一、应用于SAR的一种波形及多普勒效应补偿技术（论文文献综述）
程蒙[1]（2021）在《基于压缩感知超宽带噪声SAR成像》文中进行了进一步梳理雷达成像技术现已广泛应用于地面目标侦察、地球环境测绘以及海洋学和冰川研究等众多科学领域。其成像处理算法主要为匹配滤波过程,这需要信号接收机的采样频率工作在奈圭斯特采样定律要求的采样频率之上。为了进一步提高观测场景的成像分辨率,就需要采用更高采样速率的信号采集设备。从现阶段来看,雷达信号采集系统的采样速率已经很难大幅度的提升,同时较高的信号采集设备将产生庞大的采样数据,这将造成有限的存储设备只能测量更少的目标场景。压缩感知理论出现在2006年后,并被许多学者成功的应用到众多信号处理领域中。压缩感知理论表明利用待测信号的先验知识,只需要极小的测量集即可对信号达到唯一的描述并精确重建。应用到雷达高分辨率成像中,可以有效地减少信号的采样个数,以及显着降低信号采集设备的采样速率。本文研究采用超宽带噪声作为信号源的压缩感知雷达成像方法。与传统雷达系统和成像方法相比,该方法主要包含以下方面的优势。第一,超宽带噪声信号源的随机特性使其测量具有较低的可截获性和较强的抗电磁干扰特性。第二,当使用相同数量的采样数据信息时,利用压缩感知理论的成像方法可以有效提升成像质量,消除传统成像算法的旁瓣效应。第三,利用成像场景的稀疏特性,压缩感知成像方法可以实现在降采样的条件下对场景精确重建,采样频率可以远低于奈圭斯特采样定律,可以利用较低的采样设备获得较高的成像分辨率图像。第四,压缩感知理论的观测矩阵需要满足一定条件,当使用确定信号作为信号源时,需要采用随机采样方式来保证这一性质。而超宽带噪声信号源自身的随机特性,即使不采用随机的采样方式仍然可以使感知矩阵满足压缩感知重建的条件,因此可以简化系统设计。本文主要完成内容如下:（1）总结了雷达成像的发展历程,以及各种成像理论算法提出的时间背景,并重点介绍了超宽带噪声雷达的压缩感知成像发展现状及其面临的机遇与挑战。（2）简要介绍超宽带噪声SAR的传统成像理论方法,以及压缩感知理论基本原理和求解算法。（3）详细的介绍了一种基于压缩感知的超宽带噪声雷达成像方法,与传统成像算法相比它可以消除强反射点的旁瓣效应。在不影响最终成像质量的前提下,采样数据利用率可以降至36%,因而可以显着降低雷达系统的硬件成本。（4）针对压缩感知重建算法的算法复杂性,结合后向投影成像理论,提出了一种基于压缩感知理论的快速成像算法,该算法具有很好的运算效率,可以实现大尺度场景的成像问题,最终实现了成像像素为2048×2048的成像结果,成像规模提高了256倍。
郭微[2]（2020）在《运动目标被动声呐信号频域分析关键技术研究》文中研究表明对水中目标辐射噪声中线谱信号的检测与估计是被动声呐信号处理的重要研究内容。通常情况下,被动声呐中的线谱信号检测与参数估计是在强背景噪声和强干扰条件下进行的,需要通过增加积分时间,以提高频谱分析的频率分辨力、获取更高的信号处理增益。然而目标辐射线谱信号的频率漂移和目标的运动限制了传统被动声呐信号方法的积分处理时间和信号处理增益。本论文分别对如何在有限数据样本长度下提升功率谱分析的频谱分辨能力、降低谱间干扰、减小目标运动引起的互相关损失进行了深入研究,具体研究内容如下:首先,针对线谱旁瓣干扰背景下运动目标信号功率谱分析问题,提出了频域解卷积高分辨功率谱估计方法。由经典谱估计理论可知,有限长样本的功率谱可以由无限长样本的功率谱与窗函数功率谱的卷积获得。本文提出在窗函数功率谱已知的情况下,通过对有限长接收样本的功率谱在频域进行解卷积运算估计无限长接收样本对应的功率谱,以便在小样本条件下获得更高的频率分辨力,减少谱泄露、降低谱估计结果的旁瓣、提高主旁瓣比,从而降低强线谱旁瓣对邻近微弱线谱信号的掩蔽。采用的解卷积算法的迭代次数是影响谱估计频率分辨力和旁瓣抑制性能的主要因素。通过仿真和实验数据处理对比了MVDR（minimum variance distortionless response）、压缩感知（Compressed Sensing,CS）以及本文提出的解卷积算法高分辨功率谱估计方法的性能。结果表明,解卷积功率谱估计方法可有效提高频率分辨力、抑制谱旁瓣、降低谱间干扰,适用于强线谱干扰影响下的被动声呐信号频谱分析以及运动目标小样本信号的时频分析。其次,建立了双水听器接收运动目标辐射噪信号的互功率谱模型,提出了基于双水听器接收信号互功率谱的多普勒系数（尺度因子）和时延差的分步估计方法,即首先利用双水听器接收信号频谱的幅度谱估计出多普勒系数,然后利用多普勒系数补偿接收信号,再利用补偿后接收信号的互功率相位谱估计两水听器接收信号间的时延差。该算法将参数估计由多普勒和时延的二维搜索转化为两个分别沿多普勒轴和时延轴的一维搜索,不仅有效降低了参数寻优的计算量,也实现了尺度因子与时延参数估计的解耦,避免了参数估计过程中的互相干扰,提高了参数估计结果的准确性。结果表明,互功率谱的多普勒系数和时延差的分步估计方法能够有效提高利用互功率谱进行时延差估计的准确性,从而提高互功率谱测向的性能。最后,建立了目标运动情况下双水听器接收信号关于多普勒系数和时延差的分段数据模型,研究发现目标运动会导致不同数据段的目标辐射声信号互功率谱之间存在较大的频率偏移和相位差异,难以实现不同数据段的互功率谱相干积累。针对这一问题,提出对不同数据段互功率谱的多普勒系数和时延差进行估计和补偿,再对补偿后的不同数据段的互功率谱进行相干积累的基于运动补偿的互功率谱相干积累方法。通过仿真和实验数据处理分析,对比了提出的互功率谱相干积累方法、MUSIC（multiple signal classification）算法、互功率谱相干累加和非相干累加算法的谱估计性能。结果表明,补偿的互功率谱相干积累方法可以克服多普勒效应的影响,有效减小运动目标辐射噪声处理的互相关损失,增加积分处理时间、提高信号处理增益,提升对运动目标微弱线谱信号的检测性能。
周贤达[3]（2020）在《高分辨率时频分析方法在雷达成像中的应用》文中认为在逆合成孔径雷达（ISAR）成像中,最基本的距离-多普勒成像法需要依次对经过脉冲压缩和运动补偿距离单元内的回波信号,进行傅里叶变换来得到最终的目标图像。由于通常面对非合作目标,需要应用复杂的运动补偿算法,才能避免因为时变的多普勒频率导致的成像结果的模糊。并且,即便进行了理想的运动补偿,由目标上的游动部分所产生的微多普勒效应将给回波信号引入有频率调制特性的分量,这种特性在傅里叶变换的结果中却很难被观察到。针对上述问题,本文采用构造时间与频率的联合函数,描述信号频率分量随时间变化态势的时频分析来应对。此外,时频领域所发展出的同步压缩变换后处理方法,可以在时频域中达到类似二次型时频分布的理想分辨率,并保留了反变换回时域信号的能力。结合合适的原始时频分析工具,将是一种理想的高分辨率时频分析方法。本文主要研究了此类的高分辨率时频分析在ISAR成像之中的应用,主要内容包括:1.将具有高分辨率的同步压缩方法与S变换相结合,并给出了针对强调制信号的二阶改进型,提出了二阶同步压缩S变换。S变换可以自适应地在高频处拥有较好的时间分辨率,与低频处较好的频率分辨率。在ISAR回波信号中,前者使用于由微多普勒产生的调频分量,需要清晰的变换情况。后者则对应了低频处的刚体分量,需要在频率上的精准定位。因此,S变换十分适用于对ISAR回波信号的分析。同时,引入频率调整因子的二阶同步压缩方法在面对如微多普勒分量那样的强调制信号时,缓解了同步压缩方法时间分辨率略差的问题,相比原始的同步压缩变换拥有更好的效果。作为后处理方法,最终形成的二阶同步压缩S变换也保留了S变换的优势。2.针对高精度雷达成像问题,提出基于高聚集性时频分析的ISAR成像方法。时频分析擅于找到频率变化状态的特点刚好可以应对由不期望的运动引起的多普勒频率变化,从而从抽取出瞬时成像结果并以此掌握目标的变化状态。而由目标上的游动部分所产生的微多普勒效应将给回波信号引入有频率调制特性的分量,从时频平面将很容易地找出它们并与所主要关注的刚体部分进行区分与提取。此外,对这些微多普勒分量的分析结果也将有利于提取目标旋转部件的参数,或者进一步地帮助对目标的识别工作。在上述工作中,所选用时频分析方法的性能将对成像与分析结果有决定性作用,高聚集性时频将用于更好的分析效果。对仿真信号与实际信号的实验结果都表明,相比于其他时频分析方法,二阶同步压缩S变换适用回波信号中带有较强调制性,瞬时频率快速变换的微多普勒分量。
