计目标的大小。目标往往有不同的强反射点，如飞机的机尾、机头、机翼以及机群内各飞机等，往往会在回波上形成不同形状的子峰，如图2所示。 这类波型图叫作波色图。根据波色图内子峰的形状，可获得一些目标信息。熟练的操作员根据回波宽度变化和波色图内子峰形状，进行目标识别。
经典雷达资料-第16章 机载动目标显示(AMTI)雷达-1
第16章机载动目标显示（AMTI）雷达 FRED M. STAUDAHER 16.1 采用AMTI技术的系统 机载搜索雷达最初是为远程侦察机探测舰艇研制的。第二次世界大战后期，美海军研制了几种机载预警（AEW）雷达，用来探测从舰艇雷达天线威力区之下飞近特遣舰队的低空飞机。在增大对空和对海面目标的最大检测距离方面，机载雷达的优点是显而易见的，只要了解下述情况就很清楚了，高度为100ft的天线桅杆，其雷达视线距离只有12n mile，而与其相比，飞机高度为10 000ft时，雷达视线距离则为123n mile。 神风突击队袭击造成多艘哨舰的损失引起了机载自主探测与控制站的设想，后来这种系统发展成为一种用于洲际防空的边界巡逻机。 E—2C航空母舰舰载飞机（如图16.1所示）使用机载预警雷达作为其机载战术数据系统中的主要传感器。这种雷达的视界很宽，用于检测海杂波和地杂波背景中的小飞机目标。由于其首要的任务是检测低空飞行的飞机，因此这种雷达就不能靠抬高天线波束的仰角来消除杂波。AMTI雷达系统就是在这种情况下发展起来的[1]~[3]，与前一章中探讨的地面雷达的MTI 系统相似[1][4]~[6]。 图16.1 带有旋转天线罩的E—2C空中预警机 在截击机火炮控制系统中，AMTI雷达系统还可用来捕捉和跟踪目标。在这种场合中，雷达仅需抑制指定目标附近的杂波。因此，在目标所处的距离和角度扇形区内可将雷达优化到最佳状态。MTI系统也可以装在侦察机或战术歼击-轰炸机上用来检测地面运动的车辆。由于目标速度低，因而采用较高的雷达频率以获得大的多普勒频移。因为背景杂波通常很强，故这些雷达能够有效地采用非相参MTI技术。 高空、高机动、高速度的环境条件及尺寸、重量、功耗的限制给AMTI雷达设计者带来了一系列的特殊问题。本章将专门探讨机载条件下如何处理这些特殊问题。
陆吾生-压缩感知方法及其在稀疏信号和图像处理中的应用
陆吾生教授短期课程“压缩感知方法及其在稀疏信号和图像 处理中的应用”资料 1. 课程介绍_压缩感知方法及其在稀疏信号和图像处理中的应 用.doc 2. 陆吾生教授短期课程“压缩感知方法及其在稀疏信号和图像处理中的应用”的讲义 Lecture_Notes_CS_LWS_Final.pdf 3. 各章所涉及到的Matlab程序 Main functions Main functions.zip（内含 ex3_1.m (for Example 3.1) ex3_2.m (for Example 3.2) gp_denoise.m (for Algorithm GP in Sec.3.2) fgp_denoise.m (for Algorithm FGP in Sec.3.2) gp_deblurr.m (for Algorithm GPB in Sec.3.3) ) Auxiliary functions Auxiliary functions.zip（内含gen_dct.m oper_L.m oper_Lt.m proj_bound.m proj_pair.m gp_denoise_w.m） Data Data.zip（内含camera256.mat 及 lena256.mat）
4. 陆吾生“压缩感知方法及其在稀疏信号和图像处理中的应用”课程（1A-6B）上课录像 Lecture_LWS_1A.rmvb 2010.11.09.(220M) Lecture_LWS_1B.rmvb 2010.11.09.(231M) Lecture_LWS_2A.rmvb 2010.11.11.(252M) Lecture_LWS_2B.rmvb 2010.11.11.(193M) Lecture_LWS_3A.rmvb 2010.11.12.(225M) Lecture_LWS_3B.rmvb 2010.11.12.(200M) Lecture_LWS_4A.rmvb 2010.11.16.(239M) Lecture_LWS_4B.rmvb 2010.11.16.(169M) Lecture_LWS_5A.rmvb 2010.11.18.(239M) Lecture_LWS_5B.rmvb 2010.11.18.(226M) Lecture_LWS_6A.rmvb 2010.11.19.(256M) Lecture_LWS_6B.rmvb 2010.11.19.(224M) 5. 陆吾生教授2010.11.17.在上海大学所做的学术报告，题为：
