基于ISAR的机动目标快速成像与识别技术研究
发布时间：2021-02-27 11:50
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...
【文章来源】：哈尔滨工业大学黑龙江省 211工程院校 985工程院校
【文章页数】：164 页
【学位级别】：博士
【部分图文】：
美国KREMS基地4款大型测量雷达及其工作频段分布（升级前）
第1章绪论-7-了世界首部可获得空间目标二维ISAR图像的高分辨宽带雷达ALCOR。随后，KREMS基地又陆续部署了ALTAIR相参式测量跟踪雷达、TRADEX目标识别雷达、MMW毫米波雷达，工作频段从VHF、UHF、L、S、C逐渐增至X、Ka、W等高波段[12]，如图1-1所示。除KREMS基地外，美国为LSSC系统陆续建造和部署了磨石山雷达MHR、著名的“干草堆”远距离成像雷达HLRIR、Haystack辅助雷达HAX和Firepond激光雷达等[68]。其中，HLRIR是世界上首部具有实用价值的高分辨ISAR成像系统。2010年5月，美国为HLRIR增加了W波段载频92~100GHz、带宽8GHz的高功率毫米波天线.技术升级后的雷达称为HUSIR[69]，能同时工作在X波段和W波段，已达到1.87cm的超高距离分辨率和3cm的成像分辨率，是目前世界上具有最高分辨率的地面监视雷达。图1-2展示了随着美国雷达不断升级的分辨率对同一卫星模型的成像结果，可以看出，更高质量的成像结果能够展现目标更加丰富的细节信息。图1-1美国KREMS基地4款大型测量雷达及其工作频段分布（升级前）Fig.1-14large-scaleradarsdeployedintheKREMSbaseandtheirfrequency(beforeupgrade)图1-2美国成像雷达不断升级的分辨率[68]Fig.1-2TheupgradingresolutionofUSimagingradar德国FGAN高频物理研究所于20世纪60年代建造的TIRA雷达是目前欧空局“未来欧洲空间目标探测系统（EuropeanSpaceSurveillanceSystem，ESSS）”
哈尔滨工业大学工学博士学位论文-16-图1-6通用的基于ISAR图像视觉特征的目标识别方案Fig.1-6GeneralschemeoftargetrecognitionbasedonvisualfeaturesofISARimage在以上通用的识别方案中，无论是人工特征工程还是机器学习，现有的研究方法在本质上均是借鉴了光学图像的特征处理方法，即遵循“获取图像——特征提泉—分类判决”的处理流程。但合成孔径技术成像与光学成像在原理与特性方面都存在较大的差异性，使得利用ISAR成像技术生成的图像与传统光学图像承载的目标特征有较大不同。例如，成像结果所传递的目标特征的稳定性与可分性往往具有较强的姿态敏感性、算法敏感性，高机动目标的成像甚至出现散焦、模糊、翻转、不连续等情况，产生严重的特征畸变，为有效的特征提取带来了巨大的挑战。虽然近几年一些研究者们探索了利用机器学习直接对图像中的目标特征信息进行智能的表达和提取，以摆脱人工特征提取算子在处理畸变特征时的局限性，但是，这些尝试并没有突破单表征样本驱动识别网络的局限性。在一些极端复杂的观测条件下，观测目标高机动场景或样本分布不均匀等情况下，目前的识别方案很难保持较好的识别鲁棒性。因此，有必要探索如何利用机器学习进一步挖掘目标回波信息中包含的更多维度原始信息，以打破现有识别手段的局限性。1.4主要研究内容和结构安排论文围绕基于ISAR系统的成像与识别性能提升的需求，从成像和识别两个串行的技术环节出发，以提高成像质量、优化算法复杂度和挖掘样本多维特征信息为切入点，开展对复杂不确定条件下机动目标的高精度、快速成像与识别技术的具体研究。论文的总体框架和研究路线如图1-7所示。论文各章的主要研究内容安排如下。第2章为后续章节各部分研究内容的展开建立研究基矗首先对ISAR观测系?