闫嘉明[4]（2020）在《基于非接触式生命体征探测雷达的人体目标识别理论与技术研究》文中研究表明非接触式生命体征探测雷达通过提取人体目标的生命体征信号以准确识别人体目标的位置、生理状态等参数。相比传统的非接触式视频、音频传感器,非接触式生命体征探测雷达因具有环境适应性好、穿透性强、无隐私问题等优势而成为现代雷达领域与生物医学传感领域的交叉研究热点。研究非接触式生命体征探测雷达对于居家健康监护及反恐救援等应用具有重要现实意义。然而,基于非接触式生命体征探测雷达的人体目标识别领域仍存在许多可改进的问题,如穿墙多人体目标检测、人体目标二维（2-D）成像、人体目标间身份辨识等。本文围绕上述热点问题展开基于非接触式生命体征探测雷达的人体目标识别理论及技术的研究。本文主要研究工作及创新点包括:（1）针对穿墙雷达多目标生命体征探测中存在的相互干扰、信号混叠等问题,本文对穿墙多目标生命体征分离技术进行研究,并提出一种基于变分模态分解（VMD）的穿墙多目标时变生命体征分离算法。本算法充分考虑墙后人体目标的位置及呼吸状况,通过对回波信号进行模态分解与时频分析,不仅可对墙后多目标进行准确定位,并且可对同距离门内多目标的时变呼吸信号进行有效分离。实验结果表明,对比传统生命体征检测算法,本算法可在穿墙的情况下有效分离出三个人体目标的生命体征信号,表现出在处理穿墙多目标时变生命体征信号的混叠问题时的良好性能和适用性。（2）针对移动雷达平台下的人体目标识别问题,本文对SAR成像中的人体目标识别技术进行研究,并提出一种基于移动双模式雷达的人体目标识别算法。通过使用无人机载双模式调频连续波（FMCW）雷达,本算法在FMCW模式获取全场景SAR成像的基础上,使用单频CW模式对移动场景中存在的呼吸信号进行时频分析,以此识别场景中人体目标的2-D定位。实验结果表明,对照传统SAR成像结果,本算法不仅可对大范围场景进行拼接SAR成像,同时也可实现单个人体目标的2-D成像及其呼吸信号的有效检测。（3）针对双模式雷达人体目标识别算法中存在的检测复杂度高、多目标识别困难的问题,本文接着提出一种基于移动单模式雷达的人体目标自动识别算法。本算法使用单模式FMCW雷达,简化了硬件和信号处理的步骤,并创新性的通过对人体目标呼吸循环的提取与分析,达到对人体目标进行自动识别的目的。实验结果表明,对照基于移动双模式雷达的人体目标识别算法,本算法不仅可在FMCW SAR成像中实现多个人体目标的检测、方位向二目标中的人体目标识别以及复杂室外场景中的人体目标识别,并且可获取其完整的呼吸波形。显示应用于城市救援中的巨大潜力。（4）针对人体目标间的身份辨识问题,本文对不同人体目标的呼吸特征进行研究,并提出一种基于呼吸特征的人体目标间身份辨识算法。通过充分考虑人体目标间呼吸信号存在的差异,本算法通过获取训练集中多目标的持续呼吸信号,并从呼吸的病理特征中提取16种有效呼吸特征,最后建立训练模型进行人体目标间的身份辨识。实验结果表明,本算法在有监督学习的情况下,可仅通过呼吸信号的提取与分析,对多个人体目标的身份信息进行辨识,高达93.3%的准确率进一步说明本算法的稳定性与有效性。
张荣政[5]（2019）在《复杂运动目标ISAR成像算法研究》文中研究表明由于逆合成孔径雷达（ISAR）成像利用目标的多普勒信息,目标整体的运动状态,目标上各部件运动状态都会对成像的结果产生影响。本文的研究主要针对当目标的运动情况较复杂时,如何得到清晰的成像结果。从最常用的匀速转台模型出发,给出了ISAR成像最经典的距离—多普勒（RD）方法。对于机动运动目标,它每个散射点的多普勒频率随时间变化,本文介绍了针对机动运动目标成像的距离—瞬时多普勒算法,利用时频分析和分解多分量线性调频信号的方式。能得到机动目标瞬时成像。当ISAR成像的目标的运动具有较大的机动性,积累时间会比较少。这里介绍了一种非参数化谱估计方法,迭代自适应（IAA）方法,将该方法应用到了ISAR超分辨领域,使用少量的回波得到了清晰的图像。然后,将其应用到了缺失数据的ISAR成像领域,得到了回波缺失数据的清晰图像。接下来,研究了协方差稀疏迭代谱估计（SPICE）,应用到ISAR超分辨成像。从而进一步提高了ISAR超分辨成像的分辨率。并给出了基于Gohberg-Semencul（G-S）分解的SPICE的快速实现方法。对于包含高速旋转部件的目标,由于微动目标的微多普勒效应会造成频带展宽。我们将微动部件的微多普勒效应作为干扰消除。本文建立了包含高速旋转部件的ISAR成像模型,并介绍了基于短时傅里叶变换（STFT）的去微多普勒效应成像方法,并结合IAA算法,提出了一种基于时间递归迭代自适应（TRIAA）的去微多普勒成像方法。由于雷达距离单元内的信号具有稀疏性,本文将压缩感知信号重构方法与时间递归迭代自适应（TRIAA）相结合,提出了一种新的去微多普勒成像方法。将三种方法用于存在微多普勒效应干扰的实测数据上,分析和对比了实验结果。有时,目标的旋转部件包含了目标的大量信息。本文,将复数经验模态分解（CEMD）应用于雷达回波刚体部件与高速旋转部件信号的分离。成功提取出高速旋转散射点回波。又建立了高速旋转目标的二维成像模型。根据此模型,介绍了基于实数逆Radon变换的高速旋转目标成像方法,并将基于CEMD的信号分离方法与基于实数逆Radon变换的成像方法结合在一起,得到了仿真飞机的两侧螺旋桨清晰的成像结果。
杨亭[6]（2019）在《机动目标ISAR运动补偿成像算法研究》文中认为逆合成孔径雷达（Inverse Synthetic Aperture Radar,ISAR）成像系统的原理是根据目标的电磁散射特性,将机动目标的组成部分体映射到一个二维的平面上,从而得到目标的大体轮廓,同时呈现出目标的运动状态。ISAR成像在目标识别、辨别和分类等军事应用中发挥着重要作用。在这些应用场景中,如何提高距离向和方位向的分辨率是ISAR成像算法的关键要求。然而当目标的运动状态复杂时,即目标的平移运动和旋转运动为非匀速时,传统的ISAR成像算法将不再适用,图像分辨率会严重下降,甚至失真。基于此,该文提出了两种基于运动补偿的ISAR自聚焦成像算法,并取得了良好的补偿效果。文章的主要内容如下:首先,建立了ISAR机动目标成像几何模型,着重阐述了ISAR成像的基本概念,如一维距离向和方位向,以及多普勒效应,并介绍了距离多普勒成像算法。这些概念和原理作为下面章节的基础依据,支撑起该文所提方法的理论体系。其次,针对匀速大转角高速机动目标,利用keystone变换获得了目标旋转运动所导致的距离徙动补偿（range cell migration compensation,RCMC）,但当目标径向速度较大同时存在径向加速度时,其平动的补偿效果较差。而相位恢复算法能够在补偿上述平动分量的基础上,对高速机动目标进行自聚焦成像。因此,该文提出了一种结合keystone变换与相位恢复的ISAR成像算法。同时在实验仿真方面,与经典的运动补偿算法获得的结果进行对比,验证了该文算法的有效性。最后,引入非匀速大转角高速机动目标成像模型,依据其回波特点,推导出该条件下ISAR图像的方位向和距离向都将出现严重的散焦。为了校正回波中的相位误差,提出了一种基于相位恢复算法和Gabor小波变换（Gabor wavelet transform,GWT）的成像方法。该方法利用GWT作为时频分析的工具进行旋转运动补偿,即消除多普勒频移中的转动造成的时变项,接着利用相位恢复进行剩余平动分量的补偿,最终获得了聚焦的成像效果。