雷达目标检测性能分析
雷达目标检测实例 雷达对Swerling起伏目标检测性能分析 1.雷达截面积(RCS)的涵义 2.目标RCS起伏模型 3.雷达检测概率、虚警概率推导 4.仿真结果与分析
雷达通过发射和接收电磁波来探测目标。雷达发射的电磁波打在目标上，目标会将入射电磁波向不同方向散射。其中有一部分向雷达方向散射。雷达截面积就是衡量目标反射电磁波能力的参数。
雷达截面积(Radar Cross Section, RCS)定义:22o 2 4π 4π4π4π()4πo i i P P R m P P R σ=== 返回雷达接收机单位立体角内的回波功率 入射功率密度 在远场条件下，目标处每单位入射功率密度在雷达接收机处每单位立体角内产生的反射功率乘以4π。 R 表示目标与雷达之间的距离，P o 、P i 分别为目标反射回 的总功率和雷达发射总功率
?目标RCS和目标的几何横截面是两个不同的概念?复杂目标在不同照射方向上的RCS不同 ?动目标同一方向不同时刻的RCS不同 飞机舰船 目标RCS是起伏变化的，目标RCS大小直接影响着雷达检测性能。为此，需用统计方法来描述目标RCS。基于此，分析雷达目标检测性能。
Swerling 模型是最常用的目标RCS 模型，它包括Swerling 0、I 、II 、III 、IV 五种模型。其中，Swerling 0型目标的RCS 是一个常数，金属圆球就是这类目标。Swerling Ⅰ/Ⅱ型： 1 ()exp()p σ σσσ =- 指数分布 Swerling Ⅰ：目标RCS 在一次天线波束扫描期间是完 全相关的，但本次和下一次扫描不相关（慢起伏），典型目标如前向观察的小型喷气飞机。 Swerling Ⅱ：目标RCS 在任意一次扫描中脉冲间不相关（快起伏），典型目标如大型民用客机。
压缩感知理论综述(原创)
压缩感知理论综述 摘要：信号采样是模拟的物理世界通向数字的信息世界之必备手段。多年来，指导信号采样的理论基础一直是著名的Nyquist采样定理，但其产生的大量数据造成了存储空间的浪费。压缩感知（Compressed Sensing）提出一种新的采样理论，它能够以远低于Nyquist采样速率采样信号。本文详述了压缩感知的基本理论，着重介绍了信号稀疏变换、观测矩阵设计和重构算法三个方面的最新进展，并介绍了压缩感知的应用及仿真，举例说明基于压缩感知理论的编解码理论在一维信号、二维图像处理上的应用。 关键词：压缩感知；稀疏表示；观测矩阵；编码；解码 一、引言 Nyquist采样定理指出，采样速率达到信号带宽的两倍以上时，才能由采样信号精确重建原始信号。可见，带宽是Nyquist采样定理对采样的本质要求。然而随着人们对信息需求量的增加，携带信息的信号带宽越来越宽，以此为基础的信号处理框架要求的采样速率和处理速度也越来越高。解决这些压力常见的方案是信号压缩。但是，信号压缩实际上是一种资源浪费，因为大量的不重要的或者只是冗余信息在压缩过程中被丢弃。从这个意义而言，我们得到以下结论：带宽不能本质地表达信号的信息，基于信号带宽的Nyquist采样机制是冗余的或者说是非信息的。 于是很自然地引出一个问题：能否利用其它变换空间描述信号，建立新的信号描述和处理的理论框架，使得在保证信息不损失的情况下，用远低于Nyquist 采样定理要求的速率采样信号，同时又可以完全恢复信号。与信号带宽相比，稀疏性能够直观地而且相对本质地表达信号的信息。事实上，稀疏性在现代信号处理领域起着至关重要的作用。近年来基于信号稀疏性提出一种称为压缩感知或压缩采样的新兴采样理论，成功实现了信号的同时采样与压缩。 简单地说，压缩感知理论指出：只要信号是可压缩的或在某个变换域是稀疏的，那么就可以用一个与变换基不相关的观测矩阵将变换所得高维信号投影到一个低维空间上，然后通过求解一个优化问题就可以从这些少量的投影中以高概率重构出原信号，可以证明这样的投影包含了重构信号的足够信息。在该理论框架
压缩感知在高速(雷达)信号采集中的应用