【参考文献】：
期刊论文
[1]雷达目标识别技术研究现状及其应用[J]. 宋歌,贾鑫,张勇顺,毛鑫峰. 信息与电脑(理论版). 2017(18)
[2]SAR图像质量评价综述[J]. 王哲远,李元祥,郁文贤. 遥感信息. 2016(05)
[3]基于ISAR像的舰船目标识别技术研究[J]. 侯颖妮,杨予昊,李士国,江涛. 现代雷达. 2016(03)
[4]雷达目标识别技术研究进展及发展趋势分析[J]. 刘韵,林杰. 通讯世界. 2016(04)
[5]基于GPU的后向投影SAR成像算法[J]. 姜晓龙,王建,宋千,周智敏. 雷达科学与技术. 2014(04)
[6]太赫兹极高分辨力雷达成像试验研究[J]. 蔡英武,杨陈,曾耿华,黄祥,王成,江舸,李如忠,陶荣辉,张健,周传明,姚军. 强激光与粒子束. 2012(01)
[7]太赫兹频段的近程ISAR成像系统[J]. 陆继珍,皮亦鸣. 半导体技术. 2009(06)
[8]基于图像熵的逆合成孔径雷达干扰效果评估方法[J]. 崔瑞,薛磊. 现代防御技术. 2009(01)
[9]雷达反导与林肯实验室[J]. 史仁杰. 系统工程与电子技术. 2007(11)
[10]俄罗斯的空间目标监视、识别、探测与跟踪系统[J]. 魏晨曦. 中国航天. 2006(08)
博士论文
[1]太赫兹SAR成像运动补偿及成像算法研究[D]. 王照法.哈尔滨工业大学 2019
[2]高速旋转目标逆合成孔径雷达成像方法[D]. 宁宇.西安电子科技大学 2019
[3]基于ISAR像的雷达目标识别算法研究[D]. 王芳.南京理工大学 2017
[4]高分辨SAR/ISAR成像信号补偿新技术研究[D]. 周芳.西安电子科技大学 2014
[5]空天目标逆合成孔径雷达成像新方法研究[D]. 白雪茹.西安电子科技大学 2011
[6]ISAR目标运动参数估计及成像技术研究[D]. 李亚超.西安电子科技大学 2008
[7]分数阶Fourier变换在逆合成孔径雷达成像处理中的应用[D]. 尹治平.中国科学技术大学 2008
硕士论文
[1]基于反投影（BP）技术的空间目标ISAR成像方法研究[D]. 肖冬玲.南京航空航天大学 2017
[2]宽带雷达数据采集与实时成像处理技术研究[D]. 李卫星.国防科学技术大学 2011
本文编号：3054188
【文章来源】：哈尔滨工业大学黑龙江省 211工程院校 985工程院校
【文章页数】：164 页
【学位级别】：博士
【部分图文】：
美国KREMS基地4款大型测量雷达及其工作频段分布（升级前）
第1章绪论-7-了世界首部可获得空间目标二维ISAR图像的高分辨宽带雷达ALCOR。随后，KREMS基地又陆续部署了ALTAIR相参式测量跟踪雷达、TRADEX目标识别雷达、MMW毫米波雷达，工作频段从VHF、UHF、L、S、C逐渐增至X、Ka、W等高波段[12]，如图1-1所示。除KREMS基地外，美国为LSSC系统陆续建造和部署了磨石山雷达MHR、著名的“干草堆”远距离成像雷达HLRIR、Haystack辅助雷达HAX和Firepond激光雷达等[68]。其中，HLRIR是世界上首部具有实用价值的高分辨ISAR成像系统。2010年5月，美国为HLRIR增加了W波段载频92~100GHz、带宽8GHz的高功率毫米波天线.技术升级后的雷达称为HUSIR[69]，能同时工作在X波段和W波段，已达到1.87cm的超高距离分辨率和3cm的成像分辨率，是目前世界上具有最高分辨率的地面监视雷达。图1-2展示了随着美国雷达不断升级的分辨率对同一卫星模型的成像结果，可以看出，更高质量的成像结果能够展现目标更加丰富的细节信息。图1-1美国KREMS基地4款大型测量雷达及其工作频段分布（升级前）Fig.1-14large-scaleradarsdeployedintheKREMSbaseandtheirfrequency(beforeupgrade)图1-2美国成像雷达不断升级的分辨率[68]Fig.1-2TheupgradingresolutionofUSimagingradar德国FGAN高频物理研究所于20世纪60年代建造的TIRA雷达是目前欧空局“未来欧洲空间目标探测系统（EuropeanSpaceSurveillanceSystem，ESSS）”