宋勇平[7]（2019）在《认知穿墙雷达成像机理与关键技术研究》文中指出本文以认知雷达中的感知技术为主,以波形优化技术为辅,以多输入多输出（Multiple-Input Multiple-Output,MIMO）穿墙成像雷达为平台,对认知穿墙雷达的成像机理以及其他关键技术展开研究。论文的主要工作及创新点如下:在电磁环境信息感知技术方面,提出了基于最小统计的射频干扰（Radio Frequency Interfence,RFI）在线估计方法,能够提高电磁环境信息获得准确性;为了降低RFI抑制对墙后目标信息的损害,本文亦提出了一种新的基于迭代稀疏重构的RFI抑制方法,相比于现有的重构类方法,本文的方法具有更好的弱目标保护能力。在背景环境信息感知技术方面,提出了基于功率谱相干因子的扩展目标增强成像方法,有效改善了传统建筑物结构成像中栅旁瓣电平较高的问题;为了进一步提高建筑物结构成像性能,本文提出了基于相干因子增强的建筑物结构稀疏成像方法,相比于传统的稀疏成像方法,本文的方法具有更好的重构稳定性与收敛速度。在目标信息感知方面,本文首先分析了墙后人体运动目标对传统雷达成像方法的影响,获得了目标最大允许速度的空间分布信息,对于墙后人体运动目标探测中的鬼影杂波问题,提出了基于空间多普勒处理与三维恒虚警检测的背景信息辅助判读方法;接着分析了传统波形优化方法对脉冲压缩性能的负面影响,在此基础上提出了同时考虑发射能量与信号一维冲激响应性能限制的双约束波形优化方法,并利用鬼影杂波抑制问题进行了验证;最后,分析了MIMO雷达运动目标成像问题与传统雷达信号处理中检测前聚焦（Focus Before Detection,FBD）问题之间的关系,并以多脉冲滑动距离-速度投影技术为核心,提出了适用于MIMO雷达的多脉冲联合成像方法。上述方法均利用仿真或实测数据进行了有效性验证。
唐峥钊[8]（2019）在《基于微多普勒效应的ISAR干扰技术研究》文中进行了进一步梳理由于自身全天时、全天候、远距离、高分辨的特点,逆合成孔径雷达（Inverse Synthetic Aperture Radar,ISAR）已被广泛应用于目标检测、运动监测、敌我识别、武器精确制导等领域。近年来,双/多基地ISAR成像系统的出现,大大提高了ISAR的隐蔽性与抗干扰能力。同时,在ISAR基础上发展而来的干涉逆合成孔径雷达（Interferometric Inverse Synthetic Aperture Radar,InISAR）能够获取目标三维几何轮廓信息,从而赋予了ISAR对其目标进行精细刻画、准确识别的能力。因此不论是在军事还是民用领域,ISAR的应用必将更为普遍。与此同时,ISAR目标中微动部件对回波的附加幅频调制现象也引起了人们的关注,并将其命名为微多普勒效应。一方面,由于运动形式、运动参数等因素的不同,微动部件的微多普勒特征也存在差异,由此可将其作为一种用于目标识别分类的显着标识。另一方面,微动部件相对于目标主体运动规律差异较大,在ISAR成像期间普遍存在越距离单元走动现象,导致ISAR无法正确进行运动补偿而得到散焦的二维距离-多普勒图像,这一特性给ISAR干扰技术带来了新的启发。本论文旨在通过对雷达目标微多普勒效应的研究,提出针对单基地ISAR、双/多基地ISAR及InISAR的微动干扰方法。目前针对ISAR的干扰方法主要集中在用于产生具有固定形状假目标的欺骗干扰及相干调制压制干扰方面,利用微多普勒效应的干扰方法并不多见,对双/多基地ISAR及InISAR的微动干扰方法还有待研究。因此,本论文研究内容补充了现阶段针对多种体制ISAR的微动干扰方法,给ISAR对抗的实践提供了理论基础,为成像雷达电子对抗的发展提供了一些新思路。本文内容概括总结为以下五个部分:第一部分首先阐述了本文的选题背景及立题意义,对国内外ISAR成像及其对抗技术的发展进行了整理,并对微多普勒效应的研究现状进行了总结。随后研究了ISAR成像技术的基础理论,包括线性调频信号的特性、运动补偿算法及微多普勒特征分析方法。第二部分对五种ISAR目标中常见的微动形式建立了数学模型,分别包括旋转运动、振动运动、进动运动、鸟类扑翼运动及人体步行运动。通过对各模型ISAR回波进行成像处理得到了不同运动形式的微多普勒频率表达式,并通过时频分析得到了其微多普勒时频曲线,从而提取其微动参数。第三部分针对单基地ISAR提出了三种微动干扰方法。基于调制转发原理的微动干扰方法为,干扰机首先根据微动假目标模板计算其在ISAR回波中的相位调制项及散射延时,随后对采集到的ISAR发射信号进行调制,生成干扰信号并放大转发至ISAR接收机。该干扰方法可根据假目标模板在ISAR图像中对应位置产生微动假目标点,干扰效果可灵活调整,但干扰效果实现的前提为已知ISAR及模板坐标信息,针对这一缺陷,又提出了微动散射波干扰方法。该方法同样对ISAR发射信号进行微动调制,但不同点在于干扰机将干扰信号转发至目标,后散射至ISAR接收机,因此在敌方雷达位置未知情况下仍可进行干扰。此外,还提出了脉冲卷积微动调制干扰,干扰机通过对目标回波特定距离单元的卷积,达到产生微动假目标点的效果,具有实现简单的优点。最后对三种微动干扰方法进行了计算机仿真并根据相关系数、等效视数等指标对干扰效果进行了定量评估。第四部分针对双/多基地ISAR提出了两种微动干扰方法。双/多基地ISAR由于其接收站的无源性和隐蔽性,可大大减小常规干扰方法的影响,针对这一问题提出了微动散射波干扰方法,干扰机将模拟微动假目标点的回波相位信息调制至ISAR发射信号后转发至目标,多个ISAR接收站采集到目标散射的干扰信号后可同时被干扰。但该方法计算量随着假目标点数量的上升而显着增大,因此提出了改进的脉冲卷积散射波干扰方法,该方法通过使用延时脉冲与ISAR发射信号卷积来模拟产生假目标点,通过控制延时变化规律可控制假目标点产生的位置及变化规律,从而达到灵活的干扰效果。最后对两种微动干扰方法进行了模拟仿真并进行了参数分析。第五部分针对InISAR提出了两种基于双通道干扰机的干扰方法。首先微动调制干扰方法为,根据预先设定的三维假目标模板,计算InISAR各天线基线方向的假目标干涉相位,利用坐标不同的两干扰通道同时发射干扰信号,具有特定相位关系的两干扰信号在InISAR各天线基线方向叠加后产生的干涉相位等效于假目标模板的干涉相位,从而对InISAR产生三维干扰效果。随后提出了异频调制干扰方法,通过两干扰通道对InISAR发射信号进行频率不同的正弦调相并延时转发,达到了产生具有时变坐标假目标点的干扰效果。最后通过仿真实验验证了两种三维干扰方法的有效性。
肖学兵[9]（2018）在《运动多站时变时差/多普勒差无源定位方法研究》文中进行了进一步梳理无源定位技术利用被动观测信号中隐含的辐射源位置信息实现对非合作辐射源的定位。在各种无源定位体制中,基于时差和多普勒差的无源定位技术利用多路观测信号间传播时延和多普勒效应之差实现对辐射源定位,在运动观测场景中具有广泛应用。国内外众多学者对基于时差、多普勒差的定位观测量估计、定位方程解算以及直接定位法进行了广泛的研究。但是在观测站高速运动或长时间观测累积的定位场景中,信号累积时间内时差、多普勒差等参数可能会发生显着变化。面对时变的时差和多普勒差,传统的无源定位技术面临新的挑战。针对基于时变的时差、多普勒差定位技术的特殊性,本文主要在时变时差补偿、时变多普勒差补偿、固定目标定位中的时变参数估计以及未校准条件下的定位算法等几个方面展开研究。第二章研究宽带信号的时变时差补偿与联合估计。随着观测站的运动,辐射源信号到不同观测站的传播时延之差是随时间变化的。信号累积时间内的时差变化对参数估计的影响在宽带信号条件下更为显着。现有宽带信号时差、多普勒差估计算法通过对观测信号的时间伸缩变换实现时差变化补偿,算法计算复杂度高且不易实现。针对此问题,利用多普勒差与时差变化率间的对应关系,本文提出了一种基于时域分段的宽带信号时、差多普勒差估计算法。将观测信号划分为短时片段后,该算法通过对分段信号的频域共轭积相参累积的方式得到时差和多普勒差的估计。在有效补偿时差变化的基础上,该算法的参数估计精度在中高信噪比条件下可以达到CRLB。为进一步降低算法的计算复杂度,提出了一种基于Keystone变换的快速估计算法。通过对观测信号的频域共轭积进行Keystone变换补偿时差变化之后,该快速算法可通过二维变换实现信号的相参累积,有效地降低了算法的计算复杂度。