2013雷达对抗原理期末报告 题目：压缩感知在高速（雷达）信号采 集中的应用 院（系）信息与电气工程学院 专业电子信息工程 学生 班级1002503 学号100250311 教师 报告日期2013-11-15 1研究背景 信号采样是模拟的物理世界通向数字的信息世界之必备手段。多年来，指导信号采样的理论基础一直是着名的Nyquist采样定理。定理指出，只有当采样速率达到信号带宽的两倍以上时，才能由采样信号精确重建原始信号。可见，带宽是Nyquist采样定理对采样的本质要求。但是，对于超宽带通信和信号处理、核磁共振成像、雷达遥感成像、传感器网络等实际应用[1]，信号的带宽变得越来越大，人们对信号的采样速率、传输速度和存储空间的要求也变得越来越高。为了
缓解对信号传输速度和存储空间的压力，当前常见的解决方案是信号压缩，如基于小波变换的JPEG2000 标准。但是，信号压缩实际上是一种严重的资源浪费，因为大量的采样数据在压缩过程中被丢弃了，而它们对于信号来说是不重要的或者只是冗余信息。从这个意义而言，我们得到以下结论：带宽不能本质地表达信号的信息，基于信号带宽的Nyquist 采样机制是冗余的或者说是非信息的。下图是一个传统方法采样压缩过程[2]。 图1.1 传统的信号压缩过程 2国内外在该方向的研究现状及分析 压缩感知(Compressed Sensing or Compressive Sampling)理论由Donoho, Candes和Tao等人提出，它的出现是充分利用了信号在某变换域的稀疏性或者可压缩的性质，将较长的接收信号随机投影到一个较短的矢量上面，经过求解一个非线性最优化问题，将一组远低于奈奎斯特采样率得到的信号实现精确的重构，这样在一定程度上就减轻了采样系统硬件的负担。雷达成像的原理是利用雷达接收端获得回波信号的反射特性在空间上分布的特点，因此根据雷达回波的信息来重建目标信息的过程就是雷达成像的最根本的体现。雷达目标的电磁散射特性研究结果表明:在高频区域，雷达目标的回波可以认为是由较为重要的散射中心回波的合成，发射宽带信号的雷达可以获得的对分析有用的目标数量远小于组成这些散射中心的原始的数据样本数。由以上分析可知，雷达目标的这种电磁特性达到了压缩感知理论对待压缩信号稀疏性的要求，为将CS理论运用于雷达成像的应用研究中提供了可能。以上结论说明雷达回波与信号的稀疏理论相匹配，可以将压缩感知的相关理论成果与雷达成像的相关技术相结合。 近几年来，国内外的专家与研究机构对基于压缩感知的雷达成像技术陆续展开研究工作，在某些领域已经有了一定程度的进展。为雷达接收端降低采样率，解决系统中的超大数据采集以及存储与传输的问题带来了巨大的变革。 3主要研究内容和研究方案 3.1主要研究内容 压缩感知（Compressive Sensing, or Compressed Sampling，简称CS），
目标识别技术
目标识别技术 摘要： 针对雷达自动目标识别技术进行了简要回顾。讨论了目前理论研究和应用比较成功的几类目标识别方法：基于目标运动的回波起伏和调制谱特性的目标识别方法、基于极点分布的目标识别方法、基于高分辨雷达成像的目标识别方法和基于极化特征的目标识别方法，同时讨论了应用于雷达目标识别中的几种模式识别技术：统计模式识别方法、模糊模式识别方法、基于模型和基于知识的模式识别方法以及神经网络模式识别方法。最后分析了问题的可能解决思路。 引言： 雷达目标识别技术回顾及发展现状 雷达目标识别的研究始于"20世纪50年代，早期雷达目标特征信号的研究工作主要是研究达目标的有效散射截面积。但是，对形状不同、性质各异的各类目标，笼统用一个有效散射面积来描述，就显得过于粗糙，也难以实现有效识别。几十年来，随着电磁散射理论的不断发展以及雷达技术的不断提高，在先进的现代信号处理技术条件下，许多可资识别的雷达目标特征信号相继被发现，从而建立起了相应的目标识别理论和技术。 随着科学技术的飞速发展，一场以信息技术为基础、以获取信息优势为核心、以高技术武器为先导的军事领域的变革正在世界范围内兴起，夺取信息优势已成为夺取战争主动权的关键。电子信息装备作为夺取信息优势的物质基础，是推进武器装备信息化进程的重要动力，其总体水平和规模将在很大程度上反映一个国家的军事实力和作战能力。 雷达作为重要的电子信息装备，自诞生起就在战争中发挥了极其重要的作用。但随着进攻武器装备的发展，只具有探测和跟踪功能的雷达也已经不能满足信息化战争的需要，迫切要求雷达不仅要具有探测和跟踪功能，而且还要具有目标识别功能，雷达目标分类与识别已成为现代雷达的重要发展方向，也是未来雷达的基本功能之一。目标识别技术是指：利用雷达和计算机对遥远目标进行辨认的技术。