认知SAR波形设计方法研究
发布时间：2021-04-19 07:29
认知合成孔径雷达（Cognitive Synthetic Aperture Radar,Cognitive SAR）是一种新体制雷达,是引入并模仿生物认知特性的新一代合成孔径雷达系统,具备感知、理解、学习、推断与决策能力。认知SAR通过对外部环境和目标信息的利用,辅以其闭环反馈特性,可以实现接收端、发射端的一体化自适应机制,从而弥补传统SAR工作模式单一、无法根据环境自适应调整自身工作模式的缺陷。同时,认知SAR具备自适应调整发射波形参数的特性,可以提高雷达在复杂电磁环境与地理环境下的工作性能。然而,基于认知SAR系统的各项研究刚刚兴起,尚处于起步阶段。波形设计是认知SAR系统的一项关键技术,本文针对认知SAR高分辨成像与检测的需求,研究认知SAR的波形设计问题,主要进行了以下工作:（1）研究了基于Haykin框架的认知SAR系统架构,分析了其收发闭环反馈特性和涉及的关键技术,研究了各关键技术的技术特点,为认知SAR相关技术的研究奠定了理论支撑。（2）研究了认知SAR基于机器学习图像分类与状态预测的环境信息感知方法,同时研究了从回波中获取杂波功率谱密度的方法,解决了环境地形与杂波功率谱...
【文章来源】：电子科技大学四川省 211工程院校 985工程院校 教育部直属院校
【文章页数】：80 页
【学位级别】：硕士
【部分图文】：
蝙蝠回声定位系统
ǖ氖涑鯯INR指标优于传统LFM信号，并特别指出在低通杂波和噪声条件下传统LFM通常无法满足雷达正常工作需求[34,35]。2007年S.Kay研究了在信号相关静态高斯杂波环境下的高斯点目标检测问题，提出最大化SCNR准则建立优化目标函数，采用拉格朗日法及注水法（waterfilling）进行求解，推导出了最优化波形的解析解，解决了特征值迭代法无法收敛至最优解的问题，并提高了高斯分布的点目标的检测概率[36]。Kay得出的解析解同Pillai给出的结果相似，发射波形的频谱能量主要分布在杂波较弱的区域，而在杂波较强的区域能量分布较少（见图1-6）。图1-6注水法发射波形结果[36]2009年，C.Y.Chen研究了扩展目标在信号相关杂波背景的情况下，MIMO雷达的波形和接收滤波器的联合优化问题，提出了一种新的迭代算法来优化波形和接收滤波器，从而改善回波SINR，使检测性能最大化[37]。2011年，R.A.Romero8
第二章认知SAR与环境感知技术(a)(b)图2-4高程数据图。(a)TerraSAR-X下慕尼黑西北地区带状地图*3m空间分辨率(b)TerraSAR-X聚焦下的德国康斯坦茨市*2m空间分辨率[43]况，还可以利用机器学习在线学习法，不断预测并更新环境信息，以此进一步完善动态信息库。上述过程可以用构建动静态信息库来表示，在SimonHaykin提出的认知雷达结构中，有一个用于实现该功能的模块：环境感知器。在认知SAR结构中，构建动静态数据库也需要实现感知器的功能，具体工作过程如图2-5所示。样本实测数据感知模块目标、环境信息信息存储动静态数据库先验信息图2-5认知SAR动静态数据库构成示意图在获取动态信息时，SAR回波获取实测数据，并将实测数据传入构建动态数据库的感知模块中。感知模块通过多种手段，提取或预测场景中的目标、环境信息。认知SAR依据回波实时感知环境，并将这些环境信息“记忆”下来，在动态数据库中不断存储更新。在获取静态信息时，雷达首先将已知的先验信息存储下来，作为静态信息。其次，无法直接利用的先验信息，可以通过一定的处理，提取得到有用的先验信息，存储下来。这些信息存储的位置，即为动静态信息库。接下来将研究环境感知的具体方法，即使用何种方法感知何种信息，为动静17
本文编号：3147115
【文章来源】：电子科技大学四川省 211工程院校 985工程院校 教育部直属院校
【文章页数】：80 页
【学位级别】：硕士
【部分图文】：
蝙蝠回声定位系统
ǖ氖涑鯯INR指标优于传统LFM信号，并特别指出在低通杂波和噪声条件下传统LFM通常无法满足雷达正常工作需求[34,35]。2007年S.Kay研究了在信号相关静态高斯杂波环境下的高斯点目标检测问题，提出最大化SCNR准则建立优化目标函数，采用拉格朗日法及注水法（waterfilling）进行求解，推导出了最优化波形的解析解，解决了特征值迭代法无法收敛至最优解的问题，并提高了高斯分布的点目标的检测概率[36]。Kay得出的解析解同Pillai给出的结果相似，发射波形的频谱能量主要分布在杂波较弱的区域，而在杂波较强的区域能量分布较少（见图1-6）。图1-6注水法发射波形结果[36]2009年，C.Y.Chen研究了扩展目标在信号相关杂波背景的情况下，MIMO雷达的波形和接收滤波器的联合优化问题，提出了一种新的迭代算法来优化波形和接收滤波器，从而改善回波SINR，使检测性能最大化[37]。2011年，R.A.Romero8
第二章认知SAR与环境感知技术(a)(b)图2-4高程数据图。(a)TerraSAR-X下慕尼黑西北地区带状地图*3m空间分辨率(b)TerraSAR-X聚焦下的德国康斯坦茨市*2m空间分辨率[43]况，还可以利用机器学习在线学习法，不断预测并更新环境信息，以此进一步完善动态信息库。上述过程可以用构建动静态信息库来表示，在SimonHaykin提出的认知雷达结构中，有一个用于实现该功能的模块：环境感知器。在认知SAR结构中，构建动静态数据库也需要实现感知器的功能，具体工作过程如图2-5所示。样本实测数据感知模块目标、环境信息信息存储动静态数据库先验信息图2-5认知SAR动静态数据库构成示意图在获取动态信息时，SAR回波获取实测数据，并将实测数据传入构建动态数据库的感知模块中。感知模块通过多种手段，提取或预测场景中的目标、环境信息。认知SAR依据回波实时感知环境，并将这些环境信息“记忆”下来，在动态数据库中不断存储更新。在获取静态信息时，雷达首先将已知的先验信息存储下来，作为静态信息。其次，无法直接利用的先验信息，可以通过一定的处理，提取得到有用的先验信息，存储下来。这些信息存储的位置，即为动静态信息库。接下来将研究环境感知的具体方法，即使用何种方法感知何种信息，为动静17
本文编号：3147115
本文链接：https://www.wllwen.com/kejilunwen/xinxigongchenglunwen/3147115.html