第三章研究时变多普勒差的补偿与联合估计。在观测站高速运动或长时间观测累积条件下,信号累积时间内的多普勒差可能会发生显着变化。此时,引入多普勒差变化率将时差、多普勒差二维模型拓展到三维模型可有效提升系统对长时间观测累积的适应性。现有的时差、多普勒差及多普勒差变化率联合估计算法忽略了信号累积时间内的时差变化对信号基带复包络的影响。针对该问题,本文提出了一种基于时域分段的宽带信号时差、多普勒差及多普勒差变化率联合估计方法,并推导了估计精度的CRLB。分析了参数估计时刻选择对参数估计精度的影响。为了降低算法的计算复杂度,提出了基于序列反转变换和二阶Keystone变换的快速算法。通过对两路观测信号的频域共轭积进行上述变换的方式,该快速算法实现了时差、多普勒差和多普勒差变化率的分维估计,有效地降低了算法的计算复杂度。第四章研究对固定目标定位中的定位观测量估计问题。利用辐射源静止在地球表面这一信息,在对固定目标定位中时差、多普勒差及多普勒差变化率间存在等式约束。有效地利用该约束关系有利于提升时差、多普勒差等定位观测量的估计精度。首先针对星载定位和机载定位两种场景,推导了固定目标定位中时差、多普勒差及多普勒差变化率间等式约束的表达式。结合观测站的位置和速度信息,给出了由时差、多普勒差到多普勒差变化率的转换关系的表达式。以此等式约束为基础,提出了一种基于消元法的带约束的时差、多普勒差及多普勒差变化率联合估计算法,并推导了带约束条件下估计精度的CRLB。利用参数间约束关系引入的信息,带约束的联合估计算法可达到更高的估计精度且计算复杂度更低。第五章研究未校准条件下基于时变时差、多普勒差的定位方法。受辐射源天线方向图、波束扫描、信号传播路径等因素的影响,各观测站的信号增益和噪声功率可能是不等且未知的。在运动多站无源定位场景中,时变的信号增益和噪声功率通常难以预先测量或校准。针对此问题,考虑各观测站的信号增益和噪声功率不等且未知,提出了一种未校准条件下基于时差、多普勒差的的直接定位算法,并给出了未校准条件下定位精度的CRLB。与现有直接定位算法相比,本文所提算法引入观测信号的自归一化以适应各站观测噪声功率不等的情况。仿真结果表明在噪声功率不等的条件下,本文提出的直接定位算法可达到更高的定位精度。
郭力仁[10]（2018）在《目标微动特征的激光探测信号处理与参数估计方法研究》文中提出目标识别是现代战争中精确作战的前提和基础,但目前伪装、隐身、欺骗等手段的发展为实现目标准确探测和识别带来挑战。微动特征是对目标运动特征的精细反映,其唯一性、低可控性的特点为人们研究目标探测识别提供了新的途径。激光探测微多普勒效应较微波探测具有更高的灵敏度和分辨率,结合精确的参数估计方法和充分的先验知识,可将目前微多普勒效应的应用领域由分类向精细识别拓展。本文以实现目标分类和精细识别为背景,以相干激光探测的目标多分量微动特征为研究对象,通过理论分析-仿真计算-实验验证的方法对回波信号精确表征、时频特征分析和微动参数精确估计等问题开展了较为系统深入的研究。（1）针对目前对激光微多普勒信号定量化描述不足的问题,提出了多分量激光微多普勒信号的精确表征方法,包括:推导了典型目标微动回波信号的光电流表达式,明确了目标微动参数和信号调制参数的对应关系,阐述了多分量信号的内涵;分析了回波时频特性与目标动态参数和探测系统主要参数的关系,指出平动和微动参数是决定回波时频特性的主要因素;严格推导了高斯白噪声下激光微多普勒信号参数估计的克拉美-罗界,给出了闭合表征形式,拓展了现有方法的适用范围,为参数估计方法的性能对比和评价提供了统一的标准;搭建了激光微多普勒信号采集实验系统,用于对表征模型进行验证。通过对回波信号的精确表征,为目标微动特征的准确提取和参数精确估计建立了基础模型。（2）针对现有方法直接用于提取激光探测平动-微动混合特征所面临的数据量大、处理速度慢的问题,提出基于时频分析的微动特征快速提取方法。包括:定义了时频分析方法性能评价标准,对平滑伪魏格纳-维利时频分析的参数进行了优化设计;在最佳时频分布基础上,提出了基于形态学的时频图降噪方法,准确去除了非自项区域噪声,具有自适应噪声滤除性能,方便了后续的特征提取;根据降噪结果,进一步提出基于曲线跟踪的多分量时频特征快速提取方法,有效降低了算法复杂度;设计正弦周期延拓法抑制端点效应,利用经验模态分解提取了微动特征,算法对信号长度要求较低,在处理激光微多普勒信号时可有效减少需要处理的数据量,提高算法效率。所提方法可对目标微动特征进行快速提取,为实现对微动目标的实时分类和初步识别提供了技术支撑。（3）针对单通道多分量微多普勒信号存在时频域交叠的问题,提出参数化的多维微动参数分离估计方法。包括:基于分数阶傅里叶变换理论,提出参数域最窄带宽搜索方法,估计了混合信号平动参数,实现了平动补偿;针对剩余微多普勒信号建立了时变参数自回归模型,在此基础上提出了受限粒子滤波信号分离方法,直接从时域信号分离出了各分量独立的瞬时频率曲线,算法将信号分离和瞬时频率计算的步骤合二为一,简化了信号处理流程,而且算法分离性能不受数据量少的影响,解决了欠定条件带来的分离不确定性;对于分离出的各分量所包含的多维微动参数,提出静态参数粒子滤波估计方法,通过设计全局化代价函数和无效观测点去除机制,得到了优于现有方法23个量级的参数估计精度。该参数化估计方法适用于具有正弦调频模型的微多普勒信号,实现了对时频域交叠信号的有效分离,丰富了欠定条件下的微动参数估计方法。（4）为直接从回波微多普勒信号中估计出微动参数,减少中间过程,提高参数估计精度,提出了基于最大似然理论的激光微多普勒信号参数联合估计方法。包括:推导了多分量激光微多普勒信号最大似然估计的闭合表达形式;通过改进信号矩阵的构建规则,有效提高了基于奇异值比谱的微动频率估计精度;利用蒙特卡洛方法实现微动参数的联合最大似然估计,仿真验证了算法性能,对估计精度的分析表明:算法受信号长度的影响较大,而对信噪比的变化不敏感;针对传统方法在计算激光微多普勒似然函数时的不足,从频谱能量分布的角度设计了新的似然函数,获得了理想的概率密度分布形式,使得基于迭代搜索的最大似然估计有了实现的基础,利用MCMC方法实现了参数联合估计,仿真和实验表明,改进算法达到了近似克拉美-罗界的参数估计性能,远高于目前基于时频分析的参数估计方法。基于最大似然的参数联合估计方法不受微多普勒信号模型的限制,具有更广泛的目标识别应用范围和更高的微动参数估计精度。论文的创新之处主要包括:一、从回波光电流模型、信号特性影响关系和参数估计精度三方面对激光微多普勒信号进行了精确表征;二、提出了对激光探测平动-微动混合时频特征的快速提取方法;三、提出了参数化的多维微动参数分离估计方法;四、提出了基于最大似然的激光探测微动参数联合估计方法。实现了基于相干激光探测微多普勒效应的目标微动特征参数的多维度、高精度快速估计,为发展微多普勒激光雷达目标识别技术提供了新型处理方法。
二、应用于SAR的一种波形及多普勒效应补偿技术（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、应用于SAR的一种波形及多普勒效应补偿技术（论文提纲范文）
（1）基于压缩感知超宽带噪声SAR成像（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景与意义 |
| 1.1.1 雷达成像理论发展历程 |
| 1.1.2 压缩感知超宽带噪声雷达研究意义 |
| 1.2 压缩感知雷达成像发展现状 |
| 1.3 压缩感知超宽带噪声雷达成像难点与挑战 |
| 1.4 本文内容安排 |
| 第2章 超宽带噪声SAR与压缩感知理论 |
| 2.1 超宽带噪声SAR成像原理 |
| 2.1.1 快时间域脉冲压缩 |
| 2.1.2 超宽带噪声SAR成像 |
| 2.2 压缩感知理论 |
| 2.2.1 信号稀疏性 |
| 2.2.2 感知矩阵 |
| 2.2.3 内点法重构算法 |
| 2.3 本章小节 |
| 第3章 基于压缩感知超宽带噪声SAR成像 |
| 3.1 超宽带噪声SAR特性 |