哈尔滨工业大学工学博士学位论文-16-图1-6通用的基于ISAR图像视觉特征的目标识别方案Fig.1-6GeneralschemeoftargetrecognitionbasedonvisualfeaturesofISARimage在以上通用的识别方案中，无论是人工特征工程还是机器学习，现有的研究方法在本质上均是借鉴了光学图像的特征处理方法，即遵循“获取图像——特征提泉—分类判决”的处理流程。但合成孔径技术成像与光学成像在原理与特性方面都存在较大的差异性，使得利用ISAR成像技术生成的图像与传统光学图像承载的目标特征有较大不同。例如，成像结果所传递的目标特征的稳定性与可分性往往具有较强的姿态敏感性、算法敏感性，高机动目标的成像甚至出现散焦、模糊、翻转、不连续等情况，产生严重的特征畸变，为有效的特征提取带来了巨大的挑战。虽然近几年一些研究者们探索了利用机器学习直接对图像中的目标特征信息进行智能的表达和提取，以摆脱人工特征提取算子在处理畸变特征时的局限性，但是，这些尝试并没有突破单表征样本驱动识别网络的局限性。在一些极端复杂的观测条件下，观测目标高机动场景或样本分布不均匀等情况下，目前的识别方案很难保持较好的识别鲁棒性。因此，有必要探索如何利用机器学习进一步挖掘目标回波信息中包含的更多维度原始信息，以打破现有识别手段的局限性。1.4主要研究内容和结构安排论文围绕基于ISAR系统的成像与识别性能提升的需求，从成像和识别两个串行的技术环节出发，以提高成像质量、优化算法复杂度和挖掘样本多维特征信息为切入点，开展对复杂不确定条件下机动目标的高精度、快速成像与识别技术的具体研究。论文的总体框架和研究路线如图1-7所示。论文各章的主要研究内容安排如下。第2章为后续章节各部分研究内容的展开建立研究基矗首先对ISAR观测系?
【参考文献】：
期刊论文
[1]雷达目标识别技术研究现状及其应用[J]. 宋歌,贾鑫,张勇顺,毛鑫峰. 信息与电脑(理论版). 2017(18)
[2]SAR图像质量评价综述[J]. 王哲远,李元祥,郁文贤. 遥感信息. 2016(05)
[3]基于ISAR像的舰船目标识别技术研究[J]. 侯颖妮,杨予昊,李士国,江涛. 现代雷达. 2016(03)
[4]雷达目标识别技术研究进展及发展趋势分析[J]. 刘韵,林杰. 通讯世界. 2016(04)
[5]基于GPU的后向投影SAR成像算法[J]. 姜晓龙,王建,宋千,周智敏. 雷达科学与技术. 2014(04)
[6]太赫兹极高分辨力雷达成像试验研究[J]. 蔡英武,杨陈,曾耿华,黄祥,王成,江舸,李如忠,陶荣辉,张健,周传明,姚军. 强激光与粒子束. 2012(01)
[7]太赫兹频段的近程ISAR成像系统[J]. 陆继珍,皮亦鸣. 半导体技术. 2009(06)
[8]基于图像熵的逆合成孔径雷达干扰效果评估方法[J]. 崔瑞,薛磊. 现代防御技术. 2009(01)
[9]雷达反导与林肯实验室[J]. 史仁杰. 系统工程与电子技术. 2007(11)
[10]俄罗斯的空间目标监视、识别、探测与跟踪系统[J]. 魏晨曦. 中国航天. 2006(08)
博士论文
[1]太赫兹SAR成像运动补偿及成像算法研究[D]. 王照法.哈尔滨工业大学 2019
[2]高速旋转目标逆合成孔径雷达成像方法[D]. 宁宇.西安电子科技大学 2019
[3]基于ISAR像的雷达目标识别算法研究[D]. 王芳.南京理工大学 2017
[4]高分辨SAR/ISAR成像信号补偿新技术研究[D]. 周芳.西安电子科技大学 2014
[5]空天目标逆合成孔径雷达成像新方法研究[D]. 白雪茹.西安电子科技大学 2011
[6]ISAR目标运动参数估计及成像技术研究[D]. 李亚超.西安电子科技大学 2008
[7]分数阶Fourier变换在逆合成孔径雷达成像处理中的应用[D]. 尹治平.中国科学技术大学 2008
硕士论文
[1]基于反投影（BP）技术的空间目标ISAR成像方法研究[D]. 肖冬玲.南京航空航天大学 2017
[2]宽带雷达数据采集与实时成像处理技术研究[D]. 李卫星.国防科学技术大学 2011
本文编号：3054188
本文链接：https://www.wllwen.com/kejilunwen/xinxigongchenglunwen/3054188.html