目标识别的基本原理是利用雷达回波中的幅度、相位、频谱和极化等目标特征信息，通过数学上的各种多维空间变换来估算目标的大小、形状、重量和表面层的物理特性参数，最后根据大量训练样本所确定的鉴别函数，在分类器中进行识别判决。目标识别还可利用再入大气层后的大团过滤技术。当目标群进入大气层时，在大气阻力的作用下，目标群中的真假目标由于轻重和阻力的不同而分开，轻目标、外形不规则的目标开始减速，落在真弹头的后面，从而可以区别目标。 所谓雷达目标识别，是指利用雷达获得的目标信息，通过综合处理，得到目标的详细信息（包括物理尺寸、散射特征等），最终进行分类和描述。随着科学技术的发展，武器性能的提高，对雷达目标识别提出了越来越高的要求。 目前，目标识别作为雷达新的功能之一，已在诸如海情监控系统、弹道导弹防御系统、防空系统及地球物理、射电天文、气象预报、埋地物探测等技术领域发挥出很大威力。为了提高
经典雷达动目标显示MTI雷达
I的影响。这些曲线是在假设天线的方向图只取(sin U)/U第一对零点之间的曲线情况下计算出的。图示的无反馈的几条曲线与如图15.12所示显示的具有高斯形状方向图的理论曲线几乎完全相同（说明反馈对三路延迟对消器影响是一条曲线而不是直线，这是因为在3个零点中，已有两个零点不在原点上，并且根据波束宽度内有14个脉冲的实际情况，它们已沿单位圆移动了最佳量。因此，当波束宽度内有40个脉冲时，这两个零点由于离原点太远而不起太大的作用）。 从理论上讲，采用数字滤波器来合成各种形状的速度响应曲线是可能的[16]。对Z平面上的每对零点和每对极点而言，都需要两个延迟线，用前馈路径控制零点位置，而用反馈路径控制极点位置。 速度响应曲线的形状可以仅用前馈而不用反馈来实现。不采用反馈的主要优点是对消器具有很好的瞬态响应，这是相控阵或系统存在脉冲噪声干扰时的一项重要的考虑因素。如果相控阵雷达使用反馈对消器，则在对消器的瞬态振铃还未下降到容许的电平之前，波束就已经改变了位置，因而许多脉冲不得不落在波束以外。人们已提出一种预置技术来缓解这种现象[20]，但仅仅部分地降低瞬态稳定时间。若只使用前馈，则在波束移动后仅有3个或4个脉冲被去掉。采用前馈控制速度响应曲线的形状的缺点是，对每个用于形成速度响应的零点都需附加一个延迟线。此外，若采用零点来形成速度响应，则曲线就会导致改善因子引入一个固有的损耗。这个损失可能很重要也可能不重要，需根据杂波谱展宽的程度和对消所需零点数来确定。图15.25画出了只用前馈形成的四脉冲对消器的速度响应曲线和Z平面图。图中同时还画出了五脉冲前馈对消器和三脉冲反馈对消器的速度响应曲线。在给出的对消器中，无论杂波谱扩展程度为多少，三脉冲反馈对消器的改善因子潜力均比四脉冲前馈对消器大约好4dB。
压缩感知 很好的综述 2012
压缩感知? 许志强? 中国科学院数学与系统科学研究院, 计算数学与科学工程计算研究所, 科学与工程计算国家重点实验室,100190,北京 2012年1月12日 摘要 压缩感知是近来国际上热门的研究方向.其在信号处理中具有很好的应用前景. 此外,它与逼近论、最优化、随机矩阵及离散几何等领域密切相关,由此产生了一些漂 亮的数学结果.本文综述压缩感知一些基本结果并介绍最新进展.主要包括RIP矩阵 编码与?1解码的性能,RIP矩阵的构造,Gelfand宽度,个例最优性及OMP解码等. 1引言 现实世界中,人们经常需要对信号进行观测,例如医学图像成像、CT断层扫描等,以期通过观测信息对原始的信号进行重建.由于计算机的离散化存储,我们可将需重建的信号x抽象为一N维向量,可将对信号x的观测抽象为用一n×N的矩阵Φ与信号x进行乘积.例如在CT扫描中,矩阵Φ通常选择为离散Fourier矩阵.那么,我们所观测的信息为 y=Φx.(1)人们自然而问:为重建信号x,至少需要多少次观测?由线性代数知识可知,为使方程组(1)的解存在且唯一,我们须选择n≥N.也就是说,我们需要至少进行n=N次观测.然而,现实世界中的自然信号通常具有一定规律性.对这种规律性,一种常用的刻画方式是自然信号在一组基底表示下是稀疏的.这里的“稀疏”是指它们用一组基底展开后,大多数系数为0,或者绝对值较小.例如,自然图像用小波基底展开后,一般而言,其展开系数大多 ?国家自然科学基金(11171336)及创新群体(11021101)资助. ?Email:xuzq@https://www.360docs.net/doc/cd9402766.html, 1