| 3.2 基于压缩感知的成像方法 |
| 3.2.1 观测模型的转化 |
| 3.2.2 压缩感知成像 |
| 3.3 成像结果分析 |
| 3.3.1 采样方式对感知矩阵的影响 |
| 3.3.2 成像对比分析 |
| 3.4 本章小节 |
| 第4章 基于压缩感知超宽带噪声SAR快速重建算法 |
| 4.1 后向投影成像理论与成像算法 |
| 4.2 基于压缩感知的成像算法 |
| 4.2.1 一维快时间域重构 |
| 4.2.2 二维SAR成像 |
| 4.2.3 零延拓近似快速重建算法 |
| 4.3 成像结果分析 |
| 4.3.1 一维距离向重建 |
| 4.3.2 二维成像分析 |
| 4.3.3 零延拓近似算法性能分析 |
| 4.4 本章小结 |
| 第5章 结论与展望 |
| 5.1 结论 |
| 5.2 展望 |
| 参考文献 |
| 攻读学位期间取得的研究成果 |
| 致谢 |
（2）运动目标被动声呐信号频域分析关键技术研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 引言 |
| 1.2 被动声呐探测目标特性及其发展和应用 |
| 1.2.1 舰船辐射噪声特性 |
| 1.2.2 被动声呐技术的发展及应用 |
| 1.3 水下目标被动探测研究进展 |
| 1.3.1 水下目标被动探测研究现状 |
| 1.3.2 舰船辐射噪声的特征提取 |
| 1.3.3 被动声呐信号处理的难点及发展趋势 |
| 1.4 本文主要内容 |
| 第2章 基于经典理论的被动声呐信号频域分析 |
| 2.1 引言 |
| 2.2 被动声呐信号的物理模型 |
| 2.3 经典谱估计 |
| 2.3.1 功率谱估计 |
| 2.3.2 经典谱估计的基本方法 |
| 2.3.3 窗函数的影响 |
| 2.3.4 解卷积算法 |
| 2.4 多普勒频移影响下的被动声呐信号单频分量检测 |
| 2.4.1 积分时间与处理增益 |
| 2.4.2 仿真分析 |
| 2.5 本章小结 |
| 第3章 强线谱干扰下的低速目标被动声呐信号频域分析 |
| 3.1 引言 |
| 3.2 强线谱干扰影响下的低速目标被动声呐信号频域分析方法研究 |
| 3.2.1 频域解卷积高分辨功率谱估计方法 |
| 3.2.2 MVDR算法 |
| 3.2.3 压缩感知算法 |
| 3.3 强线谱干扰影响下的低速目标被动声呐信号频域分析方法仿真分析 |
| 3.3.1 频域解卷积高分辨功率谱估计方法的性能分析 |
| 3.3.2 多种高分辨谱估计方法的性能对比和分析 |
| 3.4 实验数据处理结果对比与分析 |
| 3.4.1 强线谱干扰下的目标线谱检测 |
| 3.4.2 背景起伏干扰下的目标线谱检测 |
| 3.4.3 运动目标线谱的时频分析 |
| 3.5 本章小结 |
| 第4章 基于互谱的运动目标多普勒系数和时延差估计 |
| 4.1 引言 |
| 4.2 多普勒系数和时延差估计方法研究 |
| 4.2.1 多普勒效应对经典互功率谱时延差估计的影响 |
| 4.2.2 尺度因子和时延差参数联合估计方法 |
| 4.2.3 采用互功率谱的多普勒系数和时延差分步估计方法 |
| 4.3 多普勒系数和时延差估计方法性能分析 |
| 4.3.1 仿真分析 |
| 4.3.2 实验数据处理 |
| 4.4 本章小结 |
| 第5章 低信噪比下的运动目标被动声呐信号频域分析 |
| 5.1 引言 |
| 5.2 低信噪比下的运动目标被动声呐信号频谱分析方法研究 |
| 5.2.1 MUSIC算法 |
| 5.2.2 频域相干累加 |
| 5.2.3 基于互功率谱的长时间相干积累 |
| 5.3 低信噪比下的运动目标被动声呐信号频谱分析方法性能分析 |
| 5.3.1 仿真分析 |
| 5.3.2 实验数据处理结果分析 |
| 5.4 本章小结 |
| 结论 |
| 参考文献 |
| 攻读博士学位期间发表的论文和取得的科研成果 |
| 致谢 |
（3）高分辨率时频分析方法在雷达成像中的应用（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 国内外研究现状 |
| 1.3 本文研究内容 |
| 第二章 雷达成像技术简述 |
| 2.1 信号波形 |
| 2.2 匹配滤波器 |
| 2.3 合成孔径成像 |
| 2.4 距离像与距离分辨率 |
| 2.5 横向距离分辨率 |
| 2.6 ISAR成像 |
| 2.6.1 ISAR基本成像原理 |
| 2.6.2 微多普勒 |
| 2.7 本章小结 |
| 第三章 时频分析技术 |
| 3.1 线性时频变换 |
| 3.1.1 短时傅里叶变换STFT |
| 3.1.2 连续小波变换CWT |
| 3.2 二次型时频分布 |
| 3.3 本章小结 |
| 第四章 高阶同步压缩S变换 |
| 4.1 S变换 |
| 4.2 时频重排 |
| 4.3 同步压缩S变换 |
| 4.4 二阶同步压缩S变换 |
| 4.5 本章小结 |
| 第五章 基于高聚集性时频分析的ISAR成像 |
| 5.1 基于时频方法的成像 |
| 5.2 机动目标的雷达的成像 |
| 5.3 时频方法的微多普勒特征分析 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
（4）基于非接触式生命体征探测雷达的人体目标识别理论与技术研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 缩略语中英文对照表 |
| 1 绪论 |
| 1.1 研究背景和意义 |
| 1.2 非接触式生命体征探测雷达研究现状 |
| 1.2.1 非接触式生命体征探测雷达技术 |
| 1.2.1.1 非接触式生命体征检测 |
| 1.2.1.2 非接触式人体目标探测 |
| 1.2.1.3 非接触式医疗监测 |
| 1.2.2 非接触式生命体征探测雷达设备 |
| 1.2.2.1 国外非接触式生命体征探测雷达设备 |
| 1.2.2.2 国内非接触式生命体征探测雷达设备 |
| 1.2.3 现阶段研究存在问题 |
| 1.3 论文研究内容和章节安排 |
| 2 穿墙多目标时变生命体征分离技术研究 |
| 2.1 引言 |
| 2.2 生命体征信号建模 |
| 2.3 穿墙生命体征检测技术 |
| 2.3.1 IR-UWB雷达介绍 |
| 2.3.2 穿墙呼吸检测算法 |
| 2.3.2.1 穿墙平稳呼吸对照呼吸带检测实验 |
| 2.3.2.2 穿墙不同距离平稳呼吸检测实验 |
| 2.3.2.3 穿墙分段呼吸检测实验 |
| 2.4 基于VMD的穿墙多目标时变生命体征分离技术 |
| 2.4.1 VMD算法原理 |
| 2.4.2 穿墙多目标时变生命体征分离算法 |
| 2.4.3 穿墙多目标时变生命体征分离实验 |
| 2.4.3.1 二目标生命体征分离实验 |
| 2.4.3.2 二目标分段持续生命体征分离实验 |
| 2.4.3.3 二目标时变生命体征分离实验 |
| 2.4.3.4 三目标生命体征分离实验 |
| 2.5 本章小结 |
| 3 基于移动双模式雷达的人体目标识别技术研究 |
| 3.1 引言 |
| 3.2 SAR成像理论基础 |
| 3.2.1 FMCW SAR信号模型分析 |
| 3.2.2 FMCW波数域算法 |
| 3.3 近场SAR成像技术 |
| 3.3.1 近场前视SAR成像技术 |
| 3.3.1.1 无人机载FMCW雷达介绍 |
| 3.3.1.2 前视SAR成像算法 |
| 3.3.1.3 前视SAR成像实验 |
| 3.3.2 全场景拼接SAR成像技术 |
| 3.3.2.1 全场景拼接SAR成像算法 |
| 3.3.2.2 全场景拼接SAR成像实验 |
| 3.4 基于移动双模式雷达的全场景人体目标识别技术 |
| 3.4.1 无人机载双模式FMCW雷达介绍 |
| 3.4.2 基于移动双模式雷达的全场景人体目标识别算法 |
