基于稀疏贝叶斯学习的扩展目标雷达关联成像*

雷达关联成像不依赖于雷达与目标的相对运动,是一种高分辨凝视成像方式。传统的关联成像方法未考虑复杂扩展目标的结构信息,在高分辨成像时的应用受到限制,为此提出一种自适应结构配对稀疏贝叶斯学习方法。该算法在稀疏贝叶斯学习的框架内针对扩展目标建立一种结构配对层次化高斯先验模型,然后采用变分贝叶斯期望-最大化算法交替进行目标重构和参数优化。该算法将某一信号分量的重构与周围信号分量联系起来,并能在迭代过程中自适应地调整表征各信号分量相关性的参数。实验结果表明,该方法针对扩展目标可以有效地进行高分辨成像。     

SAR微动目标的稀疏贝叶斯成像方法

SAR微动信息能够反映出目标的属性信息,其微动图像可作为雷达目标识别的一种重要手段。基于SAR微动目标回波的稀疏特性,建立了在过完备词典下的稀疏表示模型,提出一种新的稀疏贝叶斯重构方法——方差成分扩张压缩,该方法仅赋予有重要意义的信号元素不同的方差分量,拥有更少的参数。仿真结果表明,方差成分扩张压缩方法能较精确地估计出SAR目标微动参数,同时能够获得低信噪比条件下较好的微动目标像。     

稀疏贝叶斯学习框架下的扩展目标雷达关联成像

传统的关联成像方法未考虑复杂扩展目标的结构信息,在高分辨成像时的应用受到限制,为此提出一种自适应结构配对稀疏贝叶斯学习方法。该方法在稀疏贝叶斯学习的框架内针对扩展目标建立一种结构配对层次化高斯先验模型,然后采用变分贝叶斯期望-最大化算法交替进行目标重构和参数优化。该方法将某一信号分量的重构与周围信号分量联系起来,并能在迭代过程中自适应地调整表征各信号分量相关性的参数。实验结果表明,该方法针对扩展目标可以有效地进行高分辨成像。     

单脉冲雷达导引头对抗投放式诱饵技术研究

为提高单脉冲雷达导引头对投放式诱饵干扰的检测和分辨性能,利用投放式诱饵干扰情况下单脉冲比的概率分布特性,采用基于奈曼-皮尔逊准则的GLRT检测方法来进行干扰的检测;在干扰信噪比未知情况下通过顺序估计目标和诱饵信噪比进而估计目标DOA的方法对目标和诱饵进行分辨.仿真结果证实了对诱饵的检测和分辨算法的有效性.     

亚毫米波雷达导引头的特点与应用

亚毫米波频段范围宽,波长短,信息容量大.首先分析了相比微波/毫米波导引头,亚毫米波导引头的特点:距离分辨率高,角分辨率高,速度分辨率高,目标特性丰富,反隐身能力强和抗干扰能力强,然后指出在高空高速目标防御、高超声速空天飞行器制导、弹道导弹制导和反装甲导弹制导方面亚毫米波导引头具有特有的优势,最后通过2个仿真说明了亚毫米波目标特性的特点和速度分辨能力有利于提高导引头的Ill标识别能力.