数绝对值较小.这也就是图像能够进行压缩的原理.然而,这同时为人们减少观测次数n 从理论上提供了可能性.因而,压缩感知的主要任务为:对尽量小的n,设计n×N观测矩阵Φ,以及通过Φx快速恢复x的算法.所以,压缩感知的研究主要分为两方面：矩阵Φ的设计;与反求信号x的算法. 本文主要介绍压缩感知的一些基本结果.在每节里,我们采用注记的方式介绍当前的一些研究进展及研究问题,同时提供与之相关的参考文献,以使感兴趣的读者可进一步探索.本文组织结构如下:第2节中我们介绍了稀疏信号精确恢复的编码、解码方法.特别是,我们将介绍矩阵的零空间性质,及RIP矩阵编码与?1解码的性能.我们在第3节中介绍RIP矩阵的构造方法,包括随机矩阵、结构随机矩阵及确定性矩阵.在第4节中,为理解最优编码、解码对的性能,我们介绍了Gelfand宽度与编码、解码对性能的关联.我们在第5节中介绍了编码、解码对在不同范数意义下的个例最优性.最后一节简要介绍实现解码的算法. 2稀疏信号的恢复 为方便介绍压缩感知理论,我们将信号的稀疏性简单理解为信号中非0元素数目较少.我们所指的信号即为一向量x∈R N.我们用Σs表示s-稀疏向量集合,即 Σs:={x∈R N:∥x∥0≤s}, 这里∥x∥0表示x中的非0元素数目.所谓对信号x0∈R N编码,即指用一n×N的矩阵Φ与x0∈R N进行乘积,那么我们得到 y=Φx0. 此处,y∈R n即为我们所观测到的关于x0的信息.所谓解码,就是试图通过y反求x0,也就是寻找一从R n到R N的映射,我们将该映射记为?.我们用?(y)表示反求结果.一般而言,若n 2014雷达对抗原理期末报告 题目：压缩感知在雷达成像中的应用 院（系）信息与电气工程学院 专业电子信息工程 学生 班级 学号 教师 报告日期2014-11-25 1.课题来源 1.1摘要 以 ISAR 和 InISAR 为代表的高分辨率雷达成像技术在军事和民用领域有着广泛的需求。通常情况下，高分辨率雷达图像的获得需要宽带雷达信号，而宽带雷达信号则又会导致雷达数据率的增加。近年来在雷达技术领域得到高度关注的压缩感知理论，其非相关测量过程能够有效地降低高分辨率雷达成像系统的数据率，有望解决雷达系统中超大数据量的采集、存储与传输问题。因此压缩感知理论和技术在雷达成像领域的应用，有可能会为高分辨率雷达成像技术带来巨大变革。压缩感知在高分辨率雷达成像中的应用研究工作虽然取得了一定的进展，但还没有针对压缩感知雷达成像理论进行系统性研究，也没能在此基础上给出实用化的成像算法。论文以基于压缩感知的雷达成像理论与算法作为研究内容，将压缩感知理论应用到高分辨率雷达成像算法中。论文围绕着成像数据获取方法、 成像信号处理方法和压缩感知在宽带雷达成像中的应用等紧密联系而侧重不同的三个方面展开了研究，建立了匹配滤波体制和去斜体制下的基带回波信号稀疏表示模型，提出了压缩感知测量器应用到雷达接收机的数字方案与模拟方案，构建了具有保相性的压缩感知距离压缩算法，通过距离-方位解耦合的雷达成像框架，将压缩感知距离压缩算法与传统的雷达二维成像和 InISAR 三维成像算法相结合，形成了压缩感知雷达成像算法，并将其应用到调频步进宽带雷达成像中。论文通过对仿真和实测数据的处理，证明了所提出的方法的有效性。 1.2研究的目的和意义 在压缩感知雷达成像算法研究中，首先在常用的稀疏信号重建算法中筛选出适合雷达成像的算法，然后与雷达回波信号稀疏表示模型以及非相干测量矩阵一起构建了具有保相性的压缩感知距离压缩算法。在此基础上利用距离-方位解耦合的雷达成像框架，将压缩感知距离压缩算法与传统的雷达二维成像和 InISAR 三维成像算法相结合，形成了压缩感知雷达成像算法。 在压缩感知宽带雷达成像算法研究中，结合调频步进信号的子脉冲合成方法，提出了针对调频步进信号的压缩感知测量方法，实现了压缩感知宽带雷达成像。 2.国内外在该方向的研究现状及分析 雷达成像的历史可以追溯到 20 世纪 50 年代。1951 年 6 月，美国Goodyear Aircraft 公司的 Carl Wiley 首先提出利用频率分析方法改善雷达的角分辨率，并设计了实验装置进行验证，这是合成孔径雷达思想的最初体现。1957 年 8 月，Michigan 大学雷达和光学实验室的 Cutrona 和 Leith 等人研制的机载合成孔径雷达进行了飞行试验，得到了第一张大面积的聚焦型合成孔径雷达图像。70 年代，Kirk 等人研制了第一台 SAR 数字处理系统。