| 3.4.3 基于移动双模式雷达的全场景人体目标识别实验 |
| 3.4.3.1 车载三轨道人体目标识别实验 |
| 3.4.3.2 无人机载单轨道人体目标识别实验 |
| 3.4.3.3 无人机载三轨道人体目标识别实验 |
| 3.5 本章小结 |
| 4 基于移动单模式雷达的人体目标自动识别技术研究 |
| 4.1 引言 |
| 4.2 基于移动FMCW雷达相位的生命体征检测技术 |
| 4.2.1 移动FMCW雷达相位检测生命体征原理 |
| 4.2.2 方位向移动FMCW雷达生命体征检测实验 |
| 4.3 基于单模式FMCW雷达的人体目标自动识别技术 |
| 4.3.1 基于单模式FMCW雷达的人体目标自动识别算法 |
| 4.3.2 人体目标自动识别算法分析 |
| 4.3.2.1 呼吸循环参数选择分析 |
| 4.3.2.2 最小可区分距离分析 |
| 4.4 基于单模式FMCW雷达的人体目标自动识别实验 |
| 4.4.1 方位向人体目标自动识别实验 |
| 4.4.2 二目标自动识别实验 |
| 4.4.3 复杂室外环境人体目标自动识别实验 |
| 4.5 本章小结 |
| 5 基于呼吸特征的人体目标间身份辨识技术研究 |
| 5.1 引言 |
| 5.2 基于机器学习的特征分类技术 |
| 5.2.1 机器学习原理及算法流程 |
| 5.2.2 特征分类算法 |
| 5.2.2.1 支持向量机算法 |
| 5.2.2.2 决策树算法 |
| 5.2.2.3 k-最近邻算法 |
| 5.3 呼吸信号特征分析 |
| 5.3.1 呼吸信号特征提取 |
| 5.3.1.1 呼吸频率 |
| 5.3.1.2 呼吸深度 |
| 5.3.1.3 呼吸节律 |
| 5.3.2 固定平台人体目标呼吸特征分类实验 |
| 5.4 基于呼吸特征的人体目标间身份辨识技术 |
| 5.4.1 呼吸信号特征分析 |
| 5.4.2 人体目标间身份辨识实验 |
| 5.5 本章小结 |
| 6 总结与展望 |
| 6.1 创新点总结 |
| 6.2 未来工作展望 |
| 致谢 |
| 参考文献 |
| 附录 |
（5）复杂运动目标ISAR成像算法研究（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 国内外在该方向的研究现状和分析 |
| 1.3 本文的主要研究内容 |
| 第2章 ISAR成像的原理及瞬时成像方法 |
| 2.1 引言 |
| 2.2 ISAR成像的距离—多普勒算法 |
| 2.2.1 线性调频信号与一维距离像 |
| 2.2.2 ISAR成像的转台成像模型 |
| 2.3 距离—瞬时多普勒成像算法 |
| 2.3.1 距离—瞬时多普勒算法基本原理 |
| 2.3.2 分解多分量线性调频信号 |
| 2.3.3 距离—瞬时多普勒算法成像实验 |
| 2.4 本章小结 |
| 第3章 基于谱估计的超分辨ISAR成像算法 |
| 3.1 引言 |
| 3.2 基于迭代自适应的超分辨成像方法 |
| 3.2.1 迭代自适应谱估计方法 |
| 3.2.2 基于迭代自适应方法的超分辨成像实验 |
| 3.2.3 ISAR成像中的回波数据随机缺失 |
| 3.2.4 缺失数据迭代自适应谱估计方法 |
| 3.2.5 缺失数据的ISAR成像实验 |
| 3.3 基于协方差稀疏迭代的超分辨成像 |
| 3.3.1 协方差稀疏迭代谱估计方法 |
| 3.3.2 协方差稀疏迭代谱估计的快速实现 |
| 3.3.3 基于协方差稀疏迭代的超分辨成像实验 |
| 3.4 本章小结 |
| 第4章 含旋转部件目标去微动ISAR成像算法 |
| 4.1 引言 |
| 4.2 基于短时傅里叶变换去微多普勒ISAR成像 |
| 4.2.1 含有旋转部件目标的ISAR成像模型 |
| 4.2.2 基于短时傅里叶变换的正弦调频信号分离方法 |
| 4.3 基于时间递归迭代自适应的去微多普勒成像 |
| 4.3.1 基于时间递归迭代自适应的信号分离方法 |
| 4.3.2 仿真数据成像实验 |
| 4.4 基于压缩感知的去微多普勒ISAR成像 |
| 4.4.1 基于压缩感知的信号重构方法 |
| 4.4.2 基于压缩感知重构的去微多普勒成像实验 |
| 4.5 本章小结 |
| 第5 章旋转部件的回波分离与ISAR成像方法 |
| 5.1 引言 |
| 5.2 基于复数经验模态分解的回波分离方法 |
| 5.2.1 经验模态分解EMD |
| 5.2.2 复数经验模态分解CEMD |
| 5.2.3 仿真雷达回波分离实验 |
| 5.3 基于逆RADON变换的旋转部件ISAR成像 |
| 5.3.1 旋转目标二维ISAR成像模型 |
| 5.3.2 基于实数逆Radon变换的旋转目标成像方法 |
| 5.4 旋转体回波分离与成像实验 |
| 5.5 本章小结 |
| 结论 |
| 参考文献 |
| 攻读硕士学位期间发表的论文及其它成果 |
| 致谢 |
（6）机动目标ISAR运动补偿成像算法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 ISAR研究背景及现状 |
| 1.2 相位恢复算法研究背景及现状 |
| 1.3 课题研究的意义 |
| 1.4 本文主要内容 |
| 第2章 逆合成孔径雷达成像理论与算法 |
| 2.1 引言 |
| 2.2 ISAR成像理论基础 |
| 2.2.1 概述 |
| 2.2.2 成像原理 |
| 2.2.3 一维距离像 |
| 2.2.4 一维方位像 |
| 2.3 目标运动引入的多普勒效应 |
| 2.4 ISAR成像的距离多普勒解释 |
| 2.4.1 平动补偿 |
| 2.4.2 转动补偿 |
| 2.4.3 RD算法仿真结果 |
| 2.5 本章小结 |
| 第3章 基于keystone变换和相位恢复的ISAR运动补偿算法 |
| 3.1 引言 |
| 3.2 机动目标回波信号分析 |
| 3.3 基于keystone变换的转动补偿 |
| 3.4 基于相位恢复算法的平动补偿 |
| 3.4.1 相位恢复唯一性 |
| 3.4.2 过采样平滑算法 |
| 3.4.3 基于OSS算法的平动补偿分析 |
| 3.5 仿真实验 |
| 3.5.1 目标在不同平动参数条件下的成像结果 |
| 3.5.2 目标在不同转动参数条件下的成像结果 |
| 3.6 本章小结 |
| 第4章 基于相位恢复和Gabor小波变换的ISAR运动补偿算法 |
| 4.1 引言 |
| 4.2 机动目标的ISAR成像模型 |
| 4.3 基于Gabor小波变换的转动补偿 |
| 4.3.1 Gabor小波变换概述 |
| 4.3.2 Gabor小波变换理论 |
| 4.3.3 Gabor小波变换应用 |
| 4.4 基于相位恢复算法的剩余平动分量补偿 |
| 4.5 仿真实验 |
| 4.5.1 不同平移运动参数条件下的成像结果对比 |
| 4.5.2 不同旋转运动参数条件下的成像结果对比 |
| 4.5.3 本文算法各处理阶段的时间脉冲频谱对比 |
| 4.5.4 复杂运动波音727 的成像结果 |
| 4.6 本章小结 |
| 结论 |
| 参考文献 |
| 攻读硕士学位期间承担的科研任务与主要成果 |
| 致谢 |
（7）认知穿墙雷达成像机理与关键技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 课题研究的背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 环境信息感知 |
| 1.2.2 目标信息感知 |
| 1.3 认知穿墙雷达研究中存在的问题 |
| 1.4 本文的主要工作及内容安排 |
| 第二章 电磁环境信息感知 |
| 2.1 超宽带MIMO穿墙雷达回波模型 |
| 2.1.0 目标信号模型 |
| 2.1.1 RFI信号模型 |
| 2.1.2 RFI信号对墙后目标的影响 |
| 2.2 RFI功率估计与检测 |
| 2.2.1 RFI与运动目标分布差异 |
| 2.2.2 基于最小统计的时变RFI功率估计方法 |
| 2.2.3 基于OS-CFAR的 RFI检测 |
| 2.3 RFI抑制 |
| 2.3.1 基于MSR的 RFI抑制方法 |
| 2.3.2 基于SLSR的 RFI抑制方法 |
| 2.3.3 基于ISR的 RFI抑制方法 |
| 2.4 实验验证 |
| 2.4.1 RFI检测 |
| 2.4.2 RFI抑制 |
| 2.5 本章小结 |
| 第三章 背景环境信息感知 |
| 3.1 静止场景的穿墙成像 |
| 3.1.1 穿墙雷达信号传播路径模型 |
| 3.1.2 步进频MIMO穿墙雷达成像方法 |
| 3.2 基于功率谱相干因子加权的建筑物结构成像 |
| 3.2.1 传统CF方法的基本原理 |
| 3.2.2 基于功率谱的CF加权方法 |
| 3.3 基于稀疏重构的建筑物结构成像 |
| 3.3.1 步进频MIMO雷达稀疏成像模型 |
| 3.3.2 贪婪类稀疏重构算法的基本原理 |
| 3.3.3 基于CF增强的稀疏成像 |
| 3.4 实验验证 |
| 3.4.1 BP成像结果 |
| 3.4.2 CF增强结果 |
| 3.4.3 基于稀疏重构的成像结果 |
| 3.5 本章小结 |
| 第四章 墙后运动目标检测与背景信息辅助判读 |
| 4.1 室内人体运动目标探测 |
| 4.1.1 人体运动目标探测原理 |
| 4.1.2 运动目标对BP成像的影响 |
| 4.2 环境信息辅助下的鬼影杂波判读 |
| 4.2.1 基于环境信息辅助的墙后目标检测方法 |
| 4.2.2 空间多普勒处理 |
| 4.2.3 三维CFAR检测 |
| 4.3 实验验证 |
| 4.3.1 运动目标对BP成像性能的影响 |
| 4.3.2 人体目标穿墙探测实验 |
| 4.4 本章小结 |
| 第五章 面向墙后运动目标的波形优化 |
| 5.1 基于最大化互信息的波形优化方法 |
| 5.2 双约束波形优化方法 |
| 5.2.1 ISLR约束 |
| 5.2.2 双约束优化模型 |
| 5.3 基于双约束波形优化的穿墙鬼影抑制方法 |
| 5.4 实验验证 |
| 5.4.1 MMI与双约束波形优化对比仿真实验 |
| 5.4.2 穿墙探测实验 |
| 5.5 本章小结 |
| 第六章 运动目标多脉冲联合成像 |
| 6.1 MIMO穿墙雷达运动目标成像与FBD的关系 |
| 6.2 单通道中的距离-速度投影 |
| 6.2.1 单脉冲R-V投影 |
| 6.2.2 多脉冲滑动R-V投影 |
| 6.3 MIMO穿墙雷达多脉冲联合成像 |
| 6.4 实验验证 |
| 6.4.1 横向走动实验 |
| 6.4.2 斜线走动实验 |
| 6.4.3 纵向走动实验 |
| 6.5 本章小结 |
| 第七章 结论与展望 |
| 7.1 全文总结 |
| 7.2 未来工作展望 |
| 致谢 |
| 参考文献 |
| 作者在学期间取得的学术成果 |
| 附录A 积分旁瓣比与幂指数的关系 |
| 附录B 信杂比与幂指数的关系 |
（8）基于微多普勒效应的ISAR干扰技术研究（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 国内外研究现状分析 |
| 1.2.1 逆合成孔径雷达发展与现状 |
| 1.2.2 逆合成孔径雷达干扰技术发展与现状 |
| 1.2.3 雷达目标微多普勒效应研究发展与现状 |
| 1.3 本文内容安排 |
| 第二章ISAR成像及微多普勒分析基础理论 |
| 2.1 引言 |
| 2.2 线性调频信号 |
| 2.2.1 线性调频信号分析 |
| 2.2.2 解线频调处理 |
| 2.3 运动补偿基本原理 |
| 2.3.1 距离对准技术 |
| 2.3.2 相位补偿技术 |
| 2.4 微多普勒特征分析方法 |
| 2.5 小结 |
| 第三章 常见运动形式的微多普勒特征分析 |
| 3.1 引言 |
| 3.2 目标散射点模型 |
| 3.3 简单运动形式的微多普勒特征分析 |
| 3.3.1 旋转运动 |
| 3.3.2 振动运动 |
| 3.3.3 进动运动 |
| 3.3.4 仿真实验 |
| 3.4 复杂运动形式的微多普勒特征分析 |
| 3.4.1 鸟类扑翼运动 |
| 3.4.2 人体步行运动 |
| 3.4.3 仿真实验 |
| 3.5 微动特征对ISAR成像及干扰的影响 |
| 3.5.1 微动特征对ISAR成像的影响 |
| 3.5.2 微动特征对ISAR干扰方法的启发 |
| 3.6 本章小结 |
| 第四章 单基地ISAR干扰 |
| 4.1 引言 |
| 4.2 距离-多普勒(R-D)成像算法 |
| 4.3 调制转发微动干扰 |
| 4.3.1 干扰原理 |
| 4.3.2 仿真实验 |
| 4.4 微动散射波干扰 |
| 4.4.1 干扰原理 |
| 4.4.2 干信比 |
| 4.4.3 仿真实验 |
| 4.5 脉冲卷积微动干扰 |
| 4.5.1 干扰原理 |
| 4.5.2 仿真实验 |
| 4.6 小结 |
| 第五章 双/多基地ISAR干扰 |
| 5.1 引言 |
| 5.2 双(多)基地ISAR成像原理 |
| 5.3 双(多)基地ISAR微多普勒效应分析 |
| 5.4 微动散射波干扰 |
| 5.4.1 干扰原理 |
| 5.4.2 仿真实验 |
| 5.4.3 参数分析 |
| 5.5 脉冲卷积散射波干扰 |
| 5.5.1 干扰原理 |
| 5.5.2 仿真实验 |
| 5.6 小结 |
| 第六章 InISAR三维干扰 |
| 6.1 引言 |
| 6.2 In ISAR成像原理 |
| 6.3 单通道干扰机干扰效果分析 |
| 6.4 基于双通道干扰机的In ISAR干扰 |
| 6.4.1 微动调制干扰 |
| 6.4.2 异频调制干扰 |
| 6.4.3 参数分析 |
| 6.4.4 仿真实验 |
| 6.5 小结 |
| 第七章 结论与展望 |
| 7.1 研究结论 |
| 7.2 研究展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
（9）运动多站时变时差/多普勒差无源定位方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 运动多站无源定位系统研究现状 |
| 1.2.2 基于定位观测量的定位方法与直接定位法 |
| 1.2.3 定位观测量估计研究现状 |
| 1.2.4 直接定位算法研究现状 |
| 1.3 本文主要工作及内容安排 |
| 第二章 宽带信号时变时差补偿与联合估计方法 |
| 2.1 引言 |
| 2.2 时变时差补偿条件分析 |
| 2.3 时差、多普勒差联合估计信号模型 |
| 2.3.1 辐射源发射信号建模 |
| 2.3.2 传统的窄带与宽带信号模型 |
| 2.3.3 基于时域分段的宽带信号模型 |
| 2.4 宽带信号时差、多普勒差联合估计 |
| 2.4.1 CAF法、SCAF法和CAF_CS法 |
| 2.4.2 基于时域分段的宽带信号时差、多普勒差联合估计方法 |
| 2.4.3 基于Key Stone变换的时差、多普勒差估计快速算法 |
| 2.4.4 宽带信号时差、多普勒差估计的CRLB |
| 2.5 仿真实验与分析 |
| 2.5.1 时变时差补偿效果仿真 |
| 2.5.2 基于Keystone变换的快速算法中的多普勒差模糊数选择 |
| 2.5.3 基于Keystone变换的快速算法的多目标适应性 |
| 2.5.4 时差、多普勒差联合估计精度 |
| 2.6 本章小结 |
| 第三章 时变多普勒差补偿与联合估计方法 |
| 3.1 引言 |
| 3.2 多普勒差变化率引入及意义 |
| 3.2.1 信号累积时间内的多普勒差变化仿真分析 |
| 3.2.2 多普勒差时变对时差、多普勒差估计算法的影响 |