1978年 5 月，星载 SAR SeaSat 升空，标志着 SAR 技术已进入空间领域。目前，美国、欧空局、加拿大、日本等都有自己的实用化机载和星载合成孔径雷达系统，机载 SAR 系统有美国的 AN/APY-6，德国的 AER-Ⅱ，英国的 DERA ‘ESR’，以及瑞士的 DO-SAR 等；星载SAR 系统有美国的 SIR-A 和 SIR-B 卫星，欧空局的 ERS-1 和 ERS-2 卫星，日本的 JERS-1和 ALOS 卫星，加拿大的 Radarsat-1 和 Radarsat-2 卫星，意大利航天局的 COSMO-SkyMed高分辨雷达卫星星座系统，美国航天局、德国空间局和意大利空间局联合发射的SIR-C/X-SAR 以及德国空间中心和欧洲EADS Astrium 公司合作开发的 TerraSAR-X 卫星等。在国内，从七十年代开始大力研究 SAR 相关技术，中国科学院电子学研究所在 1979年成功研制了机载合成孔径雷达原理样机，并获得首批 SAR 成像数据。从“八五”开始，对SAR 系统的研究就一直是遥感技术中的重点研究方向之一。目前，中科院电子所、信息产业部 14 所、38 所、航空工业总公司 607 所，以及航科集团等单位都已对 SAR 技术开展了研究，许多单位已经有了机载 SAR 的实验系统，并获得了大量实际成像数据。bZ0YfRP。 逆合成孔径雷达是在合成孔径雷达的基础上发展起来的又一种高分辨成像雷达，其历史可以追溯到二十世纪六十年代。六十年代，在 Brown 领导下的Willow Run 实验室就开展了对旋转目标的成像。Walker 从 1970 年起开展对旋转目标成像的研究，他的研究工作对距离-多普勒成像理论做了更明确的阐述，并且由于引入了极坐标存储技术（光学处理），解决了运动穿越分辨单元的处理 雷达目标识别发展趋势 雷达具备目标识别功能是智能化的表现，不妨参照人的认知过程，预测雷达目标识别技术的发展趋势： (1)综合目标识别 用于目标识别的雷达必将具备测量多种目标特征的手段，综合多种特征进行目标识别。我们人类认知某一事物时，可以通过观察、触摸、听、闻、尝，甚至做实验的方法认知，手段可谓丰富，确保了认知的正确性。 目标特征测量的每种手段会越来越精确，就如同弱视的人看东西，肯定没有正常人看得清楚，也就不能认知目标。 识别结果反馈给目标特征测量，使目标特征测量成为具有先验信息的测量，特征测量精度会有所提高，识别的准确程度也会相应提高。 雷达具备同时识别目标和背景的功能。人类在观察事物的时候，不仅看到了事物的本身，也看到了事物所处的环境。现有的雷达大多通过杂波抑制、干扰抑制等方法剔除了干扰和杂波，未来的雷达系统需要具备识别目标所处背景的能力，这些背景信息在战时也是有用的信息。 雷达具备自适应多层次综合目标识别能力。用于目标识别的雷达虽然需要具备测量多种目标特征的手段，但识别目标时不一定需要综合所有的特征，这一方面是因为雷达系统资源不允许，另一方面也是因为没有必要精确识别所有的目标。比如司机在开车时，视野中有很多目标，首先要评价哪几个目标有威胁，再粗分类一下，是行人还是汽车，最后再重点关注一下靠得太近、速度太快的是行人中的小孩子还是汽车中的大卡车。 (2)自学习功能 雷达在设计、实现、装备的过程中，即具备了设计师的基因，但除了优秀的基因之外，雷达还需要具有学习功能，才能在实战应用中逐渐成熟。 首先，要具有正确的学习方法，这是设计师赋予的。对于实际环境，雷达目标识别系统应该知道如何更新目标特征库、如何调整目标识别算法、如何发挥更好的识别性能。 其次，要人工辅助雷达目标识别系统进行学习，这就如同老师和学生的关系。在目标识别系统学习时，雷达观测已知类型的合作目标，雷达操作员为目标识别系统指出目标的类型，目标识别系统进行学习。同时还可以人为的创造复杂的电磁环境，使目标识别系统能更好地适应环境。 (3)多传感器融合识别 多传感器的融合识别必定会提高识别性能，这是毋容置疑的。这就好比大家坐下来一起讨论问题，总能讨论出一个好的结果，至少比一个人说的话更可信。但又不能是通过投票的方式，专家的话肯定比门外汉更有说服力。多传感器融合识别需要具备双向作用的能力。 并不是给出融合识别的结果就结束了，而是要利用融合识别的结果反过来提高各个传感器的识别性能，这才是融合识别的根本目的所在。反向作用在一定程度上降低了人工辅助来训练目标识别系统的必要性，也减少了分别进行目标识别试验的总成本。 通信工程专业技术讲座结课论文（题目：雷达技术的发展历程和发展展望） 姓名： 院系： 2014年6月16日 目录 一、综述 (1) 二、工作原理 (1) 三、雷达的类型 (3) 四、雷达系统与技术的发展历程 (4) 五、雷达系统与技术发展的特点和现状 (6) 六、雷达系统与技术发展的展望 (7) 一、综述 雷达（RADAR），是英文“Radio Detection and Ranging”（无线电侦测和定距）的缩写及音译。将电磁能量以定向方式发射至空间之中，借由接收空间内存在物体所反射之电波，可以计算出该物体之方向，高度及速度，并且可以探测物体的形状。以地面为目标的雷达可以用于探测地面的精确形状。 自从雷达诞生至今，在70 多年的发展历程中，随着科技的不断发展、需求的不断变化，出现了多种体制的新功能雷达，雷达的技术哇能、体积和重量、可靠性、维修性、抗恶劣环境的生存能力等也发生了天翻地覆的变化。尤其是近年来，科学技术在飞速发展，各种新技术，新材料已经越来越快的应用到雷达系统中。特别是近年来，雷达在航电系统综合化的过程中变化非常大，如雷达作为独立系统，起初失去了显示分系统，接着又失去了信号和数据处理分系统，现在仅剩下接收、发射和天线等主要分系统。同时雷达作为一种有源传感器，与激光、红外、紫光和声学等不同传感器信息融合，增强了探测阵能和环境适应性。可见雷达已与电子系统打破了明显界限，雷达系统作为独立设备有逐步消亡的趋势。因此，有必要仔细研究雷达发展的历史，分析雷达系统与技术发展的特点，总结雷达发展的普遍规律，展望雷达系统发展的方向。 二、工作原理 雷达天线把发射机提供的电磁波能量射向空间某一方向，在此方向上的物体反射碰到的电磁波。这些反射波载有该物体的信息并被雷达天线接收，送至雷达接收设备进行处理，提取人们所需要的有用信息并滤除无用的信息，由此获得目标至雷达的距离、距离变化率（径向速度）、方位、高度等信息。 雷达可分为连续波雷达和脉冲雷达两大类。单一频率连续波雷达是一种最为简单的雷达形式，容易获得运动目标与雷达之间的距离变化率（即径向速度）。它的主要缺点是：①无法直接测知目标距离，如欲测知目标距离，则必须调频，但用调频连续波测得的目标距离远不及脉冲雷达精确；②在多目标的环境中容易混淆目标；③大多数连续波雷达的接收天线和发射天线必须分开，并要求有一定的隔离度。 雷达目标识别技术述评 孙文峰 （空军雷达学院重点实验室，湖北武汉430010） 摘要：首先对雷达目标识别研究领域已经取得的成果和存在的问题进行简单的回顾，然后结合对空警戒雷达，阐明低分辨雷达目标识别研究的具体思路。 关键词：雷达目标识别；低分辨雷达 Review on Radar Target Recognition SUN Wen-feng （Key laboratory, Wuhan Radar Academy, Wuhan 430010, China）Abstract: The acquired productions and existent problems of radar target recognition are reviewed simply, then the specific considerations of target recognition with low resolution radar are illustrated connect integrating with air defense warning radar in active service. Key words: radar target recognition; low resolution radar 1．引言 雷达目标识别（RTR—Radar Target Recognition）是指利用雷达对单个目标或目标群进行探测，对所获取的信息进行分析，从而确定目标的种类、型号等属性的技术。1958年，D.K.Barton（美国）通过精密跟踪雷达回波信号分析出前苏联人造卫星的外形和简单结构，如果将它作为RTR研究的起点，RTR至今已走过了四十多年的历程。目前，经过国内外同行的不懈努力，应该说RTR已经在目标特征信号的分析和测量、雷达目标成像与特征抽取、特征空间变换、目标模式分类、目标识别算法的实现技术等众多领域都取得了不同程度的突破，这些成果的取得使人们有理由相信RTR是未来新体制雷达的一项必备功能。目前，RTR技术已成功应用于星载或机载合成孔径雷达（SAR—Synthetic Aperture Radar）地面侦察、毫米波雷达精确制导等方面。