| 3.3 时差、多普勒差及多普勒差变化率联合估计 |
| 3.3.1 CAF_QP法及其改进算法 |
| 3.3.2 基于时域分段的宽带信号时差、多普勒差及多普勒差变化率联合估计 |
| 3.3.3 宽带信号时差、多普勒差及多普勒差变化率联合估计的CRLB |
| 3.4 参数估计时刻选择对估计精度的影响 |
| 3.5 基于TRTSKT的时差、多普勒差及多普勒差估计快速算法方法 |
| 3.5.1 TRT变换与SKT变换原理 |
| 3.5.2 基于TRT的多普勒差分维估计 |
| 3.5.3 基于SKT的时差及多普勒差变化率分维估计 |
| 3.5.4 基于TRTSKT快速算法的计算复杂度分析 |
| 3.6 仿真实验与分析 |
| 3.6.1 时差变化补偿效果仿真 |
| 3.6.2 窄带信号时差、多普勒差及多普勒差变化率估计精度 |
| 3.6.3 宽带条件下时差、多普勒差及多普勒差变化率估计精度 |
| 3.7 本章小结 |
| 第四章 固定目标定位中时变时差/多普勒差估计方法 |
| 4.1 引言 |
| 4.2 固定目标定位中时差、多普勒差及多普勒差变化率间约束关系 |
| 4.3 机载场景下时差、多普勒差及多普勒差变化率间约束关系 |
| 4.3.1 机载平台对固定辐射源观测场景 |
| 4.3.2 机载场景下待估参数间等式约束 |
| 4.4 星载场景下时差、多普勒差及多普勒差变化率间约束关系 |
| 4.4.1 星载平台对固定辐射源观测场景 |
| 4.4.2 星载场景下待估参数间等式约束 |
| 4.5 带约束的时差、多普勒差及多普勒差变化率联合估计 |
| 4.5.1 带约束的联合估计方法 |
| 4.5.2 带约束的时差、多普勒差及多普勒差变化率估计的CRLB |
| 4.5.3 算法计算复杂度对比分析 |
| 4.6 仿真实验与分析 |
| 4.7 本章小结 |
| 第五章 未校准条件下时变时差、多普勒差定位方法 |
| 5.1 引言 |
| 5.2 直接定位法在时变时差、多普勒差定位场景中的应用 |
| 5.3 未校准条件下运动多站观测模型 |
| 5.4 未校准条件下基于时变时差、多普勒差的直接定位方法 |
| 5.4.1 未校准条件下的直接定位算法 |
| 5.4.2 不同条件下直接定位算法对比分析 |
| 5.5 未校准条件下辐射源定位精度的CRLB |
| 5.6 仿真实验与分析 |
| 5.6.1 噪声功率不等条件下定位精度对比 |
| 5.6.2 相等噪声功率条件下定位精度对比 |
| 5.6.3 先验信息存在误差条件下定位精度对比 |
| 5.7 本章小结 |
| 第六章 结论与展望 |
| 致谢 |
| 参考文献 |
| 作者在学期间取得的学术成果 |
（10）目标微动特征的激光探测信号处理与参数估计方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 国内外研究现状 |
| 1.2.1 目标微动模型研究现状 |
| 1.2.2 微动特征分析和提取研究现状 |
| 1.2.3 微多普勒信号分离研究现状 |
| 1.2.4 微动参数估计研究现状 |
| 1.3 论文主要研究内容及结构安排 |
| 第二章 目标微多普勒效应相干激光探测信号精确表征 |
| 2.1 引言 |
| 2.2 激光微多普勒效应回波光电流信号建模表征 |
| 2.2.1 振动目标回波信号光电流模型表征 |
| 2.2.2 转动目标回波信号光电流模型表征 |
| 2.2.3 目标多散射点回波信号光电流模型表征 |
| 2.3 激光微多普勒信号特性分析和影响关系表征 |
| 2.3.1 信号特性与目标动态参数的关系 |
| 2.3.2 信号特性与激光雷达参数的关系 |
| 2.4 激光探测微动参数估计的克拉美-罗界表征 |
| 2.4.1 微动参数估计克拉美-罗界的推导 |
| 2.4.2 CRB影响因素分析 |
| 2.4.3 传统方法的CRB分析 |
| 2.5 激光微多普勒信号采集实验系统构建 |
| 2.6 本章小结 |
| 第三章 基于时频分析的微动特征快速提取方法 |
| 3.1 引言 |
| 3.2 时频分析方法性能优化 |
| 3.2.1 典型时频分析方法 |
| 3.2.2 时频分析性能优化方法 |
| 3.3 多分量微动特征快速提取方法 |
| 3.3.1 基于形态学的时频分布降噪处理 |
| 3.3.2 基于曲线跟踪的时频特征快速提取 |
| 3.4 基于经验模态分解的混合特征提取方法 |
| 3.4.1 EMD理论 |
| 3.4.2 基于正弦周期延拓的EMD端点效应抑制方法 |
| 3.4.3 平动-微动时频特征分解 |
| 3.5 本章小结 |
| 第四章 基于参数化的多维微动参数分离估计方法 |
| 4.1 引言 |
| 4.2 基于FrFT的混合信号平动分量补偿 |
| 4.2.1 FrFT检测LFM信号原理 |
| 4.2.2 基于FrFT的混合信号平动补偿方法 |
| 4.2.3 平动参数估计精度要求分析 |
| 4.3 基于TVAR模型的多分量微多普勒信号分离 |
| 4.3.1 激光微多普勒信号的TVAR模型 |
| 4.3.2 基于CPF-TVAR的信号分离 |
| 4.3.3 分离效果分析 |
| 4.4 基于静态参数PF模型的多维微动参数估计 |
| 4.4.1 静态参数粒子滤波模型 |
| 4.4.2 基于MH算法的自适应粒子状态更新 |
| 4.4.3 全局化粒子权值计算 |
| 4.4.4 参数估计流程 |
| 4.4.5 仿真分析 |
| 4.5 本章小结 |
| 第五章 基于最大似然的微动参数联合估计方法 |
| 5.1 引言 |
| 5.2 微动参数最大似然估计模型 |
| 5.2.1 最大似然函数 |
| 5.2.2 均值似然函数 |
| 5.3 基于SVR的多分量信号微动频率估计 |
| 5.3.1 奇异值分解 |
| 5.3.2 SVR谱 |
| 5.3.3 信号分量幅值比提取 |
| 5.4 基于蒙特卡洛实现的微动参数联合估计 |
| 5.4.1 微动参数最大似然估计流程 |
| 5.4.2 计算复杂度分析 |
| 5.4.3 仿真实验验证 |
| 5.5 基于改进似然函数的微动参数联合估计 |
| 5.5.1 激光微多普勒信号似然函数设计 |
| 5.5.2 多维马尔科夫蒙特卡洛方法的实现 |
| 5.5.3 SCMC信号参数估计流程 |
| 5.5.4 仿真分析 |
| 5.5.5 实验验证 |
| 5.6 本章小结 |
| 第六章 结束语 |
| 6.1 主要工作总结 |
| 6.2 创新点 |
| 6.3 研究展望 |
| 致谢 |
| 参考文献 |
| 作者在学期间取得的学术成果 |
四、应用于SAR的一种波形及多普勒效应补偿技术（论文参考文献）
- [1]基于压缩感知超宽带噪声SAR成像[D]. 程蒙. 太原理工大学, 2021(01)
- [2]运动目标被动声呐信号频域分析关键技术研究[D]. 郭微. 哈尔滨工程大学, 2020(04)
- [3]高分辨率时频分析方法在雷达成像中的应用[D]. 周贤达. 西安电子科技大学, 2020(05)
- [4]基于非接触式生命体征探测雷达的人体目标识别理论与技术研究[D]. 闫嘉明. 南京理工大学, 2020(01)
- [5]复杂运动目标ISAR成像算法研究[D]. 张荣政. 哈尔滨工业大学, 2019(01)
- [6]机动目标ISAR运动补偿成像算法研究[D]. 杨亭. 燕山大学, 2019(03)
- [7]认知穿墙雷达成像机理与关键技术研究[D]. 宋勇平. 国防科技大学, 2019(01)
- [8]基于微多普勒效应的ISAR干扰技术研究[D]. 唐峥钊. 西安电子科技大学, 2019(02)
- [9]运动多站时变时差/多普勒差无源定位方法研究[D]. 肖学兵. 国防科技大学, 2018(01)
- [10]目标微动特征的激光探测信号处理与参数估计方法研究[D]. 郭力仁. 国防科技大学, 2018(02)