但是，RTR还远未形成完整的理论体系，现有的R TR 系统在功能上都存在一定的局限性，其主要原因是由于目标类型和雷达体制的多样化以及所处环境的极端复杂性。本文首先对RTR研究领域已经取得的成果和存在的问题进行简单的回顾，最后结合对空警戒雷达，阐明了低分辨雷达目标识别研究的具体思路。 2．雷达目标识别技术的回顾与展望 雷达目标识别研究的主体有三个，即雷达、目标及其所处的电磁环境。其中任何一个主体发生改变都会影响RTR系统的性能，甚至可能使系统完全失效，即RTR研究实际上是要找到一种无穷维空间与有限类目标属性之间的映射。一个成功的RTR系统必定是考虑到了目标、雷达及其所处电磁环境的主要可变因素。就目标而言主要有目标的物理结构、目标相对于雷达的姿态及运动参数、目标内部的运动（如螺旋桨等）、目标的编队形式、战术使用特点等等；就雷达而言主要有工作频率、带宽、脉冲重复频率（PRF）、天线方向图、天线的扫描周期等等；环境因素主要有各种噪声（如内部噪声和环境噪声）、杂波（如地杂波、海杂波和气象杂波）和人为干扰等。在研制RTR系统时必须综合考虑这些因素，抽取与目标属性有关的特征，努力消除与目标属性无关的各种不确定因素的影响。 6.5 动目标显示与动目标检测 引言 1.目标回波频谱 6.5.1 目标回波和杂波的频谱 2.杂波频谱 原理递归 传统非递归 6.5.2 MTI滤波器零点分配算法 滤波器设计优化预测误差算法 结语 原理 MTI+FFT 6.5.3 MTD滤波器滤波器设计点最佳 等间隔最佳 结语 6.5.4 改善因子分析MTI MTD 6.5 动目标显示与动目标检测 雷达探测的运动目标如飞机，导弹，舰艇，车辆等周围存在各种背景，包括不动的地物和运动着的云雨，海浪或金属丝干扰等。动目标显示（Moving Target Indicator :MTI ）与动目标检测（Moving Target Detection: MTD ）就是使用各种滤波器，滤去这些背景产生的杂波而取出运动目标的回波。此外也可以通过把雷达安装在山上、增加雷达天线的倾角、安装防杂波网来阻止杂波进入天线；或通过调整雷达天线的波束形式、采用极化技术、降低雷达的分辨单元、在时域采用CFAR 检测、自适应门限、杂波图来抑制杂波。在频域上应用MTI 与MTD 技术可以提高信杂比，改善杂波背景下检测运动目标的能力。本节首先分析目标回波和杂波的频谱特性；然后分别讨论MTI 与MTD 原理及滤波器设计方法；最后分析MTI 与MTD 对改善因子的提高。 6.5.1 目标回波和杂波的频谱 运动目标回波和杂波在频谱结构上有所差别，运动目标检测就是利用这种差别，从频率上将它们区分，以达到抑制杂波而显示目标回波的目的。为此，应首先弄清楚目标和杂波的回波的特性。 (1) 目标回波的频谱 雷达发射相参脉冲串，其脉冲宽度为e T ，脉冲重复频率为r f 。当天线不扫描而对准目标时，所得脉冲为无限脉冲串。调制信号)(1t u 及其频谱)(1f U 分别为 ∑∞-∞=??? ? ? ?-=n e r T nT t rect A t u )(1 (6.5.1) ∑∞ -∞ =-=n r e e r e f n f T f T f T AT f U )()sin()(1δππ (6.5.2) A 为信号振幅。而高频载波)(2t u 及其频谱)(2f U 为 t t u 02cos )(ω= (6.5.3) )]()([2 1 )(002f f f f f U ++-=δδ (6.5.4) 发射的相参脉冲串)()()(21t u t u t u ?=，故其频谱)(f U 为 )()()(21f U f U f U ?= (6.5.5) A (d) 00 00f τ - 0f τ + f τ -+ 0f τ - f τ -+0d τ 0d τ (b) (a) 固定回波频谱 动目标回波频谱 图6.5.1 发射接收信号时域与频域特性 雷达发射信号通常是窄带信号(如图6.5.1(a))，因而运动目标回波频谱的特征是将发射信号的频谱位置在频率轴上平移一个多普勒频率 λ r d v f 2= (如图6.5.1(c))，d f 的符号由目标运动的方向决定，靠近为正，远离为负。固定回波的频谱与发射信号一致，只是幅度有衰减(如 图6.5.1(b))。 多普勒频率d f 可以直观地解释为：振荡源发射的电磁波以恒速c 传播，当接收者相对振荡源不动，则它的接收频率等于发射频率。当压缩感知在雷达成像中的应用
雷达目标识别发展趋势
雷达作业
雷达目标识别技术
动目标显示与动目标检测